最新

我创建了一个替代 perl git-add--interactive 的工具，增加了一些增强功能：<p>- S 用于自动拆分所有变更块 - G 用于设置全局过滤器以显示变更块 - A 用于自动接受所有变更块（在应用自动拆分和全局过滤器后）

受到Lobste.rs上类似话题的启发：https://lobste.rs/s/ytefme/when_was_last_time_you_broke_production

我正在编写一本关于Python时间序列预测的实用指南，名为《掌握现代时间序列预测》。其目标是弥合理论与实践之间的差距。书中涵盖了经典统计模型（如ARIMA、SARIMA、Prophet）以及现代机器学习/深度学习方法（如N-BEATS、Transformers、Temporal Fusion Transformer）。 代码示例使用了Python库，如statsmodels、scikit-learn、PyTorch和Darts，书中重点关注实际工作流程：处理杂乱数据、特征工程、模型选择和评估。我写这本书是因为在寻找既实用又最新的预测资源时遇到了困难，尤其是对于应用机器学习的从业者来说。 您可以在这里找到这本书：<a href="https:&#x2F;&#x2F;valeman.gumroad.com&#x2F;l&#x2F;MasteringModernTimeSeriesForecasting" rel="nofollow">https:&#x2F;&#x2F;valeman.gumroad.com&#x2F;l&#x2F;MasteringModernTimeSeriesForec...</a> <a href="https:&#x2F;&#x2F;leanpub.com&#x2F;mastering_modern_time_series_forecasting" rel="nofollow">https:&#x2F;&#x2F;leanpub.com&#x2F;mastering_modern_time_series_forecasting</a> 欢迎任何从事时间序列预测或使用Python机器学习工具的人提问或反馈。