马尔科夫决策过程基本概念详解
在今天的文章中，我们使用来自Stuart Russell和Peter Norvig的《Artificial Intelligence: A Modern Approach》一书中的网格例子来介绍MDP的基本概念。
使用自变分原理改进正则化核回归：通过变分法推导和推广Nadaraya-Watson估计
在本文中，我将介绍推导 Nadaraya-Watson 估计（本篇文章中将其简称为“核回归”）的另一种基本原理。
多元分数多项式：原理介绍以及它为什么没有流行起来？
参数化模型试图找到最能描述数据的参数或某些方程或直线，这可不是一项简单的任务!因为在实际生活中的数据很少会呈现这种漂亮的线性形式
论文导读：DINO -自监督视觉Transformers
在本篇文章中我们将探讨DINO 论文的工作原理以及分析它是如何工作的。
神经网络背后的数学原理：反向传播过程及公式推导
反向传播是神经网络通过调整神经元的权重和偏差来最小化其预测输出误差的过程。但是这些变化是如何发生的呢?如何计算隐藏层中的误差?微积分和这些有什么关系?在本文中，你将得到所有问题的回答。
从notebook到生产：填补数据科学和工程之间空白的5点建议
现在的瓶颈似乎不再是数据，而是如何将项目投入生产中。也就是说让软件工程师和数据科学家使用相同的语言来完成这个工作。
深度半监督学习方法总结
深度神经网络已被证明在对大量标记数据进行监督学习的训练中是非常有效的。SSL 是监督学习和无监督学习的结合，它使用一小部分标记示例和大量未标记数据，模型必须从中学习并对新示例进行预测。
OpenAI Codex，GitHub Copilot 和cheat.sh 三个代码建议工具对比
在本文中，我们将对比 OpenAI Codex、GitHub Copilot 和cheat.sh 的智能感知和代码建议。
理解t检验的一个简单技巧和手动计算P值
t 检验是比较两组均值的统计检验。这是检查两组是否来自同一群体的最常用技术之一。行业中 t 检验最普遍的应用之一是 A/B 测试，例如比较两个版本的 UI，以确定哪个版本产生更多的点击次数或在页面上花费的时间。
Python中7种主要关键词提取算法的基准测试
本篇文章使用 2000 个文档的语料库对几种著名的关键字提取算法进行测试和试验。
使用图神经网络优化信息提取的流程概述
在这篇文章中，我们将介绍票据数字化的问题，即从纸制收据（如医疗发票、门票等）中以标签的形式提取必要和重要的信息。
可视化推导贝叶斯定理公式
在统计和应用数学中，贝叶斯定理也被称为贝叶斯规则，它是一个用于确定事件的偶然性概率的数学公式。贝叶斯定理描述了由事件相关条件的先验知识支持的事件发生的概率。
通过卫星图像预测区域内降雨范围和降雨量
在这篇文章中，我们展示了我们如何开发一个神经网络来根据红外卫星数据预测给定区域的降雨量。
时间序列分析中 5 个必须了解的术语和概念
时间序列分析是数据科学的一个基础领域，具有广泛的应用。如果能够成为该领域的专家，那么获得数据科学家工作的机会可能会大大增加。
使用SpaCy构建自定义 NER 模型
命名实体识别（NER）是一种自然语言处理技术，用于在给定的文本内容中提取适当的实体，并将提取的实体分类到预定义的类别下。
Colossal-AI发布新的深度学习辅助框架，半小时即可完成ViT-Base/32预训练
从头开始预训练计算机视觉领域最热门的 AI 模型 Vision Transformer (ViT) 需要多长时间？Colossal-AI系统最新给出的答案是半小时！
使用高斯混合模型对不同的股票市场状况进行聚类
本片文章将演示如何使用高斯混合模型来帮助确定资金何时进入或退出市场。
使用VQGAN+CLIP从图鉴文本描述中生成神奇宝贝
还记得我们一年前发布的使用GAN生成神奇宝贝的文章吗，今天他的改进版本来了，这次我们根据文字描述来生成神奇宝贝。
论文推荐：使用三维卷积进行自监督的3D点云预测
大多数自动驾驶汽车使用 3D 激光扫描仪（即所谓的 LiDAR）来感知周围的 3D 世界。预测传感器在未来可能会看到什么的能力可以增强自动驾驶汽车的决策。
论文导读：Masked Autoencoders Are Scalable Vision Learners
Facebook 人工智能研究 (FAIR) 团队发表的论文 Masked Autoencoders Are Scalable Vision Learners 已成为计算机视觉社区的热门话题。这也是KaiMing大神在2年后的第一篇一作论文。
