【机器学习】探索数据矿藏：Python中的AI大模型与数据挖掘创新实践
随着人工智能技术的迅猛发展，AI大模型（如GPT、BERT等）在各类任务中展现了强大的能力。然而，这些大模型的背后是海量数据和复杂的算法支撑。在这篇博客中，我们将深入探讨如何利用Python进行数据挖掘，并结合AI大模型实现更高效、更精准的智能应用。本文将从数据获取与预处理、模型训练与优化、实际应用
AI可解释性(Python语言版)书籍推荐
AI可解释性（Python语言版）》全面介绍了AI可解释性的概念和可用技术，使机器学习系统更易于解释。书中提出的方法可以应用于几乎所有现有的机器学习模型：线性和逻辑回归、深度学习神经网络、自然语言处理和图像识别等等。随着机器学习的发展，如今人们越来越多地使用人工智能体来执行以前由人类处理的关键任务(
评价类模型-基于熵权法的Topsis模型★★★★
基于熵权法的Topsis模型是对Topsis模型的补充，因为层次分析法具有较大的主观色彩，对于最终得分来说，缺乏客观性，而熵权法是基于数据本身进行分析，所以更加推荐使用熵权法。使用步骤与Topsis模型差不多，但是引入新的指标——信息效用值来评价问题，将信息效用值归一化后，再计算对于的权重。熵权法只
玄姐：阿里基于 Spring AI 发布新版本
Spring Cloud Alibaba AI 目前已经顺利融合了 Spring AI 框架的 0.8.1版本接口，并实现了与“通义”高级模型系列的顺畅连接。这种整合是通过阿里云的灵积模型服务实现的，该服务基于“模型即服务”（MaaS）的理念，专注于 AI 领域的多样化模型应用，并通过标准化API，
IsaacLab 从入门到精通（一） 环境配置和依赖安装
本系列文章将针对机器人操作任务中的强化学习平台IsaacLab提供较为全面的教程
Linux服务器Mamba2安装及example运行问题
Mamba 从发表到现在已经有段时间了，先前的Mamba代码有些地方不完善或者需要对源码做些修改后编译，最近可能需要用到Mamba，发现之前实现的Vision Mamba块，注释掉了一些源码可能会导致训练速度下降，然后官方实现了Mamba2，这里尝试安装，做一些记录，防止服务器重置🫤。
Python酷库之旅-第三方库Pandas(049)
第三方库Pandas(049)
Langchain-Chatchat 0.3.1保姆级部署教程
Langchain-Chatchat是一个基于 ChatGLM、Qwen 等大语言模型与 Langchain 等应用框架实现，开源、可离线部署的 RAG 与 Agent 应用项目。目前支持Agent、LLM对话、知识库对话、搜索引擎对话、文件对话、数据库对话、多模态图片对话、ARXIV文献对话、Wo
一键音频驱动图片数字人项目——EchoMimic(附整合包)
阿里出品数字人相关项目——EchoMimic。整合包已发布！
大模型应用开发实例-调用闭源大模型API
本专栏着重于学习大模型应用相关知识，不会描述大模型整体框架、大模型微调等细节训练知识，主要语言是python，适合于有一定代码基础学习人员。本章节主要是通过一个简单应用了解大模型，调用大模型API创建对话。后面章节会进行本地部署大模型等应用内容。
Datawhale AI 夏令营 催化反应产率预测
函数将SMILES字符串列表转换为分子指纹向量的列表。本次比赛提供在药物合成中常见的多种催化反应实验数据，其中包括反应的底物、包括催化剂在内的反应添加剂、反应溶剂以及反应产物，期待选手通过分析反应数据，利用机器学习、深度学习算法或者大语言模型，建立。通过对反应中所包含的反应底物、添加剂、溶剂以及产物
精简模型，提升效能：线性回归中的特征选择技巧
递归特征消除（RFE）、顺序前向选择（SFFS）、和顺序后向选择（SBFS）都表明，‘weight’、‘model year’和‘horsepower’是最重要的特征。仅使用这三个特征，我们就能获得可靠的 R² 分数0.823，与使用七个特征的基础模型相比，其 R² 分数也是0.823。（这些 R²
Python酷库之旅-第三方库Pandas(056)
第三方库Pandas(056)
Python酷库之旅-第三方库Pandas(055)
第三方库Pandas(055)
Python酷库之旅-第三方库Pandas(060)
第三方库Pandas(060)
Python酷库之旅-第三方库Pandas(051)
第三方库Pandas(051)
从零开始在本地傻瓜式部署MaxKB项目（知识库问答）
MaxKB是一款基于LLM（Large Language Model）大语言模型的知识库问答系统，旨在成为企业的最强大脑。
安装Python与Anaconda虚拟环境 （2024.6月最新详解）
学习python的第一步就是安装python和虚拟环境。以前我对Anaconda虚拟环境嗤之以鼻，现在我逐字分析！！！Anaconda的优点：1. 集成环境Anaconda 集成了众多常用的科学计算、数据分析和机器学习的库和工具，无需单独安装和配置每个库，节省了大量的时间和精力。例如numpypan
基于ESP32的MICROPYTHON的AI对讲终端示例
6 杜邦线 母对母 https://item.taobao.com/item.htm?
【Datawhale AI 夏令营】电力需求预测 Task01
给定多个房屋对应电力消耗历史N天的相关序列数据等信息，预测房屋对应电力的消耗。也就是一个时序预测问题数据集由字段id（房屋id）、 dt（日标识）、type（房屋类型）、target（实际电力消耗）组成。
