人工智能的核心技术有哪些?
NLP技术包括文本分类、情感分析、信息抽取等多个方面，能够自动识别文档中的关键信息，如人物、地点、时间等，甚至能够将合同中的条款提取出来制作成表格。它通过声音信息采集、数模转码、过滤、调制解调等步骤，将人类的语音转化为计算机可识别的文本或指令。在机器人技术领域，由于机器人技术涉及多个学科的交叉，没有
【机器学习】语音转文字 - FunASR 的应用与实践（speech to text）
FunASR 是一个开源的语音识别工具，它支持多种语言和多种语音识别任务。VAD（Voice Activity Detection）：用于检测语音活动，将输入的音频信号分割为语音和非语音部分。ASR（Automatic Speech Recognition）：将语音信号转换为文字。PUNC（Punc
智绘未来：深度解析【人工智能】、【机器学习】与【计算机视觉】的时代革命
随着AI技术的不断进步，我们有理由相信，AI将在更多领域展现出其变革性的力量。然而，在享受技术带来的便利与创新的同时，我们也必须面对由此引发的伦理、法律与社会挑战。AI的发展不仅仅是技术的进步，更是人类社会的一次深刻变革。我们需要以开放的心态和严谨的态度，迎接AI时代的到来，确保其发展方向符合人类的
递归最小二乘法推导
递推最小二乘法（Recursive Least Squares, RLS）是一种时间序列分析方法，它用于在线更新线性回归模型的参数，而不需要重新拟合整个数据集。这种方法特别适用于数据流或实时系统。
深扒国内EI会议出版社（IEEE,Springer等 ）检索概率
在选择参与EI会议时，研究者需要综合考虑出版社的声誉、会议的正规性、以及检索概率。不应轻信会议组织方的保证，因为出版社自己也无法100%保证检索结果。建议通过官方渠道获取信息，审慎评估会议的质量和可靠性，以确保自己的学术成果能够得到有效的展示和认可。同时，研究者应密切关注出版社的政策变动和EI数据库
机器学习的基本概念--Datawhale X 李宏毅苹果书 AI夏令营--学习笔记
机器学习（Machine Learning）：让机器具备一个找函数的能力，从而让机器实现诸如：语音识别（Speech Recognition），图片识别（Image Recognition）等功能在机器学习的大家庭中，有两种主要的学习方法：监督学习和无监督学习。监督学习（Supervised Lea
【人工智能】Transformers之Pipeline（十五）：总结（summarization）
本文对transformers之pipeline的总结（summarization）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中的总结（summarization）模型。
AI：244-YOLOv8性能提升实战 | 集成双向特征金字塔网络（BiFPN）与多场景应用分析（极限涨点）
在本文中，我们详细探讨了如何通过集成双向特征金字塔网络（BiFPN）来提升 YOLOv8 模型的性能。BiFPN 的多尺度特征融合能力使其在各类场景中表现出色，无论是自动驾驶、安防监控还是无人机图像识别，都显著提高了目标检测的精度和鲁棒性。通过具体的代码实现和 yaml 配置示例，我们展示了如何将
【深度学习详解】Task2 分段线性模型-引入深度学习 Datawhale X 李宏毅苹果书 AI夏令营
机器学习基础 -> 线性模型 -> 分段线性模型 -> 引入深度学习🍎 🍎
上海交大洪亮教授：AI 真要突破工程领域，一定要做到现有人类专家做不到的工程成果
与自然界相比，序列相似度全部低于 65%，最低的为 49%，换言之，研究团队对 700 多个氨基酸序列中的 300 多个进行了改造，其中有 23 个有活性，2/3 比野生活性高，最高的野生型达 8.6 倍。在没有数据的情况下，则通过物理模拟器产生精度略低的大量假数据来做预训练，再用真实珍贵的数据进行
视觉 注意力机制——通道注意力、空间注意力、自注意力、交叉注意力
在计算机视觉领域，注意力机制（Attention Mechanism）已成为提升模型性能的关键技术之一。注意力机制通过模拟人类视觉的选择性注意力，能够在海量数据中自动聚焦于最相关的信息，从而提高模型的效率和准确性。下面将介绍通道注意力、空间注意力、自注意力和交叉注意力四种类型。
AI中的核心概念解读：深度学习、机器学习、神经网络与自然语言处理
人工智能（AI）：包含所有让机器具备智能行为的技术。机器学习（ML）：AI 的子领域，通过数据自动学习和做出决策。深度学习（DL）：机器学习的子领域，基于多层神经网络进行复杂数据的学习和处理。神经网络（Neural Networks）：深度学习的核心结构，模仿人脑神经元的连接方式。自然语言处理（NL
大模型 - 知识蒸馏原理解析
知识蒸馏通过教师模型提供的软标签引导学生模型，使得学生模型不仅关注硬标签的分类准确性，还能从软标签中学习更丰富的类别间关系，从而在模型压缩的同时尽量保留性能。这种方法特别适用于在资源受限的环境中部署高效的深度学习模型。
anaconda快速完整安装+配置！（最稳定版本4）
anaconda快速完整安装+配置！（最稳定版本4.12.0）容易上手纯干货
一文读懂蒙特卡洛算法：从概率模拟到机器学习模型优化的全方位解析
蒙特卡洛方法已成为机器学习领域的关键工具，在强化学习、贝叶斯滤波和复杂模型优化等方面有广泛应用
高斯混合模型（Gaussian Mixture Model，简称GMM）
高斯混合模型（Gaussian Mixture Model，简称GMM）是一种概率模型，用于表示由组成的复杂分布。谱学习算法（Spectral Learning Algorithms）是一类利用线性代数中的矩阵分解技术来估计模型参数的方法，在自然语言处理、机器学习等领域有广泛的应用。
每日进阶：捕获黑客的绝密武器——XDR（可拓展威胁检测与响应）
XDR（Extended Detection and Response）是一种集成的威胁检测和响应解决方案，旨在跨多个安全层（如端点、网络、服务器和电子邮件）提供端到端的检测和响应能力。与传统的安全信息和事件管理（SIEM）系统不同，XDR不仅能收集和关联安全事件，还能提供自动化的威胁检测和响应功能
【机器学习】探索机器学习在旅游业的革新之旅
在数字化浪潮的推动下，旅游业正经历着前所未有的变革。随着技术的飞速发展，尤其是机器学习（Machine Learning, ML）的广泛应用，旅游行业正逐步迈向智能化、个性化的新时代。本前言旨在探讨机器学习在旅游业中的多重用途，揭示其如何重塑旅游体验、优化运营效率，并引领行业迈向更加繁荣的未来
入门Task1：《深度学习详解》（Datawhale X 李宏毅苹果书 AI夏令营）
机器学习任务类型 关键概念 梯度下降法 以及 实例分析：波士顿房价预测
cube studio开源一站式机器学习平台：kubesphere部署cube-studio平台
开源地址：https://github.com/tencentmusic/cube-studiocube studio 腾讯开源的国内最热门的一站式机器学习mlops/大模型训练平台，支持多租户，sso单点登录，支持在线镜像调试，在线ide开发，数据集管理，图文音标注和自动化标注，任务模板自定义，拖
