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。
GPT-3在招聘市场的应用案例介绍
介绍虽然GPT-3已经发布了很长一段时间，因为它在编写类似人类的故事和诗歌方面的卓越能力而受到广泛关注
基于Seq2Seq结构和注意力机制的神经机器翻译
神经机器翻译(NMT)是一种端到端自动翻译学习方法。它的优势在于它直接学习从输入文本到相关输出文本的映射。已被证明比传统的基于短语的机器翻译更有效
