MetaGPT：让AI像人类一样协作编程
在人工智能领域，大型语言模型（LLM）的应用不断突破，为自动化问题解决带来了前所未有的可能性。基于LLM的多智能体系统已经可以解决简单的对话任务，但面对更复杂的任务时，由于LLM之间相互传递信息时产生的“幻觉”现象，导致逻辑不一致，难以找到有效的解决方案。为了克服这一挑战，我们提出了MetaGPT，
时间序列问题解题（基于经验模型，使用机器学习模型）（Datawhale AI 夏令营）
时间序列问题是一类重要的统计和数据分析问题，它涉及对按时间顺序排列的数据点进行分析、建模和预测。时间序列数据是由一系列随时间变化而观测到的数值组成的，这些数据可以反映各种现象，如股票价格、气温变化、销售额、交通流量等。时间序列分析广泛应用于经济学、金融学、气象学、工程学、公共卫生学等众多领域。问题定
多任务高斯过程数学原理和Pytorch实现示例
本文将介绍如何通过共区域化的内在模型(ICM)和共区域化的线性模型(LMC)，使用高斯过程对多个相关输出进行建模。
谷歌的时间序列预测的基础模型TimesFM详解和对比测试
在本文中，我们将介绍模型架构、训练，并进行实际预测案例研究。将对TimesFM的预测能力进行分析，并将该模型与统计和机器学习模型进行对比。
Pytorch的编译新特性TorchDynamo的工作原理和使用示例
TorchDynamo 是一个由 PyTorch 团队开发的编译器前端，它旨在自动优化 PyTorch 程序以提高运行效率。
【人工智能】博弈搜索（极小极大值、α-β剪枝）
本文主要介绍了极小极大值算法与α-β算法的原理及实现。
【AI大模型】Transformers大模型库（十一）：Trainer训练类
在Hugging Face的Transformers库中，Trainer类是一个强大的工具，用于训练和评估机器学习模型。它简化了数据加载、模型训练、评估和日志记录的过程。
IT入门知识第九部分《人工智能》（9/10）
人工智能，简称AI，是计算机科学的一个分支，它致力于创建能够执行通常需要人类智能的任务的系统。这些任务包括语言理解、学习、推理、规划、感知、运动和操作。人工智能（AI）是计算机科学的一个分支，它旨在创建能够执行通常需要人类智能的任务的系统。这些系统能够模仿人类的学习方式、决策过程和解决问题的能力。A
【人工智能】-- 迁移学习
迁移学习是机器学习领域中一项极具创新性和实用价值的技术。它打破了传统机器学习中每个任务都需从零开始训练模型的局限性，通过巧妙地利用已在相关领域或任务中积累的知识和经验，极大地提高了学习效率和模型性能。在迁移学习中，我们可以从大规模的、通用的数据源中获取有价值的信息，并将其应用到特定的、数据稀缺的目标
机械学习—零基础学习日志004（AI发展历程）
机器学习是人工智能(artifcial intelligence)研究发展到一定阶段的必然产物。二十世纪五十年代到七十年代初，人工智能研究处于“推理期”。那时人们以为只要能赋予机器逻辑推理能力，机器就具有智能。这一阶段的代表性工作主要有 A. Newell 和 H. Simon 的“逻辑理论家”程序
【人工智能】Transformers之Pipeline（一）：音频分类（audio-classification）
本文对transformers之pipeline的音频分类（audio-classification）从概述、技术原理、pipeline参数、pipeline实战、模型排名等方面进行介绍，读者可以基于pipeline使用文中的代码极简的进行音频分类推理，应用于音频情感识别、音乐曲风判断等业务场景。
Doping：使用精心设计的合成数据测试和评估异常检测器的技术
使用Doping方法，真实数据行会被（通常是）随机修改，修改的方式是确保它们在某些方面可能成为异常值，这时应该被异常检测器检测到。然后通过评估检测器检测Doping记录的效果来评估这些检测器。
【模型微调】AI Native应用中模型微调概述、应用及案例分析。
在AI Native应用中，模型微调是一个关键步骤，它允许开发者使用特定领域的数据对预训练模型进行二次训练过程，从而使其更好地适应特定任务或数据集。模型微调通过调整模型的参数，使模型在特定任务上达到更高的性能。这种技术广泛应用于自然语言处理、图像识别、语音识别等领域。
周志华西瓜书+花书圣经+李航统计学习方法+南瓜书｜四大人工智能名著分享
特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、em算法、隐马尔可夫模型和条件随机场等。叙述从具体问题或实例入手，由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。第3部分为进阶知识，内容涉及特征选择与稀
【机器学习】朴素贝叶斯算法详解与实战扩展
然而，这个假设在现实中往往不成立，但实验表明，朴素贝叶斯分类器在许多情况下仍然能够取得很好的分类效果。朴素贝叶斯算法是一种基于概率统计的分类方法，它利用贝叶斯定理和特征条件独立假设来预测样本的类别。尽管其假设特征之间相互独立在现实中往往不成立，但朴素贝叶斯分类器因其计算简单、效率高、对缺失数据不敏感
【人工智能】Transformers之Pipeline（概述）：30w+大模型极简应用
本文为transformers之pipeline专栏的第0篇，后面会以每个task为一篇，共计讲述28+个tasks的用法，通过28个tasks的pipeline使用学习，可以掌握语音、计算机视觉、自然语言处理、多模态乃至强化学习等30w+个huggingface上的开源大模型。让你成为大模型领域的
AI是在帮助开发者还是取代他们？
开发者在选择使用这些工具时，应根据自己的需求和环境进行权衡。AI工具对开发者日常工作的影响是深远的，它们不仅改变了开发流程，还对开发者的技能要求和工作方式产生了重要影响。AI的集成正在逐步改变软件开发的工作流程，并对开发者的工作模式和工具使用提出了新的要求。通过这些策略，开发者可以在AI时代保持竞争
统计学入门：时间序列分析基础知识详解
时间序列分析中包含了许多复杂的数学公式，它们往往难以留存于记忆之中。为了更好地掌握这些内容，本文将整理并总结时间序列分析中的一些核心概念，如自协方差、自相关和平稳性等
Python前沿技术：机器学习与人工智能
深入探讨Python在机器学习和人工智能领域的应用，以及一些前沿技术和工具。
11个提升Python列表编码效率的高级技巧
Python中关于列表的一些很酷的技巧
