Deephub
更多文章请关注公众号：Deephub-IMBA
使用傅立叶变换清理时间序列数据噪声
傅立叶变换是一种从完全不同的角度查看数据的强大方法：从时域到频域。 但是这个强大的运算用它的数学方程看起来很可怕。
论文解释：Vision Transformers和CNN看到的特征是相同的吗？
本文将解释论文《Do Vision Transformers See Like Convolutional Neural Networks?》，并探讨传统CNN 和 Vision Transformer 之间的区别。
多重共线性是如何影响回归模型的
在机器学习面试中经常会被问到的一个问题是，特征如果存在多重共线性时为什么不能估计出最佳回归系数？本篇文章可以算是这个问题的标准答案
MeRL：强化学习分配奖励机制的新方法
这是谷歌在2019年发布的一种在强化学习模型中分配奖励机制的新方法。
Python 3.10的几个好用的新特性
3.10版没有添加新的模块，但是引入了很多新的并且有用的特性。让我们来一起看看吧。
DeepMind的FIRE PBT自动超参数调整，更快的模型训练和更好的最终性能
DeepMind的一个研究团队提出了Faster Improvement Rate PBT (FIRE PBT)，这是一种新的性能优于PBT方法，并与ImageNet基准上通过传统手工超参数调优训练的网络的性能相匹配。
DOTA2 插眼位置进行聚类分析，你也可以成为眼位大师
这篇文章的目标是：借助一些数据科学工具，探索职业玩家如何插眼和控制视野。
10分钟掌握异常检测
异常检测(也称为离群点检测)是检测异常实例的任务，异常实例与常规实例非常不同。这些实例称为异常或离群值，而正常实例称为内部值。
机器学习中的参数与非参数方法
在今天的文章中，我们将讨论机器学习背景下的参数和非参数方法。此外，我们将探讨它们的主要差异以及它们的主要优点和缺点。
Matplotlib也可以渲染出交互式的可视化图表
交互式图表受到所有人的喜爱，因为它们能够更有效地讲述故事。
2021 年 10 月推荐阅读的10篇精选ML论文
每个月都会有几千篇的论文在arXiv发布，我们不可能看完所有的文章，但是我们可以从中找到一些趋势：
使用 Weaviate 矢量搜索为 60 多万篇学术论文构建可扩展的知识图谱搜索
Keenious 是一个专为学生、研究人员设计的搜索引擎！并且提供了应用程序直接在文本编辑器中运行；可以帮助我们分析整个文档并工作时找到高度相关的结果
JupyterLab 发布了桌面应用程序，但是它好用吗？
大约不到一周前，在 Jupyter 的博客中，他们宣布了 JupyterLab 桌面应用程序的发布。
自回归模型 - PixelCNN
生成模型是近年来受到广泛关注的无监督学习中的一类重要模型。PixelCNN 模型的优点是联合概率学习技术是非常容易处理的
可视化损失函数空间三维图
这篇介绍性文章简要说明了它是如何实现的，以及它是一个多么简单而又引人入胜的想法。
使用Pytorch实现三元组损失
在这篇文章中，我们将探索如何建立一个简单的具有三元组损失的网络模型。它在人脸验证、人脸识别和签名验证等领域都有广泛的应用
Pandas的10个常用函数总结
我们大多数人更喜欢 Python 来处理与数据相关的事情，而Pandas是我们是最常用的Python库
使用孪生网络和零样本学习进行文本分类
在这篇文章中，我们将讨论如何通过检测哪些话语属于域哪些话语不属于域,然后我们将讨论用孪生网络（Siamese Networks）和零样本（Zero-Shot ）学习进行文本分类。
DeepCluster：用于表示视觉特征的无监督学习聚类算法
在这篇文章中，我们要简单介绍Facebook 的“Deep Clustering for Unsupervised Learning of Visual Features”。
十分流行的自举法（Bootstrapping ）为什么有效
自举法（Bootstrapping）是一种重采样技术，这篇文章旨在以一种为外行介绍的方式展示自举法的“为什么”。