利用了Tensorflow的slim框架实现了一个可以对任意车辆图片进行车辆检测和型号分类的识别系统；对数据集中部分图片使用LabelImg工具进行了Bounding Box标注，使用MobileNet模型的SSD检测框架，借助其预训练模型并利用这些标注图片，训练和实现了车辆的位置检测模型；训练并调优了InceptionV4模型实现对车辆类型的分类；将位置检测结果的裁剪子图送入型号分类模型，以此完成对两个模型串行的衔接，并最终形成了一套完整的可以运行演示的web产品。

最小二乘回归、岭回归、Lasso模型

卷积操作的实现：conv2d.ipynb ； mnist识别：代码cnn_mnist,ipynb； Word文档--“基于Mnist数据集的卷积神经网络训练过程”中附上了tinymind地址和结果截图

利用slim框架和object_detection框架，实现了一个物体检测的模型。提交了：心得体会、生成数据的create_pet_tf_record.py、生成的两个数据文件pet_train.record、pet_val.record、配置config文件以及输出的测试图片。tinymind和完整代码的GitHub相关地址见心得体会文档。

利用XGboost实现目标客户（贷款成功的客户）识别，对模型的超参数进行调优 分了多个文件写代码，调参，为了运行方便

聚类及PCA降维的实现 eventdata.csv是生成的聚类活动数据文件，全部的数据集文件太大了，上传不上来了，就没有上传