强化学习简介
*强化学习（Reinforcement Learning，RL）**是机器学习中的一个领域，是学习“做什么（即如何把当前的情景映射成动作）才能使得数值化的收益信号最大化”。学习者不会被告知应该采取什么动作，而是必须自己通过尝试去发现哪些动作会产生最丰厚的收益。强化学习同机器学习领域中的有监督学习和无
蚂蚁集团持续探索生成式AI，20篇论文入选AI顶会NeurlPS
NeurlPS官方数据显示，本届会议共有12343篇有效论文投稿，接收率为26.1%。蚂蚁集团20篇论文被收录。据了解，蚂蚁此次入选的论文，覆盖计算机视觉、自然语言处理、图神经网络、图像处理等多个人工智能和机器学习领域的前沿主题。其中七成以上论文聚焦生成式AI在高速发展中遇到的一些挑战和难题。
初识人工智能，一文读懂机器学习之逻辑回归知识文集(1)
逻辑回归是一种用于分类问题的统计学习方法。它被广泛应用于预测和分析二元变量的概率。逻辑回归的目标是根据给定的输入变量，将样本分为两个不同的类别。逻辑回归的基本原理是通过使用逻辑函数（也称为sigmoid函数）将线性回归模型的输出转换为概率值。逻辑函数将连续的输入映射到0到1之间的概率值。在逻辑回归中
机器学习股票崩盘预测模型(企业建模_论文科研)AI model for stock crash prediction
机器学习股票崩盘预测模型(企业建模_论文科研)AI model for stock crash prediction
10个Pandas的高级技巧
pandas是一个非常庞大的库，有许多尚未探索的实用方法。本文介绍的10各高级技巧可以帮你更有效地处理各种数据
AI 赋能绿色制冷，香港岭南大学开发 DEMMFL 模型进行建筑冷负荷预测
近年来，城市化进程加速所带来的碳排放量骤增，已经严重威胁到了全球环境。多个国家均已给出了「碳达峰，碳中和」的明确时间点，一场覆盖全球、全行业的「绿色革命」已经拉开序幕。在一众行业中，建筑是当之无愧的能耗大户，其中又以暖通空调 (Heating, ventilation, and air-condit
数据科学与大数据专业毕业设计(论文)选题指导 2024
数据科学与大数据专业毕业设计(论文)选题合集涵盖了深度学习、机器学习、算法、人工智能、大数据、信息安全、推荐系统、目标检测等多个热门领域。对于计算机专业、软件工程专业、人工智能专业、大数据专业的毕业生而言，选择一个合适的毕业设计选题至关重要。在这个毕业设计选题合集中，我们精心收集了各种有趣且具有挑战
利用 Apache Spark 和 Databricks 进行企鹅种类预测的机器学习实践入门
这里演示使用 Apache Spark 和 Databricks 平台进行企鹅物种预测的完整机器学习流程。首先，通过 Databricks 笔记本下载关于企鹅的特征数据，包括岛屿、喙的长度和深度、鳍状肢长度、体重和物种。然后进行数据清洗，包括删除缺失数据和数据类型转换。随后，数据被分为70%的训练集
从千问Agent看AI Agent——我们很强，但还有很长的路要走
本项目主要通过通义千问作为基础大模型，通义Agent浏览器助手实现网页和PDF材料，以帮助您快速了解多个页面的内容，总结您浏览过的内容，并减少繁琐的文字工作。实现数据分析与可视化、处理文件等的代码解释器功能。
人工智能与机器学习——开启智能时代的里程碑
人工智能是指使计算机系统表现出类似于人类智能的能力。其目标是实现机器具备感知、理解、学习、推理和决策等智能行为。人工智能的发展可以追溯到上世纪50年代，随着计算机技术和算法的不断进步，人工智能得以实现。机器学习是人工智能的一个重要分支，它通过让计算机从数据中学习和改进性能，而不需要明确的编程指令。机
金融支付系统中的服务安全与数据保护
1.背景介绍金融支付系统是现代金融服务业的核心组成部分，它为人们提供了方便快捷的支付方式，促进了经济的发展。然而，随着金融支付系统的不断发展和普及，服务安全和数据保护也成为了重要的问题。在这篇文章中，我们将讨论金融支付系统中的服务安全与数据保护，探讨其核心概念、算法原理、具体实例以及未来发展趋势。2
一文捋清人工智能机器学习深度学习、大数据、数据分析、数据挖掘的关系
作为一个不断发展的领域，深度学习继续推动机器所能实现的边界，正在进行的研究集中于提高模型的可解释性，解决伦理考虑，并将其适用性扩展到新的领域。从本质上讲，人工智能是一个总体概念，ML作为一个子集提供了学习能力，而DL，ML的一种特殊形式，利用深度神经网络来实现先进的学习和表示，共同推动了智能系统和技
2023 年和 2024 年人工智能和机器学习会议清单
全球范围内令人兴奋的人工智能 (AI) 和机器学习 (ML) 会议数量创下历史新高。此列表概述了即将举行的 AI 和 ML 会议，有兴趣的可以关注。
支持向量机(Support Vector Machines)（需要优化）
这是支持向量机的一个有趣性质。事实上，如果你有一个正样本𝑦 = 1，则其实我们仅仅要求𝜃𝑇𝑥大于等于 0，就能将该样本恰当分出，这是因为如果𝜃𝑇𝑥>0 大的话，我们的模型代价函数值为 0，类似地，如果你有一个负样本，则仅需要𝜃𝑇𝑥<=0 就会将负例正确分离，但是，支持向量机的要求
支持向量机（SVM）详解
支持向量机（support vector machines，SVM）是一种二分类模型。它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机。1、线性可分支持向量机与硬间隔最大化1.1、线性可分支持向量机考虑一个二分类问题。假设输入空间与特征空间为两个不同的空间，这两个空间的
干货汇总！2023 年 AI for Science 最值得关注的科研成果梳理
来自斯坦福大学计算机科学与基因技术学院的博士后 Hanchen Wang，与佐治亚理工学院计算科学与工程专业的 Tianfan Fu，以及康奈尔大学计算机系的 Yuanqi Du 等 30 人，回顾了过去十年间，基础科研领域中的 AI 角色，并提出了仍然存在的挑战和不足。在这个过程中，AI 的能力也
AI预测-迁移学习在时序预测任务上的tensoflow2.0实现
迁移学习及tensorflow实现！
理论:(1)卡方分布、非中心卡方分布详解 (概念、求阈值方法、非中心化参数求解办法等)
卡方分布、非中心卡方分布详解 (概念、求阈值方法、非中心化参数求解办法等)
解密人工智能：探索机器学习奥秘
机器学习是一种让计算机能够通过经验和数据自我改进的技术。在机器学习中，计算机通过对训练数据的分析和学习，可以自动地发现数据中的规律和模式，并根据这些规律和模式进行预测和决策。
使用核模型高斯过程(KMGPs)进行数据建模
核模型高斯过程是机器学习和统计学中对传统高斯过程的一种扩展。要理解kmgp，首先掌握高斯过程的基础知识，然后了解核模型是如何发挥作用的。
