qilingu,Tony Gu,github

face_recognition

使用webface人脸数据集以及DeepID网络，通过Caffe训练出模型参数，得到LFW二分类的人脸识别准确率。

feature-engineering-book

Code repo for the book "Feature Engineering for Machine Learning," by Alice Zheng and Amanda Casari, O'Reilly 2018

fetch-real-time-stock-price-from-google-finance-to-kafka

Fetch stock price from googlefinance to kafka and display its real time information

fishye

iOS native application written with Swift 2.1 is a fisheye camera with various other filters and social sharing features.

flaskgit

A simple Flask web app featuring GitHub Search API

flaskker

A simple Flask social web application with basic functions of posting, commenting, following, etc. Reference: Treehouse Flask course by Kenneth Love

flink-commodity-recommendation-system

:whale:基于 Flink 的商品实时推荐系统。当用户产生评分行为时，数据由 kafka 发送到 flink，根据用户历史评分行为进行实时和离线推荐。实时推荐包括：基于行为和实时热门，离线推荐包括：历史热门、历史优质商品和 itemcf 。

flink-recommandsystem-demo

:helicopter::rocket:基于Flink实现的商品实时推荐系统。flink统计商品热度，放入redis缓存，分析日志信息，将画像标签和实时记录放入Hbase。在用户发起推荐请求后，根据用户画像重排序热度榜，并结合协同过滤和标签两个推荐模块为新生成的榜单的每一个产品添加关联产品，最后返回新的用户列表。

fret-mapper

Map the notes of frets in different tunings

front-end-bootcamp

Self-training plans and code for practicing my front-end skills and knowledge

fsdl-text-recognizer-project

The source repository is at https://github.com/full-stack-deep-learning/fsdl-text-recognizer

百搭家居是一款基于增强现实(AR)技术的移动应用，并辅以用于宣传和搭配管理的Web客户端。用户通过移动设备将虚拟的3D家居摆放到真实的场景中，感受逼真的视觉效果；轻点移动设备屏幕便可轻松将喜爱的家居用品挪动到指定位置，对三维模型采用手势拖放变换其大小、角度及方位，摆脱传统家居搭配的烦恼。基于地理位置信息的3D物品摆放可使家居用品固定于现实空间，让移动设备可环绕整个房间布置所有的家居用品；云存储技术的引入使得用户可以在线获取家居模型数据；通过数据挖掘技术，对用户群体及个人的行为数据进行采集与分析，并提供商品的智能推荐，还可与他人分享自己的家居设计方案；同时使用自带的比价系统让用户能便捷地购买到价廉物美的家居用品。总之，将增强现实、三维模型、触控操作、数据挖掘、社交网络等技术创新性地结合是百搭家居的主要亮点。百搭家居解决了用户在传统家居摆设搭配以及购买时面对的一些困难和不确定性，为家居用品的展示和交易提供一个全新的服务平台，并提供了更加真实便捷的用户体验。这款结合了行业前卫技术和全新用户体验的移动应用必将拥有广阔的市场前景。

qilingu Goto Github PK

Tony Gu's Projects

Recommend Projects

Recommend Topics

Recommend Org