问题定义，下载数据，观察结构，找最相关部分特征； 除去异常值，填充缺省值，部分特征正态化，特征编码向量化，增加新特征； 定义评估标准，选择表现好的几个模型，模型参数最优化，stacking模型融合。最终误差降低到0.101左右。详细介绍见https://zhuanlan.zhihu.com/p/89923216

以tensorflow为后台的keras框架实践，以神经网络，机器学习和深度学习的经典项目为主，持续更新, 主要参考书籍——Francois Chollet的Python深度学习

基于C/S的试卷管理系统。连接数据库MySQL和FTP服务器，实现对用户和试卷实体的基本增删改查，统计平均分数，可以进行试卷的上传和下载等。使用netbeans实现。

该工程基于Python3.6，tensorflow1.6。主要是对tensorflow框架进行认识，实践和应用，快速掌握tf在深度学习上的使用，包括线性模型，minist数据集分类，Tensorboard，CNN，LSTM，图像识别网络inception-v3，多任务学习以及验证码识别， word2vec，语音分类模型等实践。配合https://www.bilibili.com/video/av20542427 视频学习更佳。要求在一定的机器学习或深度学习的基础（更新中）

平时工作中常用的Python零碎知识总结，爬虫学习总结与练习，Python数据分析学习总结

机器学习的Python基础，包括python的numpy，matplotlib等相关使用，熟练数组的操作和图像的生成