Datawhale X 李宏毅苹果书 AI夏令营
阅读李宏毅老师苹果书及搭配视频的一次记录
足球比赛是否存在预测法？AI+泊松分布足球预测方法详解
综上所述，AI与泊松分布的结合已经成为了如今足球预测的“通解”，也是目前潜力较大的预测方案，随着AI技术的不断提升，以及开发者对于AI的深入利用，AI不仅会与泊松分布融合，还将与蒙特卡洛、贝叶斯、ELO等个项技术相互结合促进，得以让足球预测的命中率更进一步。示例系统提取码:91r7。
AI：285-YOLOv8改进深度解析 | DynamicHead检测头的原论文复现与性能评估
DynamicHead是YOLOv8中一个重要的改进组件，主要用于提高检测头的灵活性和适应性。该改进通过动态调整卷积核和特征图，从而更好地适应不同大小和形状的目标物体。DynamicHead的核心思想是根据输入图像的特征自适应地调整检测头的参数，以提高检测性能。
概率分布深度解析：PMF、PDF和CDF的技术指南
本文将深入探讨概率分布，详细阐述概率质量函数（PMF）、概率密度函数（PDF）和累积分布函数（CDF）这些核心概念，并通过实际示例进行说明。
【AI大模型】ChatGPT模型原理介绍（下）
2020年5月, OpenAI发布了GPT-3, 同时发表了论文“Language Models are Few-Shot Learner”《小样本学习者的语言模型》.通过论文题目可以看出：GPT-3 不再去追求那种极致的不需要任何样本就可以表现很好的模型，而是考虑像人类的学习方式那样，仅仅使用极少
吴恩达机器学习 第三课 week3 强化学习（月球着陆器自动着陆）
Coursera课程 吴恩达机器学习 第3课 ：无监督学习、推荐算法和强化学习
Kaggle竞赛——手写数字识别（Digit Recognizer）
竞赛使用的是 MNIST (Modified National Institute of Standards and Technology， 美国国家标准与技术研究院修改版) 手写图像数据集，其中训练集42000条，测试集28000条，每条数据有784 个像素点，即原始图像的像素为 28 * 28。
如何预测足球比赛的胜平负进球数？也许我们可以这么做
预测足球比赛的进球数是一个复杂的任务，涉及到多种统计和机器学习方法。从泊松回归模型到Elo评分系统，再到蒙特卡罗模拟和现代的机器学习技术，每种方法都有其独特的优点和局限性。为了提高预测的准确性，在实际应用中，为了便利性，我们应当以AI技术为基底，整合并串联各项技术算法，以此确保系统的预测命中率，同时
人工智能、机器学习和深度学习有什么区别？应用领域有哪些？
人工智能、机器学习和深度学习有什么区别？应用领域有哪些？
数据稀缺条件下的时间序列微分：符号回归(Symbolic Regression)方法介绍与Python示例
有多种方法可以处理时间序列数据中的噪声。本文将介绍一种在我们的研究项目中表现良好的方法,特别适用于时间序列概况中数据点较少的情况。
OpenAI O1：人工智能推理能力的新里程碑
例如，在国际数学奥林匹克的选拔考试（AIME）中，O1模型的正确率达到了74%至93%，远超GPT-4o模型的12%。首先，O1模型的使用价格非常昂贵，尤其是O1-preview版，其输入和输出token的价格分别是GPT-4o的3倍和4倍。此外，在某些情况下，O1模型的推理速度较慢，需要更长的时间
Splitwise：使用相位分裂实现高效生成式 LLM 推理
24年5月来自华盛顿大学和微软的论文“Splitwise: Efficient Generative LLM Inference Using Phase Splitting”。
利用未标记数据的半监督学习在模型训练中的效果评估
本文将介绍三种适用于不同类型数据和任务的半监督学习方法。我们还将在一个实际数据集上评估这些方法的性能，并与仅使用标记数据的基准进行比较。
【人工智能】Transformers之Pipeline（十八）：文本生成（text-generation）
本文对transformers之pipeline的文本生成（text-generation）从概述、技术原理、pipeline参数、pipeline实战、模型排名等方面进行介绍，读者可以基于pipeline使用文中的2行代码极简的使用NLP中的文本生成（text-generation）模型。
时间交织ADC基本原理、误差来源与校准方法
在这种结构中，每个ADC通道以相同的速率工作，但它们的采样时间在时域上错开，从而实现总体上更高的采样速率。在TI-ADC中，假设有N个ADC通道，每个通道以采样周期T进行采样，但相邻通道之间的采样时间差为T/N。每个ADC通道的时钟相位误差会导致采样时间的不一致，从而引起时域采样点的偏差。例如，假设
【机器学习】决策边界的基本概念以及如何在逻辑回归中找到决策边界
探索逻辑回归中的决策边界学习如何在逻辑回归中找到决策边界
人工智能开发实战TensorFlow机器学习框架解析
TensorFlow是由Google开发的用于机器学习和人工智能的开源软件库，特别适用于深度神经网络的训练和推理。 它是一个基于数据流图的符号数学系统，设计用于解决复杂的数学问题，并广泛应用于机器学习、深度学习等领域。
AI之OpenBB：OpenBB(免费且完全开源的金融分析平台)的简介、安装和使用方法、案例应用之详细攻略
AI之OpenBB：OpenBB(免费且完全开源的金融分析平台)的简介、安装和使用方法、案例应用之详细攻略目录OpenBB的简介OpenBB的安装和使用方法OpenBB的案例应用OpenBB的简介2024年5月发布，OpenBB 是一款首个免费且完全开源的金融分析平台。它提供了全面的数据访问支持，
【机器学习】生成对抗网络(Generative Adversarial Networks, GANs)详解
生成对抗网络(Generative Adversarial Networks, GANs)是一种全新的生成模型架构,由Ian Goodfellow等人在2014年提出。GANs通过对抗训练的方式,能够从噪声分布中生成逼真的数据样本,在图像生成、语音合成、数据增广等领域展现出巨大的潜力。本文将详细介绍
KAN专家混合模型在高性能时间序列预测中的应用：RMoK模型架构探析与Python代码实验
本文将深入探讨RMoK模型的架构和内部机制，并通过Python实现一个小型实验来验证其性能。
