Azure - 机器学习：使用自动化机器学习训练计算机视觉模型的数据架构
了解如何设置Azure中 JSONL 文件格式，以便在训练和推理期间在计算机视觉任务的自动化 ML 实验中使用数据。
如何解决ChatGPT网络错误的问题，让AI对话更丝滑~
在当今人工智能技术的飞速发展中，ChatGPT 作为一款大型语言模型备受瞩目。近期，其在各大社交媒体平台上的表现更是引来了一片关注之声。无论是与用户进行有趣的对话，还是帮助人们解决实际问题，ChatGPT 展现出了其强大的自然语言处理能力和智能应用潜力。很多小伙伴都跃跃欲试，争先恐后体验一把与「人工
设计、训练、测试、部署，用Python手把手开发AI模型
释放 ML 模型的力量：使用 Python 进行设计、训练、测试和部署的指南
移动边缘网络中联邦学习效率优化综述
移动边缘网络中联邦学习效率优化综述
启发式算法之灰狼优化算法
灰狼优化算法（Grey Wolf Optimizer，GWO）是由自然界中灰狼群体的社会等级机制和捕猎行为而衍生出来的一种群体优化智能算法，目前已成功运用到车间调度、参数优化、图像分类等领域中。
Python中的实例属性和类属性
在这篇文章中，我们将探讨Python中的类是如何工作的，主要介绍实例和类的属性。这些属性是什么，它们之间的区别，以及创建和利用它们的python方法。
机器学习：iris数据集
iris数据集的中文名是安德森鸢尾花卉数据集，英文全称是Anderson`s Iris data set。iris包含150个样本，对应数据集的每行数据。每行数据包含每个样本的四个特征，所以iris数据集是一个150行4列的二维表。
【赠书第4期】机器学习与人工智能实战：基于业务场景的工程应用
介绍了如何用Scikit-Learn来构建机器学习模型以及如何用Keras和TensorFlow来构建神经网络。
火星探测器背后的人工智能：从原理到实战的强化学习
本文详细探讨了强化学习在火星探测器任务中的应用。从基础概念到模型设计，再到实战代码演示，我们深入分析了任务需求、环境模型构建及算法实现，提供了一个全面的强化学习案例解析，旨在推动人工智能技术在太空探索中的应用。
AI全栈大模型工程师(二)课程大纲
AI 大模型基础介绍 | 对大模型有直观的、基础的了解，以展开后续课程学习 | 大模型最基础的原理 | 搞定环境搭建和工具的使用 | 大模型并不神奇，也不神秘 || Prompt Engineerin
[当人工智能遇上安全] 8.基于API序列和机器学习的恶意家族分类实例详解
《当人工智能遇上安全》系列博客将详细介绍人工智能与安全相关的论文、实践，并分享各种案例，涉及恶意代码检测、恶意请求识别、入侵检测、对抗样本等等。这篇文章将讲解如何学习提取的API序列特征，并构建机器学习算法实现恶意家族分类，这也是安全领域典型的任务或工作。基础性文章，希望对您有所帮助~
人工智能专栏第十讲——马尔可夫决策过程
马尔可夫决策过程的状态转移差异性是指状态转移概率在系统中具有某些特殊的性质，例如系统的状态只依赖于当前状态和执行的动作，而不与历史状态相关。它包括状态空间、动作空间、状态转移概率、奖励函数以及折扣因子等重要部分，通过这些基本概念的使用和推导，我们可以得到最优的决策策略。与状态空间不同的是，动作空间是
AI：53-基于机器学习的字母识别
人工智能技术在现代社会发挥着越来越重要的作用，其中基于机器学习的字母识别成为了研究的热点。本文将介绍如何利用神经网络实现字母识别的技术深度，并提供代码示例，帮助读者理解这一令人着迷的领域。字母识别是一项具有挑战性的任务，需要计算机能够从输入的图像中准确地识别出字母。机器学习通过训练模型来识别字母的方
“AI教父”Geoffrey Hinton：智能进化的下一个阶段
ChatGPT等大模型带来的震撼技术革新，让Geoffrey Hinton突然改变了自己的一个想法。这位75岁的“人工智能教父”意识到，数字智能优于生物智能的进程无法避免，超级智能很快就会到来，他必须要对其风险发出警示，而人类需要找到一种方法来控制AI技术的发展。而在此之前，他一直认为，智能机器人不
使用 pyspark 进行 Clustering 的简单例子 -- KMeans
K-means算法适合于简单的聚类问题，但可能不适用于复杂的聚类问题。此外，在使用K-means算法之前，需要对数据进行预处理和缩放，以避免偏差。K-means是一种聚类算法，它将数据点分为不同的簇或组。原理简介：K-Means算法通过迭代寻找数据集中的k个簇，每个簇内的数据点尽可能相似（即，簇内距
tensorflow基于Anaconda环境搭建详细教程
TensorFlow是一个由Google Brain团队开发的开源软件库，用于各种人工智能和机器学习应用，包括神经网络、深度学习、强化学习等。TensorFlow提供了一个灵活的编程框架，可用于创建各种类型的机器学习模型，如分类、回归、聚类、语音识别、自然语言处理等。TensorFlow基于图形计算
sMLP:稀疏全mlp进行高效语言建模
论文提出了sMLP，通过设计确定性路由和部分预测来解决下游任务方面的问题。
无监督学习的集成方法：相似性矩阵的聚类
在机器学习中，术语Ensemble指的是并行组合多个模型，这个想法是利用群体的智慧，在给出的最终答案上形成更好的共识。这种类型的方法已经在监督学习领域得到了广泛的研究和应用，特别是在分类问题上，像RandomForest这样非常成功的算法。通常应用一些投票/加权系统，将每个单独模型的输出组合成最终的
【兔子王赠书第7期】机器学习与人工智能实战：基于业务场景的工程应用
新的一周开始啦，本周博主给大家带来《机器学习与人工智能实战：基于业务场景的工程应用》，感兴趣的小伙伴快来看看吧！
np.random.randint
np.random.randint 是 Numpy 库中的一个函数，用于生成随机整数。该函数的用法如下：np.random.randint(low, high=None, size=None, dtype='l')其中：low：生成的随机整数的下限(包含)high：生成的随机整数的上限(不包含)si
