Predict Stock Prices Using RNN: Part 2
学会在 TensorFlow 的 RNN 模型中用股票代码嵌入处理多只股票的价格序列预测,并能用 TensorBoard 可视化计算图和嵌入向量。
教程:工具用法:框架、命令行工具、平台、库的上手与用法,官方文档归这一类。
学会在 TensorFlow 的 RNN 模型中用股票代码嵌入处理多只股票的价格序列预测,并能用 TensorBoard 可视化计算图和嵌入向量。
学会在 VS Code 中通过自带密钥(BYOK)接入 Azure、Anthropic、Gemini、OpenAI、Hugging Face、OpenRouter 等云模型或 Ollama、Foundry Local 本地模型,并在 Chat 模型选择器中按任务切换使用。
学习者能在项目中创建一个名为 docstring-doctor 的 Claude Code skill,让 Claude 按固定的 Google 风格规则为 Python 代码给出 docstring 建议。
学会用 torch.profiler 采集并解读 PyTorch 程序的性能剖析结果,能读 profiler 表格区分 CPU 与 GPU 耗时,判断优化方向。
在 GitHub Codespaces 中用 GitHub Copilot CLI 的自定义 Agent(Orchestrator、Planner、Coder、Designer)协作完成一个可运行的 Project Pulse 仪表盘,并产出规划与交接文档。
学会用 LLM CLI 把自然语言文本文件变成可执行脚本,并通过模板与内置工具扩展脚本能力。
能够安装 llm-typesafe 插件,并通过命令行或 Python 对文本做是/否判断、多类别分类、量表评分和 JSON 结构化输入调用。
能安装并运行该 LLM 插件,在本机暴露一个兼容 OpenAI Chat Completions 的 HTTP 接口,并用 curl 完成普通与流式调用。
学会在 Claude.ai 和 ChatGPT 网页版中添加并启用一个自定义 MCP 服务器,能在对话中调用它执行工具(如只读 SQL 查询),并了解各自的界面限制。
学会在自己环境中安装并使用 llm-mcp-client 插件,把远程 MCP 服务器的工具接入 LLM 命令行、聊天、模板与 Python 代码。
按仓库 README 列出的 14 个模块顺序学习机器学习与深度学习,从基础算法一路走到深度学习核心专题、大模型多模态、工程部署与智能体系统,并用配套 Notebook 动手实现各模块内容。