图神经网络常用方法的统一观点
图注意、图卷积、网络传播都是图神经网络中消息传递的特殊情况。
TODS：从时间序列数据中检测不同类型的异常值
自动构建用于时间序列异常值检测的机器学习管道。
基于ResNet和Transformer的场景文本识别
对于自然场景的文字识别我们会遇到了许多不规则裁剪的图像，其中包含文本表示。
2021 年 7 月推荐阅读的四篇深度学习论文
从大规模深度强化学习到对抗性鲁棒性、SimCLR-v2 和学习神经网络空间
使用反事实示例解释 XGBoost 模型的决策
模型可解释性——故障检测、识别和诊断
通过FEDOT将AutoML用于时间序列数据
一个在具有间隙和非平稳性的真实数据上使用FEDOT和其他AutoML库的示例
使用 HuggingFace Transformers创建自己的搜索引擎
NLP、Plotly和Dash创建红酒搜索引擎
目标检测模型SSD的详细解释
目标检测由两个独立的任务组成，即分类和定位。
快速掌握Seaborn分布图的10个例子
任何数据产品的第一步都应该是理解原始数据。数据分布的EDA至关重要
从零开始训练BERT模型
在本文中，我们将探讨构建我们自己的 Transformer 模型必须采取的步骤——特别是 BERT 的进一步开发版本，称为 RoBERTa。
从一个不同角度看精准度与召回
在本文中，我们将以不同的方式解释这些术语
PCA不适用于时间序列分析的案例研究
以及如何对时间序列进行线性降维。
图卷积神经网络分析复杂碳水化合物
使用PyTorch处理生物数据
如何使用机器学习在一个非常小的数据集上做出预测
朴素贝叶斯是一系列简单的概率分类器，它们是最简单的贝叶斯模型之一，但通过核密度估计，它们可以达到更高的精度水平。
用于发票识别的微调 Transformer 模型
介绍本片文章将介绍微软最新发布的Layout LM模型。在这里我们将展示从注释和预处理到训练和推理的整个过程
使用Modulated Convolutions修改 StarGAN V2
在本教程中，我们将替换 StarGAN V2 模型中的自适应实例归一化（AdaIN）层
教遗传算法人工智能玩超级马里奥大陆
在这里我将向您展示如何开发遗传算法 AI 以使用 Python 玩超级马里奥乐园，完整代码文末
从CVPR 2021的论文看计算机视觉的现状
但由于深度学习的进步，CV领域近年来取得了巨大的飞跃，现在正在迅速改变不同的行业!
训练神经网络的技巧总结
训练神经网络是一个复杂的过程。 有许多变量相互配合，通常不清楚什么是有效的。以下技巧旨在让您更轻松。
使用 Python 进行数据预处理的标准化
标准化和规范化是机器学习和深度学习项目中大量使用的数据预处理技术之一。
