CSDN 开源社区
JetBrains 推出数据科学 IDE --- DataSpell｜Code China
墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网
我也要 关注 + 加入社区在 C 站上分别搜索 jetbrains-dataspell 和 DataSpell 暂时都没看到有人写过这方面的介绍文章，今天我就来抛砖引玉一下。下面上两张图，证明我是真的在站内 C 了一下，不过没搜索到我想要的文章。。。。有一说一，这个 C一下 按钮很突出呀，认真看的同学也发现，我用了两种不同关键词去搜索，其实不管是上百度还是谷歌，这个技巧是一定要掌握的。
接下来我们需要安装一下 DataSpell，来这里下载: https://www.jetbrains.com/dataspell/。我把安装视频上传到这里了: https://live.csdn.net/v/176698，大家可自行去观看。好了，终于到我们的体验环节了，这个还是非常重要的，如果体验不好，那这个 IDE 也只是花里胡哨而已，没啥卵用。
Smart coding assistance
When editing code cells, enjoy smart code completion, on-the-fly error checking and quick-fixes, easy navigation, and much more.
翻译: 说白了就是代码的自动补全，不过这里特殊一些些，是在 notebook 里提供了该功能，效果如下图所示。
Local and remote notebooks
Work with local Jupyter notebooks or connect easily to remote Jupyter, JupyterHub, or JupyterLab servers right from the IDE.
翻译: 这里我简单一些，只展示本地的 jupyter notebooks，如下图所示。
Cells in Python scripts
Split Python scripts into code cells with the #%% separator and run them individually as you would in a Jupyter notebook.
翻译: 这个功能很不错，即便是一直在使用 Pycharm 专业版的我也不得不安利一波，还是上个图再和你们解说吧。我们此处创建了一个 1.py 文件，这个 IDE 把 notebook 的 cell 运行方式，直接通过添加 #%% 的方式解决了，而且右下方还有 x 的一些更直观的数据展示。不过真要严格说起来的话，其实 Pycharm 专业版也有类似的功能的，不过没有打磨的这么精细吧。
剩下的一些小探索
上面的 Python Packages 的功能展示，看起来还可以，但是我暂时没发现有什么用。。。。不过跟我是第一次体验使用有关系，因为不熟悉。
还有这个 Cell 的工具栏可以提一下，我觉得还是不错的。
FAQ
Will the new data science functionality be available with PyCharm Community Edition?
No. There are no plans to include it in the community version.
翻译: PyCharm 社区版是否会有新的数据科学功能，答案是 No。有一说一，用阉割的社区版蛮惨的，我觉得大家可以考虑破解一下 Pycharm 专业版吧。下一篇可以出这个。
Why introduce a new IDE in addition to PyCharm Professional Edition?
Overall, we expect DataSpell to be a more practical and efficient environment for working with data. Features that relate to working with data will be prioritized.
翻译: 既然已经有 PyCharm 专业版了，为什么还要出一个新的 IDE ? 官方解释说 DataSpell 主要聚焦于数据处理，所以数据可视化或者模型训练之前的数据预处理可以考虑下这个 IDE ? 毕竟对于深度学习或者机器学习之类的来说，数据真的是最重要的，一点也不夸张，所以大家可以考虑在数据探索阶段用这个吧。
How do I choose which product to use: JetBrains DataSpell or PyCharm Professional Edition?
If you’re involved in both data science and development, we recommend you use PyCharm Professional Edition. If you’re involved more in data science than development, we recommend you use JetBrains DataSpell.
翻译: 其实这个问题和上一个问题有点重复了，不过我还是再说一遍吧，如果你是只作数据探索，那么考虑 DataSpell，如果你还需要结合开发，那么选 PyCharm 专业版准没错，毕竟功能那么多，而且还蛮强大，不过相应的，也没 DataSpell 那么聚焦于某个环节。
相关推荐
YOLO26算法工业车间与城市道路安全标识及交通标志目标检测+训练好的模型+260张数据集+pyqt可视化界面.zip
