Deephub
更多文章请关注公众号：Deephub-IMBA
2021年Graph ML热门趋势和主要进展总结
对于 Graph ML 来说2021年是重要的一年——成千上万的论文、无数的会议和研讨会......说明这个领域是在蓬勃的发展。我将Graph ML 这一年的进展进行结构化的展示，并重点介绍 🔥 趋势和主要进步。
特征嵌入的正则化 SVMax 和 VICReg
还记得LeCun被拒的论文VICReg吗，今天我们就来说说它
通过遗传算法进行超参数调整和自动时间序列建模
在以前的文章中我们介绍过一些基于遗传算法的知识，本篇文章将使用遗传算法处理机器学习模型和时间序列数据。
参加Kaggle比赛的一般流程以及如何判断是否有条件参加
这里总结一些kaggle比赛的步骤，可以帮助你快速的入门，可能也适用于其他比赛
自回归模型PixelCNN 的盲点限制以及如何修复
本篇文章我们将关注 PixelCNNs 的最大限制之一（即盲点）以及如何改进以修复它。
5分钟 NLP：使用 OpenNRE 进行关系提取
关系提取、知识图谱、实体和 OpenNRE
5个很少被提到但能提高NLP工作效率的Python库
本篇文章将分享5个很棒但是却不被常被提及的Python库，这些库可以帮你解决各种自然语言处理(NLP)工作。
利用关联规则实现推荐算法
关联规则是以规则的方式呈现项目之间的相关性,关联规则的经典例子是通过发现顾客放入其购物篮中的不同商品之间的联系,在医学方面也能够从已有病历中找到患某种疾病的病人的共同特征
AlphaZero如何学习国际象棋的?
DeepMind 和 Google Brain 研究人员以及前世界国际象棋冠军Vladimir Kramnik通过概念探索、行为分析和对其激活的检查，探索了人类知识是如何获得的，以及国际象棋概念如何在 AlphaZero 神经网络中表示。
5分钟 NLP 系列： Word2Vec和Doc2Vec
CBOW 和 Skip-gram Word2Vec、DM 和 DBOW Doc2Vec
对抗性攻击的原理简介
由于机器学习算法的输入形式是一种数值型向量（numeric vectors），所以攻击者就会通过设计一种有针对性的数值型向量从而让机器学习模型做出误判，这便被称为对抗性攻击。
使用 PyTorch Geometric 在 Cora 数据集上训练图卷积网络GCN
本文将告诉你如何将斯坦福大学（CS224W: Machine Learning with Graphs）应用到实际当中并复现一篇论文的结果。
从熵到交叉熵损失的直观通俗的解释
对于机器学习和数据科学的初学者来说，必须清楚熵和交叉熵的概念.在本文中，我将尝试从信息论的角度解释有关熵的概念
2021 年顶级深度学习论文推荐
2021年还有10天就过去了， 以下是我认为 2021 年最有趣、最有前途的深度学习论文。
神经网络压缩方法：模型量化的概念简介
这篇介绍性文章将讨论可用于优化重型深度神经网络模型的量化技术。
阅读和实现深度学习的论文初学者指南
如果想了解黑匣子内部发生了么，提高创造力或成为第一个将最新科学研究带入业务的开发人员 这篇文章应该可以帮到你。
计算 Python 代码的内存和模型显存消耗的小技巧
本篇文章我们将介绍两个 Python 库 memory_profiler和Pytorch-Memory-Utils，这两个库可以帮助我们了解内存和显存的消耗。
可解释的AI (XAI)：如何使用LIME 和 SHAP更好地解释模型的预测
在本文中，我将介绍两个可以帮助了解模型的决策过程的模型 LIME 和 SHAP。将可解释性集成到机器学习模型中可以帮助决策者和其他利益相关者有更多的可见性并可以让他们理解模型输出决策的解释。
开启深度强化学习之路：Deep Q-Networks简介和代码示例
Deep Q-Learning 算法是深度强化学习的核心概念之一。神经网络将输入状态映射到（动作，Q 值）对。在本篇文章中将通过游戏的示例来介绍 Deep Q-Networks 的整个概念
18 个 实用的Numpy 代码片段总结
在本文中，我整理了一些 NumPy 代码的片段，这些代码片段都是在日常开发中经常用到的。