带你迅速了解什么是人工智能
1950-1970 符号主义流派：专家系统占主导地位1950：图灵设计国际象棋程序1962：IBM Arthur Samuel 的跳棋程序战胜人类高手（人工智能第一次浪潮）1980-2000统计主义流派：主要用统计模型解决问题1993：Vapnik提出SVM1997：IBM 深蓝战胜卡斯帕罗夫（人工
【机器学习监督学习】：从原理到实践，探索算法奥秘，揭示数据标注、模型训练与预测的全过程，助力人工智能技术应用与发展
本文详细介绍了五种经典的监督学习算法：线性回归、逻辑回归、支持向量机、决策树和随机森林。线性回归适用于回归问题，模型简单且易于解释。逻辑回归适用于二分类问题，模型简单且易于解释。支持向量机在处理高维数据和非线性可分问题时表现出色。决策树易于理解和解释，但容易过拟合。随机森林通过集成多个决策树，提高了
MDPI旗下Energies“平替”：这本SCI又“水”又稳，不卡背景，25天录用吊打同行
包括：电气工程、电力系统、智能电网和微电网、电动汽车、能源与环境、可持续转型、生物能源、氢能链、分布式能源系统、碳排放与利用、清洁能源、能源和气候变化、风能、太阳能、热能和光伏、电池、燃料电池、电容器、智慧城市与城市管理、燃料等。前面小编解析了一本MDPI旗下能源电力类期刊《Energies》，陆续
【AI知识点】内部协变量偏移（Internal Covariate Shift）
内部协变量偏移（Internal Covariate Shift） 是深度学习中的一个概念，它描述了在神经网络训练过程中，每一层的输入分布随着训练过程的变化而变化的现象。这种现象会增加训练的难度，导致网络收敛变慢，甚至可能影响模型的最终性能。
【福建医科大学附属第一医院-注册安全分析报告】
福建医科大学附属第一医院（以下简称“医院”）创建于1937年，是福建省首家公立西医医院。历经抗战的硝烟，告别动荡的岁月，百折不挠的附一人秉承“践行立德树人，守护生命安全，推动医学进步，促进人民健康”的使命，将医院建设成为福建省集医疗、教学、科研于一体的大型综合性三级甲等医院。医院综合实力雄厚，是福建
【机器学习】PyCharm更改缓存位置及历史缓存清理
跑训练模型的时候，会产生以G为单位的大量的缓存数据。因此在训练前，要将缓存路径改到空间更充足的盘。本文介绍了如何更改缓存位置，和清理历史缓存。
告别Print，使用IceCream进行高效的Python调试
本文将介绍**IceCream**库，这个专门用于调试的工具显著提升了调试效率，使整个过程更加系统化和规范化。
机器学习“捷径”：自动特征工程全面解析
在机器学习项目中，特征工程是影响模型性能的关键步骤。它通过从原始数据中提取出更有用的特征，帮助模型更好地捕捉数据中的模式。然而，传统的特征工程过程往往需要大量的领域知识和实验调整，是一项耗时费力的工作。近年来，自动特征工程（Automated Feature Engineering）技术的兴起，为这
AI基础知识
必会知识
Labelme AI 自动标注版使用说明【附下载链接】
Labelme 是一个开源的图像标注工具，主要用于机器学习和计算机视觉领域的数据集创建。能够帮助用户快速、方便地对图像进行标注，以便为训练模型提供高质量的数据。支持 jpg，jpeg，png，tif，tiff 图像格式，对图像进行多边形矩形、圆形、多段线、线段、点形式的标注，实现AI辅助标注，与手动
AI大模型如何赋能电商行业，引领变革？
AI大模型如何赋能电商行业，引领变革？
大数据-213 数据挖掘 机器学习理论 - KMeans Python 实现 距离计算函数 质心函数 聚类函数
我们需要定义一个两个长度相等的数组之间欧式距离计算函数，在不直接应用计算结果，只比较距离远近的情况下，我们可以用距离平方和代替距离进行比较，化简开平方运算，从而减少函数计算量。此外需要说明的是，涉及到距离计算的，一定要注意量纲的统一。在定义随机质心生成函数时，首先需要计算每列数值的范围，然后从该范围
OMG-Seg：一个模型搞定所有分割任务的终极解决方案，大幅提升AI自动标注效率！
它采用了一种编码器-解码器架构，并使用任务特定的查询和输出来实现各种分割任务，显著简化了分割任务的部署。分割任务通常要求对图像或视频中的每个像素进行分类，传统上使用单独的模型来处理不同的分割任务，例如语义分割、实例分割、全景分割等。通过一个模型架构的多任务处理，OMG-Seg 展示了其在实际应用中的
LLM：模型微调经验
样本数量一般1万左右的高质量样本即可达到良好效果。对于简单任务，100-300条数据足够；中等难度任务需1000条以上；高难度任务需3000条甚至更多，可能达到10万条。样本质量样本质量优先于数量，高质量样本更有效。需要重点关注样本的多样性和答案质量。继续预训练当领域任务数据与预训练数据集差异较大时
基于AIACC加速器快速实现LLaMA-7B指令微调
是Meta AI在2023年2月发布的开放使用预训练语言模型（Large Language Model， LLM），其参数量包含7B到65B的集合，并仅使用完全公开的数据集进行训练。LLM具有建模大量词语之间联系的能力，但是为了让其强大的建模能力向下游具体任务输出，需要进行指令微调，根据大量不同指令
万余字描述国内外主流车型智能驾驶测试评价体验
车企逐鹿城市 NOA，体验是提高功能渗透率的核心自动驾驶大势所趋，小鹏、蔚来、理想、小米等新势力，长安、赛力斯、江淮、北汽等华为系以及吉利、上汽、长城、广汽等传统车企纷纷入场，竞相推出自家城市 NOA 方案，城市 NOA 正从“0-1”步向“1-10”。提高城市 NOA 渗透率，关键是提高消费者
大数据-209 数据挖掘 机器学习理论 - 梯度下降 梯度下降算法调优
上节我们完成了如下的内容：分类技术是机器学习和数据挖掘应用中的重要组成部分，在数据学科中，约70%的问题属于分类问题。解决分类的算法也有很多，如：KNN，使距离计算来实现分类；决策树，通过构建直观易懂的树来实现分类。这里我们要展开的是Logistic回归，它是一种很常见的用来解决二元分类问题的回归方
通义千问AI PPT初体验：一句话、万字文档、长文本一键生成PPT！
通义千问AI PPT初体验：一句话、万字文档、长文本一键生成PPT！
OpenAI 的 o1 与 GPT-4o：深入探究 AI 的推理革命
wp:image在不断发展的人工智能领域，OpenAI 再次凭借其最新产品突破界限：o1 模型和 GPT-4o。作为一名几十年来一直报道科技的人，我见过不少伪装成革命的增量更新。但这个？这不一样。让我们拨开炒作的迷雾，看看这些新模型到底带来了什么。
大数据-211 数据挖掘 机器学习理论 - 逻辑回归 scikit-learn 实现 max_iter 分类方式选参数
因此，如果在max_iter红条的情况下，模型的训练和预测效果都已经不错了，那我们就不需要再增大max_iter中的数目了，毕竟一切都以模型的预测效果为基准，只要模型预测的效果好，运行又快，那就一切都好。如果模型有 T 类，我们每次在所有的 T 类样本里面选择两类样本出来，不防记为 T1 和 T2，