附训练好的 YOLO 权重与 PyQt 可视化检测界面，页面底部含可视化效果预览，毕设/课设开箱即用。 【数据集概况】 · 检测类别（中文）：[安全标识(safety), 交通标志(traffic)] · 训练集：240 张 · 验证集：10 张 · 测试集：10 张 · 总计：260 张 该数据集精准聚焦于工业生产环境与城市道路交通场景，旨在为高危作业区域的安全警示系统及道路通行管理提供可靠视觉识别支持。通过采集真实工作现场与道路环境中的关键标识，该数据集有效支撑了对人员行为规范提示与交通状态预警的自动化感知需求，具备显著的工程实用价值与行业落地潜力。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 67 个 epoch，最终轮指标： 指标 | 数值 mAP50 | **0.7278** mAP50-95 | 0.6630 Precision | 0.7294 Recall | 0.7273 train/box_loss | 0.7483 train/cls_loss | 0.6857 val/box_loss | 0.6823 val/cls_loss | 1.8035 【训练过程分析】 67 轮训练后 mAP50 为 0.7278，模型基本收敛但还有提升余地。Loss 曲线下降正常，后期趋于平缓。mAP50-95 为 0.6630，定位精度尚可。 【模型性能评估】 Precision 0.7294、Recall 0.7273，精度高于召回，存在一定漏检。多类检测中，不同类别性能可能有差异，需关注... 使用场景：毕业设计、课程设计、深度学习入门、工业场景落地验证。
技术转移机构如何基于数据提升项目撮合精准度？.docx
技术转移机构如何基于数据提升项目撮合精准度？
IEEE基于高频信号注入法的PMSM零低速无位置控制永磁同步电机仿真，有参考文献
内容概要：本文围绕基于高频信号注入法的永磁同步电机（PMSM）在零低速工况下的无位置传感器控制技术开展系统性仿真研究，重点聚焦旋转高频信号注入法的应用。通过Matlab/Simulink平台构建完整的控制系统仿真模型，深入分析了高频电压信号注入后电机凸极效应引起的响应电流特征，进而设计并实现了基于信号调制与解调、滤波处理及位置估计算法的位置观测器。研究有效解决了传统机械式位置传感器在极低速或零速运行时难以精确检测转子位置的问题，提升了系统可靠性与鲁棒性。全文涵盖信号注入策略、高频响应信号处理流程、转子位置估算原理、误差补偿机制以及仿真验证等关键技术环节，并配有详实的参考文献，具备较强的理论深度与工程实践价值。; 适合人群：从事电机驱动控制、电力电子与电力传动、自动化及相关领域的科研人员、高校研究生，以及具备一定Matlab/Simulink仿真能力和电机控制理论基础的工程技术人员。; 使用场景及目标：①用于永磁同步电机无传感器控制算法的教学演示与科研仿真；②为低速高精度伺服系统、新能源汽车电驱动系统等应用场景提供位置估计算法的设计与优化思路；③支撑高水平学术论文的复现、改进与创新性控制策略的开发验证。; 阅读建议：建议结合文中所述Simulink仿真模型与配套Matlab代码进行动手实践，重点掌握高频信号注入方式的选择、高频响应信号的提取与解调过程、位置误差提取及PI跟踪观测器的设计细节，同时应查阅所列参考文献以深化对高频注入法物理机理与数学建模的理解。
软件项目方案模板-下载即用.zip
代码下载地址： https://pan.quark.cn/s/a4b39357ea24 ### 软件工程构建方案关键要素阐释 #### 一、引言 **文档主旨说明：** “软件工程构建方案.范本”这一文档名称清晰表明了其核心内容——为软件工程项目的构建过程提供一个标准化的方案范本。该范本致力于引导项目的规划、设计、执行等各个流程，保障项目的顺利推进。 **关键词解读：** “工程构建方案”关键词突出了文档的焦点是围绕工程项目的构建过程展开，不仅涉及软件开发环节，还涵盖了项目的整体规划与执行策略。 #### 二、项目基础信息 1. **项目代号**：必须明确标示出项目的具体代号，以便于识别和区分不同的项目。 2. **项目类别**：区分项目是全新构建还是现有系统的升级，这对后续的规划与资源调配具有决定性影响。 3. **项目承建机构**：详细说明负责项目承建的机构信息，包括机构名称、主要责任人、机构概况及职能划分等。 4. **方案制定基础**：阐述方案制定的依据，通常涵盖相关政策文件、行业标准、行业发展趋势等。 5. **项目构建目标、规模和时限**： - **构建目标**：清晰界定项目完成后的预期成果。 - **构建规模**：依据项目的实际需求确定其规模。 - **构建时限**：明确项目从启动到完成的预期时间。 6. **项目构建内容清单**：列出项目的主要构成部分及其具体内容。 7. **总成本及资金来源**：说明项目总预算及其资金来源。 #### 三、现状、必要性与需求调研 1. **当前状况及待解决问题**：调研当前项目承担单位信息化建设的现状，涵盖现有计算机及网络设备的应用情况、各主要业务的信息化程度等，并指出存在的主要问题及解决策略。 2. **项目...
论文复现带有攻击角约束的大机动目标协同攻击制导律（Simulink仿真、Matlab代码实现）
内容概要：本文档围绕“带有攻击角约束的大机动目标协同攻击制导律”这一课题，提供基于Simulink仿真环境与Matlab编程语言实现的科研论文复现资源。核心内容聚焦于针对高速、大机动目标实施多武器协同攻击的先进制导策略研究，重点实现了超扭滑模控制（STSMC）、快速终端滑模控制（FTSMC）等非线性控制算法，并探讨了其在满足特定攻击角度约束条件下的协同作战能力。资源不仅包含完整的仿真模型与代码，还延伸至高阶滑模、磁链无感观测电机控制等多个相关技术领域，为研究者提供了一套系统性的控制系统设计与仿真验证工具。; 适合人群：具备一定编程基础，熟悉Matlab/Simulink软件操作，对现代控制理论，尤其是滑模控制、非线性控制及多智能体协同控制有浓厚兴趣的研究生或研发人员。; 使用场景及目标：① 帮助研究人员深入理解并复现带有攻击角约束的三维多弹协同攻击制导律，通过提供的Simulink仿真模型和Matlab代码进行算法验证与性能测试；② 为探索超扭滑模（STSMC）、快速终端滑模（FTSMC）等先进控制策略在高速机动目标拦截、精确打击等实际工程问题中的应用潜力，提供可靠的仿真平台和技术参考。; 阅读建议：读者应首先熟练掌握Matlab/Simulink的基本操作，然后循序渐进地学习文档中由简至繁的控制算法和仿真模型。建议从单一制导律入手，再逐步过渡到复杂的多弹协同场景，鼓励结合自身研究方向，对现有模型进行修改和优化，以开展更具创新性的研究工作。
