时间序列特征提取：从理论到Python代码实践
**时间序列**是一种特殊的存在。这意味着你对表格数据或图像进行的许多转换/操作/处理技术对于时间序列来说可能根本不起作用。
DSPy: 用数据驱动的方式优化AI应用
DSPy 是一个专门用于算法优化语言模型（LM）提示和权重的框架，特别适用于在管道中多次使用 LM 的情况。将问题分解为多个步骤逐步优化每个步骤的提示，直到它们单独运行良好调整这些步骤以确保它们协同工作生成合成示例来微调每个步骤使用这些示例微调较小的 LM 以降低成本目前，这个过程既复杂又混乱：每次
人工智能与机器学习在医学领域的应用
人工智能（AI）是指机器模拟人类智能的能力，涉及感知、学习、推理和决策等功能。机器学习（ML）是AI的一个子领域，它通过数据训练模型，使计算机能够自动从数据中学习模式，并根据这些模式进行预测或决策。ML在医学中的应用尤其广泛，因为现代医学产生了大量的数据，而ML算法可以从这些数据中提取有价值的信息。
Datawhale AI夏令营第四期魔搭-AIGC文生图方向Task1笔记
从零入门AI生图原理&实践 是 Datawhale 2024 年 AI 夏令营第四期的学习活动（“AIGC”方向），基于魔搭社区“ 可图Kolors-LoRA风格故事挑战赛 ”开展的实践学习——- 适合想 **入门并实践 AIGC文生图、工作流搭建、LoRA微调** 的学习者参与学习内容提要：从文
高效的时间序列可视化：减少认知负荷获得更清晰的洞察
在本文中,我们将探讨使真实世界的**疫苗接种数据**来可视化单个时间序列和多个时间序列。
联邦学习+语义通信阅读记录（六）
发送者无法知道。发射机上的实际可观察数据也可能与共享背景知识库中的经验数据分布不相同。针对这些实际问题，本文提出了一种基于神经网络的新型图像传输语义通信系统，其中任务在发射者处是无意识的，数据环境是动态的。该系统由两个主要部分组成，即语义编码（SC）网络和数据自适应（DA）网络。SC 网络学习如何使
基于大预言模型的AI逻辑推理#AI夏令营 #Datawhale #夏令营
大语言模型（英文：Large Language Model，缩写LLM），是一种人工智能模型，旨在理解和生成人类语言。我们可以想象一下，LLM就像一个图书馆的守护者，它阅读了数不尽的书籍，从古老的传说到现代的科学论文，它吸收了无数知识，并能够根据这些知识回答各种问题。通常，大语言模型 (LLM) 指
ODMN亿级用户的用户生命周期价值预测：来自快手的工业级解决方案
快手ODMN引入了一个订单依赖单调网络，建模了不同时间跨度LTV之间的有序依赖关系，从而大大提高了模型性能。ODMN框架已成功部署在快手的多个业务场景中，并取得了优异的性能。
XGBoost中正则化的9个超参数
正则化是一种强大的技术,通过防止过拟合来提高模型性能。本文将探索各种XGBoost中的正则化方法及其优势。
AI/机器学习（计算机视觉/NLP）方向面试复习3
这种方法能够显著减少模型的参数数量。
机器学习之回归算法——只需要看这一篇
机器学习，线性回归，范数，正则化，最小二乘法，岭回归（Ridge Regression），拉索回归（Lasso Regression），弹性网络回归（Elastic Net）
2024年华数杯全国大学生数学建模竞赛A题机械臂关节角路径的优化设计思路代码分析
A题"机械臂关节角路径的优化设计"：运动学逆解模型、多目标优化算法（如NSGA-II或MOEA/D）、路径规划算法（如RRT或A*算法）、动力学模型、人工势场法避障算法、启发式算法（如遗传算法或粒子群优化）等。
催化反应产率预测赛题--Datawhale AI夏令营
碳氮成键反应、Diels-Alder环加成反应等一系列催化合成反应，被广泛应用于各类药物的生产合成中。研究人员与产业界在针对特定反应类型开发新的催化合成方法时，往往追求以高产率获得目标产物，也即开发高活性的催化反应体系，以提升原子经济性，减少资源的浪费与环境污染。然而，开发具有高活性的催化反应体系通
详解归一化、标准化、正则化以及batch normalization
一文详解归一化、标准化、正则化以及batch normalization
[论文精读] StyleGAN2 论文&代码理解 (上)
精读这篇文章的原来还是来自于一些工作中的启发，人脸修复算法(face restoration)效果较好的基于可以分为3个流派，一种基于stylegan先验的GFPGAN、GPEN等，另外两种分别是基于transform和diffusion。而基于stylegan的方式通常都是采用 stylegan2
全球最强AI程序员 “Genie” 横空出世
Genie是迄今为止世界上最好的 AI 程序员。Genie启动。cosine.sh。
丹摩智算：如何在云端开发一个AI应用——基于UNet的眼底血管分割案例
丹摩智算低价狂欢节开始，4090、显示器等神秘好礼等待大家！
基于距离度量学习的异常检测：一种通过相关距离度量的异常检测方法
但在本文中,将一种非常通用且可能未被充分使用的方法,用于计算表格数据中两条记录之间的差异,这对异常检测非常有用,称为*距离度量学习* - 以及一种专门应用于异常检测的方法。
缺失值数据集生成&查找缺失值并可视化（Python代码+精美绘图）&统计缺失值信息
在数据分析和机器学习任务中，处理缺失值是一个常见且重要的步骤。完全随机缺失值、随机缺失值、非随机缺失值。完全随机缺失值（MCAR）在MCAR的情况下，缺失值的发生是完全随机的，不依赖于数据中的任何变量，包括缺失值本身。换句话说，缺失与否与数据中的观测值无关，仅仅是出于随机或偶然的原因。例如，在一个调
药品包装或质量控制
这段代码是一个完整的工作流程，从图像的读取、预处理、特征提取、分类器训练、分类、后处理到结果展示。它适用于自动化药片识别和分类的场景，例如在药品包装或质量控制中。
