元壤教育黎跃春万字长文：从AI视角解读罗振宇跨年演讲 ——提出正确的问题，往往等于解决了问题的大半
变成自己行业的竞争力”。**我的呼吁：**① 一定要拥抱AIGC ，一定要学习AIGC，一定要应用AIGC。② 一定要学习AIGC在各个行业的基本功。③ **通过举一反三，将AIGC在其他行业的应用能力和基本功变成自己行业的竞争力。
金融科技创新中人工智能的应用：8篇优质论文精选（含2023）
随着科技的飞速发展，金融领域正经历着前所未有的变革。在这个过程中，人工智能技术发挥着越来越重要的作用。为了深入探讨金融人工智能的研究和应用，享享特地整理了几篇金融人工智能方面的论文，大家可以看一下金融人工智能方向最新的研究成果！面向金融领域的大型语言模型本文介绍了BloombergGPT，一个基于广
【矩阵论】4. 矩阵运算——广义逆——减号逆
减号逆性质减号逆计算：求解AXA=A，标准对角形，初等行，列变换矩阵方程求解：特解，解空间，通解
万字知识长文：ChatGPT 从零完全上手实操指南
只要你认真完成这个过程，那你一定可以挖出大量有用的场景，以及独到用法，而这些你亲手挖掘出来的场景，才是你真正刚需，且能为你马上解决问题的场景！同样的，类似于健身教练，营养师或者其他需要反复互动的场景等等，都是如此只要你训练出这个场景，那么下次你再需要它为你定制方案的时候，它就会。你最后要做的，只是把
AI：117-基于机器学习的环境污染影响评估
基于机器学习的环境污染影响评估随着全球工业化和城市化的加速发展，环境污染问题日益凸显，对人类生存和健康造成了严重威胁。为了更有效地监测和评估环境污染的影响，人工智能（AI）技术在环境科学领域展现出了巨大的潜力。本文将探讨基于机器学习的环境污染影响评估方法，并提供相应的代码实例。环境污染包括空气、水、
第八章：AI大模型的安全与伦理 8.2 模型安全
1.背景介绍随着人工智能技术的发展，AI大模型已经成为了我们生活中不可或缺的一部分。这些模型在处理大规模数据和复杂任务方面表现出色，但同时也带来了一系列安全和伦理问题。在本章中，我们将深入探讨AI大模型的安全和伦理问题，并提出一些解决方案。1.1 AI大模型的安全问题AI大模型
人工智能详细笔记：深度学习解决图像分割问题（FCN Unet Deeplab）
图像分割是指将一幅数字图像分成若干个部分或者对象的过程。该任务的目标是将图像中的每个像素分配给其所属的对象或者部分，因此它通常被视为一种像素级别的图像分析。
AI PC专题报告：AI PC产业（中国）白皮书
PC 长久以来都是人们最重要的生产力工具和内容消费的计算与交互平台。AI PC 不仅承担原有的生产力工具和内容消费载体的职能，更在硬件上集成了混 合 AI 算力单元，且能够本地运行“个人大模型”、创建个性化的本地知识库， 实现自然语言交互，这将深刻颠覆传统 PC 的定义。AI PC 是为每个人量身定
【高级人工智能】国科大《高级人工智能》符号主义笔记 + 考试记忆版
国科大《高级人工智能》罗老师部分——符号主义笔记
AIGC（生成式AI）试用 15 -- 小结
AIGC（生成式AI）试用 15 -- 小结
山东大学机器学习期末2022
本来是不想写的，因为不想回忆起考试时啥也不会的伤痛，没想到最后给分老师海底捞，心情好了一些，还是一块写完。
AI大模型引领未来智慧科研暨ChatGPT在地学、GIS、气象、农业、生态、环境等领域中的高级应用
以ChatGPT、LLaMA、Gemini、DALL·E、Midjourney、Stable Diffusion、星火大模型、文心一言、千问为代表AI大语言模型带来了新一波人工智能浪潮，可以。4)国内外经典大模型（ChatGPT、LLaMA、Gemini、DALL·E、Midjourney、Stab
带你完全读懂正则化（看这一篇就够了）
想要了解什么是正则化 ，只需要看这一篇就够了
基于AI语言大模型的新编程范式
通过使用AI大模型接口，借助AI模型的语言逻辑处理能力，和提示词工程技巧，我们非常简化我们的逻辑处理过程，效果反倒可能得到提升，甚至实现了通过中文编程。在系统维护的时候也不需要维护非常复杂的逻辑，可以理解为维护注释就行了，后面的小伙伴看的时候更是一目了然。我们在大幅度简化编程复杂度的同时，更提高了处
大数据/人工智能/EXCEL/R语言精品教材推荐
通过采用任务式、项目式等多种教材编写模式，教材内容注重实践能力培养，贴合教师教学实际和学生实践实验，已经被1500余所院校选用为教材。
Transformer模型详解
transformer结构是google在2017年的Attention Is All You Need论文中提出，在NLP的多个任务上取得了非常好的效果，可以说目前NLP发展都离不开transformer。最大特点是抛弃了传统的CNN和RNN，整个网络结构完全是由Attention机制组成。 由于
决策树 （人工智能期末复习）
(18年)下表为是否适合打垒球的决策表，请用决策树算法画出决策树，并请预测 E= {天气=晴，温度=适中，湿度=正常，风速=弱} 的场合，是否合适打垒球。数据集D的纯度可用基尼值来度量，它反映了从数据集D中随机抽取两个样本，其类别标记不一致的概率，因此，Gini(D)越小，数据集D的纯度越高。（1）
Boosting三巨头：XGBoost、LightGBM和CatBoost（发展、原理、区别和联系，附代码和案例）
机器学习中，提高模型精度是研究的重点之一，而模型融合技术中，Boosting算法是一种常用的方法。在Boosting算法中，XGBoost、LightGBM和CatBoost是三个最为流行的框架。它们在实际使用中有各自的优势和适用场景，下面将会介绍它们的区别与联系。
2023高级人工智能期末总结
使用了类似卷积神经网络中的层次化构建方法，比如部分特征图尺寸中有对图像下采样4倍的，8倍的以及16倍的，这样的backbone有助于在此基础上构建目标检测，实例分割等任务。是循环神经网络的一种，和LSTM一样，也是为了解决长期记忆和反向传播中的梯度等问题而提出来的。使用记录maxpool层最大响应特
AI安全初探——利用深度学习检测DNS隐蔽通道
DNS 通道是隐蔽通道的一种，通过将其他协议封装在DNS协议中进行数据传输。由于大部分防火墙和入侵检测设备很少会过滤DNS流量，这就给DNS作为隐蔽通道提供了条件，从而可以利用它实现诸如远程控制、文件传输等操作，DNS隐蔽通道也经常在僵尸网络和APT攻击中扮演着重要的角色。
