多模态技术综述
多模态机器学习是对计算机算法的研究，通过使用多模态数据集来学习和提高性能。多模式深度学习是一个机器学习子领域，旨在训练人工智能模型来处理和找到不同类型的数据（模式）之间的关系，通常是图像、视频、音频和文本。通过组合不同的模式，深度学习模型可以更普遍地理解其环境，因为一些线索只存在于某些模式中。想象一
详细介绍BFGS算法
在minimize函数中，我们指定了初始点theta0、使用BFGS算法求解（method='BFGS'）、使用线性回归模型的梯度（jac=linear_regression_grad）以及一些其他的参数选项（options={'disp': True}）。在minimize函数中，我们指定了初始点
基于SVM的车牌识别算法
使用Python实现基于SVM的车牌识别算法，调用Opencv库实现
6个常用的聚类评价指标
评估聚类结果的有效性，即聚类评估或验证，对于聚类应用程序的成功至关重要。
Azure Machine Learning - Azure AI 搜索中的矢量搜索
矢量搜索是一种信息检索方法，它使用内容的数字表示形式来执行搜索方案。 由于内容是数字而不是纯文本，因此搜索引擎会匹配与查询最相似的矢量，而不需要匹配确切的字词。本文简要介绍了 Azure AI 搜索中的矢量支持。 其中还解释了与其他 Azure 服务的集成，以及与矢量搜索开发相关的术语和概念
人工智能中的文本分类：技术突破与实战指导
在本文中，我们全面探讨了文本分类技术的发展历程、基本原理、关键技术、深度学习的应用，以及从RNN到Transformer的技术演进。文章详细介绍了各种模型的原理和实战应用，旨在提供对文本分类技术深入理解的全面视角。
PCA主成成分分析例题详解
主成分分析是一种降维算法，它能将多个指标转换为少数几个主成分，这些主成分是原始变量的线性组合，且彼此之间互不相关，其能反映出原始数据的大部分信息。
不确定性系统建模
不确定度可分为扰动信号和动态扰动两类。这种差异的典型来源包括未建模（通常是高频）动力学、建模中被忽视的非线性、故意简化模型的影响，以及由于环境变化和磨损因素引起的系统参数变化。usys = ucover(Parray,Pnom,ord)返回一个标称值为Pnom的不确定模型usys，其行为范围包括LT
AutoGluon安装及示例
Autogluon的发明人是李沐（Mu Li）和他在亚利桑那州立大学的研究团队。Autogluon是一种**自动化机器学习工具**, 可以同时支持两种模式：**迁移学习模式**和**自动机器学习模式**。
基于python的点云处理库总结
该软件包提供了Pythonic的，文档齐全的界面，该界面公开了VTK强大的可视化后端，以促进对空间参考数据集的快速原型制作，分析和可视化集成。Open3D的依赖项较少，可在不同的平台上编译与布置。/* ************************************** 以下的已经不维护或者
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
