原文：Bioinformatics with Python Cookbook协议：CC BY-NC-SA 4.0零、前言生物信息学是一个活跃的研究领域，它使用一系列简单到高级的计算从生物数据中提取有价值的信息，这本书将向您展示如何使用 Python 管理这些任务。这本更新版的《Python 生物信息学指南》从 Python 生态系统中各种工具和库的快速概述开始，这些工具和库将帮助您转换、分析和可视

PCA 是一种统计程序,用于将多个变量的维度降低到一个更小的线性不相关的子集。在第六章中，我们看到了一个基于使用外部应用的 PCA 实现。在这个菜谱中，我们将为群体遗传学实现相同的 PCA，但将使用库。Scikit-learn 是用于机器学习的基本 Python 库之一，本菜谱是对该库的介绍。PCA 是一种无监督的机器学习形式——我们不提供关于样本类别的信息。我们将在本章的其他配方中讨论监督技术。

在这里，我们将介绍 Biopython 的PDB模块，用于处理 PDB。我们将使用代表部分p53蛋白质的三个模型。你可以在 http://www.rcsb.org/pdb/101/motm.do?momID=31和阅读更多关于和p53的文件。银河(galaxyproject.org/tutorials/g101/)是一个开源系统，让非计算用户能够做计算生物学。这是最广泛使用的，用户友好的管道系统。

原文：wesmckinney.com/book/译者：飞龙协议：CC BY-NC-SA 4.0十二、Python 建模库介绍原文：wesmckinney.com/book/modeling译者：飞龙协议：CC BY-NC-SA 4.0此开放访问网络版本的《Python 数据分析第三版》现已作为印刷版和数字版的伴侣提供。如果您发现任何勘误，请在此处报告。请注意，由 Quarto 生成的本站点的某些方

来源：Deep Learning with Jax and Flax译者：飞龙协议：CC BY-NC-SA 4.0JAX & Flax 深度学习教程下载所有笔记本下载所有笔记本的链接。ZIP 文件的密码是 FDCPJx0D5A6SO#%QsgJAX（它是什么以及如何在 Python 中使用它）JAX 是一个 Python 库，利用 XLA 和即时（JIT）编译提供高性能机器学习。其 API

原文：wesmckinney.com/book/译者：飞龙协议：CC BY-NC-SA 4.0附录附录 A：高级 NumPy原文：wesmckinney.com/book/advanced-numpy译者：飞龙协议：CC BY-NC-SA 4.0此开放访问网络版本的《Python 数据分析第三版》现已作为印刷版和数字版的伴侣提供。如果您发现任何勘误，请在此处报告。请注意，由 Quarto 生成的本

原文：Deep Learning for Natural Language Processing协议：CC BY-NC-SA 4.0一、自然语言处理和深度学习导论自然语言处理是计算机科学中一项极其困难的任务。语言带来了各种各样的问题，这些问题因语言而异。如果方法正确，从自由文本中构造或提取有意义的信息是一个很好的解决方案。以前，计算机科学家将语言分解成语法形式，如词类、短语等。，使用复杂的算法。今

本节简要介绍了作者、本书的内容覆盖范围、开始所需的技术技能以及完成所有包含的活动和练习所需的硬件和软件要求。在本章结束时，您将能够：解释深度学习是什么，其重要性以及它如何适用于 AI 和 ML确定可以使用深度学习解决的数据问题类型通过理解该库的优缺点，区分 PyTorch 与其他机器学习库使用 PyTorch 创建单层神经网络在本章中，我们将探讨深度学习与人工智能以及机器学习的共鸣。通过对 PyT

原文：Mobile Deep Learning with TensorFlow Lite, ML Kit and Flutter协议：CC BY-NC-SA 4.0译者：飞龙本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。不要担心自己的形象，只关心如何实现目标。——《原则》，生活原则 2.3.c六、构建人工智能认证系统认证是任何应用中最突出的功能之一，

这是一个漫长的旅程–这 20 多行代码中有很多可以探索的内容，我们需要定义和训练一个模型。希望到现在为止，训练中涉及的魔法已经消失，为机械留下了空间。到目前为止我们学到的东西将使我们能够拥有我们编写的代码，而不仅仅是在事情变得更加复杂时摸黑箱。还有最后一步要走：用神经网络替换我们的线性模型作为我们的逼近函数。我们之前说过，使用神经网络不会导致更高质量的模型，因为我们校准问题的过程基本上是线性的。然