特征工程与数据预处理全解析：基础技术和代码示例
我们将深入研究处理异常值、缺失值、编码、特征缩放和特征提取的各种技术。
人工智能--搭建人工神经网络
本文详细讲解了人工神经网络的核心组成部分和关键技术。从神经元、感知器到多层感知器的演进，再到损失函数、梯度下降算法和反向传播算法的实际应用，读者可以全面理解神经网络的工作原理及其在实际问题中的应用。通过手工搭建神经网络的示例，读者不仅能够加深对神经网络内部运作的理解，还能够通过修改和扩展代码来探索更
2024年6月计算机视觉论文推荐：扩散模型、视觉语言模型、视频生成等
6月还有一周就要结束了，我们今天来总结2024年6月上半月发表的最重要的论文，重点介绍了计算机视觉领域的最新研究和进展。
人工智能——机器学习概述
上面的列举也不全，生物的结构蛋白、化学的合成材料，早期的这些都是靠烧钱不停地实验来进行。我们可以看到这个函数是关于a和b的一个三维曲面，这里我们可以分别对a和b求偏导，再设置偏导为0即可以得出两个a和b的方程，然后即可求出最小误差平方和对应的a和b，即得到这线性拟合方程的完整表达式。人工智能(Art
使用粒子滤波（particle filter）进行视频目标跟踪
粒子滤波是一种贝叶斯滤波方法，主要用于非线性、非高斯动态系统中的状态估计。它通过使用一组随机样本（称为粒子）来表示状态的后验概率分布，并通过这些粒子的加权平均来估计状态。
【人工智能Ⅰ】实验8：DBSCAN聚类实验
此处使用【sklearn】库中的DBSCAN封装包进行调用，选定初始参数eps = 0.5（领域的半径）、min_samples = 3（领域内最少包括的同类数据个数），采用fit方法进行模型训练，最后得到训练标签为【dbscan_sepal.labels_】和【dbscan_petal.label
使用深度强化学习预测股票：DQN 、Double DQN和Dueling Double DQN对比和代码示例
通过DRL，研究人员和投资者可以开发能够分析历史数据的模型，理解复杂的市场动态，并对股票购买、销售或持有做出明智的决策。
【机器学习】Qwen-VL：基于FastAPI私有化部署你的第一个AI多模态大模型
本文首先在引言中强调了一下OpenAI兼容API的重要性，希望引起读者重视，其次介绍了Qwen-VL的原理与模型结构，最后简要讲了下FastAPI以及搭配组件，并基于FastAPI封装了OpenAI兼容API的Qwen-VL大模型服务端接口，并给出了客户端实现。本文内容在工作中非常实用，希望大家能有
【机器学习】图神经网络：深度解析图神经网络的基本构成和原理以及关键技术
图数据是一种复杂的数据结构，由节点（vertices）和边（edges）组成，用于表示对象及其相互关系。节点代表数据中的实体，边则表示实体之间的关系。多样性：图数据可以表示各种类型的关系，如一对一、一对多、多对多等。不规则性：图的结构不固定，节点和边的数量及连接方式可变。高维性：每个节点和边可以包含
【AI大模型】Transformers大模型库（七）：单机多卡推理之device_map
本文简要介绍了device_map="auto"等使用方法，多数情况下与CUDA_VISIBLE_DEVICES=1,2,3一起使用，可以简单高效的进行多卡分布式推理及训练计算，至于多机多卡场景，多用torchrun和deepspeed等，后面文章会专门进行系统讲解。
AI 定位！GeoSpyAI上传一张图片分析具体位置 不可思议! ! !
想象一下一个如此强大的工具，只需一张图像，它就可以精确定位您的确切位置，精确到纬度和经度。GeoSpy.ai 免费提供这种令人惊叹的功能，利用先进的人工智能和地理空间智能从任何照片中提供精确定位。无论您是对去过的地方感到好奇，还是出于专业目的需要准确的地理数据，这项突破性的技术都为以惊人的准确性了解
AI的‘智能’健身：打造更聪明的机器学习模型
所以，不要犹豫了，拿起你的“哑铃”（数据），穿上你的“运动鞋”（代码），让我们一起在AI的健身房里，塑造出更聪明的模型吧！记住，智能的增长不是一蹴而就的，而是一步一个脚印，持之以恒的结果。记住，就像健身一样，让AI模型变得更聪明是一个持续的过程，需要耐心和不断的努力。数据增强是提升模型智能的一个关键
MLOps模型部署的三种策略：批处理、实时、边缘计算
在这篇文章中，我们将探讨三种常见的模型部署策略:批处理、实时和边缘计算。
AI有道 | 3 个令人惊艳的 GitHub 开源项目，诞生了！
人工智能的发展从未停止，那些曾以为只存在未来的应用场景，现如今已迅速成为现实。作为开发者技术创新的主要阵地 GitHub，在过去这段时间里，又诞生了许多既接近未来又实用的 AI 工具。这些工具有着共同特点，就是功能强大且能够显著提高我们日常工作效率。今天就跟大家推荐下，近期几个比较值得关注的 AI
【机器学习】人工智能与气候变化：利用深度学习与机器学习算法预测和缓解环境影响
全球气候变化已成为世界各国共同面对的重大挑战之一。气候变化带来的极端天气事件频发、海平面上升、生态系统退化等问题，严重影响着人类的生存和发展。因此，寻找有效的方法来预测气候变化趋势并采取相应的应对措施至关重要。
从零入手人工智能（2）——搭建开发环境
我撰写了这个系列的文章，希望能将这段经历和学习的心得分享给更多想要入门人工智能的朋友们。这些文章将详细记录我学习人工智能的每一个步骤和心得，希望通过我的经验，为大家提供一份实用的入门指南，帮助大家更快地融入这个充满机遇和挑战的领域。
人工智能--教育领域的运用
人工智能--教育领域的运用。
探索大模型技术及其前沿应用——TextIn文档解析技术
探索大模型技术及其前沿应用——TextIn文档解析技术
人工智能——机器学习——神经网络（深度学习）
人工智能是让机器获得像人类一样具有思考和推理机制的智能技术，这一概念最早出现在 1956 年召开的达特茅斯会议上。其中深度学习可以理解为神经网络。刚开始只有神经网络的概念，随着神经网络的层数增加，就逐渐将神经网络叫做深度学习。神经网络的发展历程大致分为浅层神经网络阶段和深度学习阶段。
SOFTS: 时间序列预测的最新模型以及Python使用示例
这是2024年4月提出的新模型，采用集中策略来学习不同序列之间的交互，从而在多变量预测任务中获得最先进的性能。
