Informer：用于长序列时间序列预测的新型transformer 模型
Informer旨在改善自我注意机制，减少记忆使用，加快推理速度
MLOps：构建生产机器学习系统的最佳实践
在这篇文章中，我将分享一些MLOps的最佳实践和技巧，它们将允许您在生产环境中使用您的ML模型并正确地操作它。
如何使用方差阈值进行特征选择
基于方差阈值的特征选择介绍今天，数据集拥有成百上千个特征是很常见的。从表面上看，这似乎是件好事——每个样本的
2D和3D卷积网络应用于视频数据比较
需要解决的问题和数据集本文目的是研究使用神经网络对视频帧进行分类的方法
15个图神经网络的应用场景总结
在本文中，我们主要关注模型的应用
组织病理学的生存模型综述
使用影像图片数据预测患者结果的机器学习技术
图解BERT：通俗的解释BERT是如何工作的
谷歌2018年发布的BERT是NLP最有影响力的论文之一。它以Transformer为核心，并且在许多NLP任务（包括分类，问题回答和NER）上均达到了最先进的性能。
Pytorch和DCGAN生成肖像画
使用特征匹配和随机图像增强实现DCGAN模型生成艺术品。
使用Python自动化Microsoft Excel和Word
使用Python将Excel与Word集成，无缝生成自动报告
DeLighT ：深度和轻量化的Transformer
在本篇文章中介绍一篇论文，该论文引入了一种新的基于参数的高效注意力架构，可以很容易地扩展到广泛和深入。
如何用正确的方式阅读和理解一篇机器学习论文
在这篇文章中，我们将回顾你在阅读机器学习论文时应该考虑的最重要的原则
用维基百科的数据改进自然语言处理任务
使用Wikipedia来改进NLP任务，如命名实体识别和主题建模介绍自然语言处理(NLP)正在兴起。这篇文章演示了如何使用这一强大的资源来改进NLP的简单任务。
5个例子比较Python Pandas 和R data.table
在这篇文章中，我们将比较Pandas 和data.table，我们这里的重点是演示这两个库如何为数据处理提供高效和灵活的方法。
Python中的时间序列分解
时间序列分解是一种技术，它将时间序列分解为几个部分，每个部分代表一个潜在的模式类别、趋势、季节性和噪声。
支持向量机-数学解释
支持向量机如何在高维空间中分离数据点背后的数学概念
图像超分辨率网络中的注意力机制
图像超分辨率(SR)是一种低层次的计算机视觉问题，其目标是从低分辨率观测中恢复出高分辨率图像。一些方法开始将注意机制集成到SR模型中，极大地提高了这些网络的性能。
使用机器学习生成图像描述
在本文中，我们将为各种图像生成文字描述图像描述是为图像提供适当文字描述的过程。在深度神经网络的最新发展之前，业内最聪明的人都无法解决这个问题
图数据的自监督学习介绍
深度学习在解决许多复杂的机器学习问题方面一直是一个有趣的课题，特别是最近在图数据方面。
非技术人员应该学习SQL的3个原因
作为一名数据分析师，我整天编写SQL查询。我的任务之一是充当公司数据库和需要随时使用数据的同事之间的翻译。
用于时间序列数据的泊松回归模型
泊松和类泊松回归模型常用于基于计数的数据集，即包含整数计数的数据。
