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。

4个提高jupiter Notebooks开发效率的工具

jupiter notebooks 在更广泛的编程社区中名声不佳。但是,当涉及到探索性数据分析和初始机器学习模型开发等任务时,jupiter notebooks 仍然是大多数数据科学家的首选。