SOFTS: 时间序列预测的最新模型以及Python使用示例
这是2024年4月提出的新模型，采用集中策略来学习不同序列之间的交互，从而在多变量预测任务中获得最先进的性能。
【机器学习】QLoRA：基于PEFT亲手微调你的第一个AI大模型
本文首先对量化和微调的原理进行剖析，接着以Qwen2-7B为例，基于QLoRA、PEFT一步一步带着大家微调自己的大模型，本文参考全网peft+qlora微调教程，一步一排坑，让大家在网络环境不允许的情况下，也能丝滑的开启大模型微调之旅。
AI训练，为什么需要GPU？
随着人工智能热潮，GPU成为了AI大模型训练平台的基石，决定了算力能力。为什么GPU能力压CPU，成为炙手可热的主角呢？首先我们要先了解一下GPU的分类。提到分类，就得提及到芯片。半导体芯片分为和。其中，数字芯片的市场规模占比较大，达到70%左右。。由上图可以看到，。现在特别火爆的AI，用到的所谓“
人工智能核心技术：机器学习总览
💡机器学习作为人工智能的核心，与计算机视觉、自然语言处理、语音处理和知识图谱密切关联💡【机器学习】是实现人工智能的核心方法，专门研究计算机如何模拟/实现生物体的学习行为，获取新的知识技能，利用经验来改善特定算法的性能。深度学习是机器学习算法的一种，深度学习算法具有多层神经网络结构，其在图像识别、
政安晨【零基础玩转各类开源AI项目】：解析开源项目：Champ 利用三维参数指导制作可控且一致的人体图像动画
介绍了一种人体图像动画制作方法，该方法利用潜在扩散框架中的三维人体参数模型，来增强 curernt 人体生成技术中的形状排列和运动引导。该方法利用 SMPL（Skinned Multi-Person Linear）模型作为三维人体参数模型，建立统一的身体形状和姿势表示。这有助于从源视频中准确捕捉复杂
Rust AI：机器学习Candle 和Burn框架的简单对比
Candle和Burn代表了Rust生态系统在机器学习和人工智能方面令人兴奋的发展。Candle为深度学习任务提供了简单性和高性能，而Burn则提供了更全面的ML堆栈和更大的灵活性。CandleBurn。
【机器学习】机器学习与金融科技在智能投资中的融合应用与性能优化新探索
机器学习是一种通过数据训练模型，并利用模型对新数据进行预测和决策的技术。其基本思想是让计算机通过样本数据学习规律，而不是通过明确的编程指令。根据学习的类型，机器学习可以分为监督学习、无监督学习和强化学习。金融科技（Fintech）是指将技术应用于金融服务和管理的创新。智能投资系统是金融科技的重要应用
通过元学习优化增益模型的性能：基础到高级应用总结
因果推断帮助我们理解不同变量间的因果关系，而增益模型则专注于评估干预措施对个体的影响，从而优化策略和行动。
自动驾驶人工智能
自动驾驶技术是一个复杂的领域，它依赖于算法和过滤器来解释传感器数据、做出决策和控制车辆。在本节中，我们将探讨自动驾驶技术中使用的不同类型的算法和过滤器，并用通俗易懂的语言来解释它们。
实验六 Spark机器学习库MLlib编程初级实践
数据集：下载Adult数据集(http://archive.ics.uci.edu/ml/datasets/Adult)，该数据集也可以直接到本教程官网的“下载专区”的“数据集”中下载。//获取训练集测试集（需要对测试集进行一下处理，adult.data.txt的标签是>50K和50K.和
【Educoder】— 机器学习（PCA第二关）
PCA的算法流程。
【Centos7】解决 CentOS 7 中出现 “xx: command not found“ 错误的全面指南
【Centos7】解决 CentOS 7 中出现 “xx: command not found“ 错误的全面指南
机器学习、深度学习、AI工程师、人工智能面试热点问题（一）
混淆矩阵(Confusion matrix)计算过程混淆矩阵作为分类模型结果的更加细致精确的可视化展示，有时也被称为误差矩阵或者可能性表格，通常混淆矩阵会应用于二分类问题中，对此首先有如下关键定义:Actual condition:样本真实标签;·Predicated condition:模型预测标
【AI】人工智能（AI）的崛起与未来展望
本文将探讨AI的基本概念、发展历程、应用场景，并通过一些Python代码示例来展示AI的实际应用，最后对AI的未来进行展望。人机协同将成为未来AI发展的重要方向。随着技术的不断进步和应用场景的不断拓展，AI将在未来发挥更加重要的作用，为人类创造更加美好的未来。AI的发展经历了符号主义、连接主义和深度
常见的开源人脸检测模型有哪些
常见的开源人脸检测模型有哪些
【python】在【机器学习】与【数据挖掘】中的应用：从基础到【AI大模型】
Python在数据挖掘和机器学习中的应用，涵盖了数据预处理、特征工程、监督学习、非监督学习和深度学习。
人工智能、机器学习、深度学习：技术革命的深度解析
人工智能是一个广泛的概念，它涵盖了使机器执行通常需要人类智能的任务的能力。这包括但不限于学习、推理、解决问题、知识理解、语言识别、视觉感知、运动和操控。机器学习是人工智能的一个分支，它使计算机系统能够从数据中学习并做出决策或预测，而不需要进行明确的编程。深度学习是机器学习的一个子领域，它使用多层神经
【机器学习】机器学习与医疗健康在智能诊疗中的融合应用与性能优化新探索
机器学习是一种通过数据训练模型，并利用模型对新数据进行预测和决策的技术。其基本思想是让计算机通过样本数据学习规律，而不是通过明确的编程指令。根据学习的类型，机器学习可以分为监督学习、无监督学习和强化学习。医疗健康是指通过预防、诊断、治疗和康复等手段，维护和促进人类健康的过程。智能诊疗系统是医疗健康领
如何应对缺失值带来的分布变化？探索填充缺失值的最佳插补算法
本文将探讨了缺失值插补的不同方法，并比较了它们在复原数据真实分布方面的效果，处理插补是一个不确定性的问题，尤其是在样本量较小或数据复杂性高时的挑战，应选择能够适应数据分布变化并准确插补缺失值的方法。
【机器学习】机器学习引领AI：重塑人类社会的新纪元
随着科技的飞速发展，机器学习作为人工智能（AI）的核心驱动力，正在以前所未有的速度重塑人类社会的各个方面。从医疗诊断、金融决策，到智能家居、自动驾驶，AI已经不再是遥不可及的未来科技，而是成为了我们日常生活中不可或缺的一部分
