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。
深度学习的几何基础
几何深度学习是从对称性和不变性的角度对广泛的ML问题进行几何统一的尝试。
2021年进入AI和ML领域之前需要了解的10件事
自从2012年数据科学被评为21世纪最性感的工作以来，来自不同领域的许多人开始转向数据科学或相关的机器学习角色。
使用自编码器进行图像去噪
在这篇文章中，你将了解自编码器是如何工作的，以及为什么它们被用于医学图像去噪。
使用结构化表格数据对比深度学习和GBDT模型
在数据科学的世界里，深度学习方法无疑是最先进的研究。然而，深度学习模型真的比GBDT(梯度提升决策树)这样的“传统”机器学习模型更好吗
使用Tensorboard投影进行高维向量的可视化
TensorBoard是tensorflow的可视化工具包。 它帮助我们可视化各种机器学习实验。
ICLR 2021 - 不可错过的10篇论文
ICLR 2021，它包含了860篇论文，8个研讨会和8个受邀演讲。全部看完这些论文需要花费很长的时间，所以这里总结了10篇论文，希望对你有所帮助!
如何训练孪生神经网络
在本文中，我将讨论一种称为孪生神经网络的模型。希望在阅读之后，您将更好地理解这种体系结构不仅可以帮助保存数据，而且可以帮助数据量有限和类变化速度快的任何领域。
VarifocalNet (VF-Net)一种新型的目标检测网络
引入IoU感知和Varifocal 来提高对象检测SOTA分数
自动驾驶汽车的车道检测
这篇文章是关于自动驾驶汽车车道检测的深度学习解决方案
使用深度学习的模型对摄影彩色图像进行去噪
介绍大多数图像去噪器技术专注于去除AWGN（高斯白噪声）。但是随着深度学习的进步，重点已转向为现实世界中的嘈杂彩色图像设计降噪架构。
如何微调GPT-2生成高质量的歌词
自然语言生成(NLG)近年来取得了令人难以置信的进步。2019年初，OpenAI发布了GPT-2，一个巨大的预训练模型(1.5B参数)，能够生成类人质量的文本。
机器学习项目中特征工程的5个最佳实践
当处理一个新的机器学习问题时，没有办法从一开始就知道解决方案是什么，除非各种不同的实验被尝试和测试。以下总结了5个步骤希望对你有帮助。
半监督学习与PyTorch和SESEMI
半监督和自监督技术的世界是一个特别迷人的领域，因为它看起来几乎像魔术?事实上，这些技术比你想象的更容易理解
5个Python库可以帮你轻松的进行自然语言预处理
自然语言是指人类相互交流的语言，而自然语言处理是将数据以可理解的形式进行预处理，使计算机能够理解的一种方法。
谷歌MLP-Mixer:用于图像处理的全MLP架构
图像处理是机器学习中最有趣的子区域之一。MLP-Mixer无需使用任何卷积或任何自我注意层，但几乎可以达到SOTA结果，这是非常令人深思的。
决策树和机器学习算法的贝叶斯解释
决策树的常用方法是该贝叶斯模型的近似值。 该模型还包含一个初级集成方法的思想。 这样一来，让我们投入一些数学知识，并探讨贝叶斯定理的相关性。
特征选择中的哲学问题：多还是精
我们应该使用什么特征选择方法:精挑细选的还是详尽所有的?答案是“看情况”。
如何利用Transformer建立时间序列预测模型
在时间序列预测中，目标是预测给定历史值的时间序列的未来值。
Lasso 和 Ridge回归中的超参数调整技巧
在这篇文章中，我们将首先看看Lasso和Ridge回归中一些常见的错误，然后我将描述我通常采取的步骤来优化超参数。
