深度学习与机器学习：互补共进，共绘人工智能宏伟蓝图
深度学习和机器学习是人工智能领域的两个重要分支，它们各自具有独特的优势，并在多个层面紧密相连。深度学习通过深度神经网络结构，展现出强大的数据处理能力，能够自动学习数据的特征提取，适用于语音识别、自然语言处理、计算机视觉等领域。而传统机器学习则更加注重模型的简单性和可解释性，依赖于人工设计的特征和算法
【深度学习】BERT变体—RoBERTa
RoBERTa是的BERT的常用变体，出自Facebook的。来自Facebook的作者根据BERT训练不足的缺点提出了更有效的预训练方法，并发布了具有更强鲁棒性的BERT：RoBERTa。RoBERTa通过以下四个方面改变来改善BERT的预训练:在MLM任务中使用动态掩码而不是静态掩码；移除NSP
一觉醒来，程序员失业危机近在咫尺——全球首个AI软件工程师Devin来了！！！
一家名为Cognition的初创科技公司最近推出了名为 Devin 的 AI 软件工程师。Cognition公司宣称：Devin旨在协助人类工程师，而非取代他们，使工作更加轻松。
人工智能中的数学建模与机器学习的实验研究
1.背景介绍人工智能(Artificial Intelligence, AI)是计算机科学的一个分支，旨在构建智能机器，使其具有人类般的智能。人工智能的主要目标是让计算机能够理解自然语言、解决问题、学习从经验中、执行复杂任务以及进行自主决策。人工智能的发展取决于计算机科学、数学、统计学、物理学、生物
AI：151-使用机器学习技术进行信用风险评估与管理
在这篇文章中，我们详细探讨了机器学习在信用风险评估与管理中的应用。我们首先介绍了机器学习技术相对于传统方法的优势，包括更准确的预测能力、更高的自动化程度和更强的泛化能力。接着，我们提供了一个简单的代码实例，演示了如何利用机器学习模型进行信用风险评估，从数据预处理到模型训练与评估，再到模型解释与优化。
AI - 集成学习
并且可以使用交叉验证等技术来选择最优的模型，根据性能评估的结果，可以调整集成学习器的参数，如基学习器的数量、投票策略等，以优化其性能。💎集成学习是机器学习中的一种思想，它通过多个模型的组合形成一个精度更高的模型，参与组合的模型成为弱学习器（基学习器）。基学习器是可使用不同的学习模型，比如：支持向量
（四）PySpark3：Mlib机器学习实战-信用卡交易数据异常检测
Spark Mlib实现了在分布式大数据环境下的机器学习训练，并且可以通过Spark SQL对数据集进行数据预处理以及特征工程，可以高效处理大规模数据集。但是Spark Mlib目前支持的算法还比较少，支持的机器学习算法有限，而且并不直接支持深度学习算法。所以，选择Spark进行机器学习训练与预测，
8个常见的数据可视化错误以及如何避免它们
本文总结了8个数据可视化的典型错误，在日常工作中我们应该尽量避免，这样才可以制作出更好的可视化效果。
【机器学习】无监督学习：解锁数据中的潜在结构与关系
本文将带领读者走进无监督学习的世界，从初步了解无监督学习的概念开始，深入探讨其分类和分群的方法，介绍无监督学习的基本步骤，分析其优缺点及适用场景，并通过代码示例来展示无监督学习的实际应用。
AI - 机器学习GBDT算法
GBDT属于Boosting方法的一种，这种方法会顺序构建一系列弱学习器（通常是决策树），每个后续模型都侧重于纠正前一个模型的错误。首先定义了一个参数网格（param_grid），包含了三个超参数：max_depth（树的最大深度）、n_estimators（弱学习器的数量）和eta（学习率）。负梯
多项式朴素贝叶斯分类器
在这篇文章中，我们介绍多项式朴素贝叶斯分类器是如何工作的，然后使用scikit-learn作为实际工作的示例来介绍如何使用。
Stable-Diffusion的WebUI部署实战
初步安装完成后，打开webui，可以看到左上角自带的模型。CheckPointCheckpoint 是 Stable Diffusion 中最重要的模型，也是主模型，几乎所有的操作都要依托于主模型进行。所有的主模型都是基于 Stable Diffusion 模型训练而来.主模型后缀一般为 .ckpt
值得收藏！2024年人工智能顶级会议投稿信息汇总（机器学习领域）
本文对机器学习领域内的顶级会议进行了介绍，以便读者了解会议主题、截稿日期、举办时间及地点等关键信息。同时，还将这些会议信息汇总成了表格，做到一目了然，为读者投稿会议论文提供方便。
Go语言的AI与机器学习框架
1.背景介绍Go语言是一种强大的编程语言，它具有高性能、简洁的语法和易于扩展的特点。在过去的几年里，Go语言在各种领域得到了广泛的应用，包括AI和机器学习领域。Go语言的AI与机器学习框架主要包括以下几个方面：1.1 数据处理与预处理1.2 机器学习算法实现1.3 深度学习框架1.4 模型部署与优化
数据上线，评测开启！2024 6G无线通信AI大赛正式开战！
2024 6G无线通信AI大赛正式开战！
【机器学习】样本、特征、标签：构建智能模型的三大基石
本文将深入探讨样本、特征和标签的概念、重要性及其在机器学习中的协同作用，旨在帮助读者更好地理解它们对于构建高效、准确的机器学习模型所起到的关键作用。
时间序列预测的零样本学习是未来还是炒作：TimeGPT和TiDE的综合比较
在本文中，我们将讨论一个通用的预训练模型能否解决预测任务的范式转变。使用TimeGPT进行零样本学习然后将TimeGPT的性能与TiDE进行比较
Git LFS 实时显示进度条：让大文件克隆与推送体验更美好
在huggingface、SwanHub、魔搭社区等包含大语言模型权重的仓库中，权重文件大多使用git-lfs进行托管：但是新手在使用git-lfs时，很容易遇到clone到lfs文件时，无法实时下载进度条的情况，你也不知道到底是在后台下载，还是你的电脑卡住了，就很捉急：实际上后台一般正在下载lfs
余弦相似度
余弦相似度算法：一个向量空间中两个向量夹角间的余弦值作为衡量两个个体之间差异的大小，余弦值接近1，夹角趋于0，表明两个向量越相似，余弦值接近于0，夹角趋于90度，表明两个向量越不相似。
