Less is More：半监督学习让标记数据不再那么重要

特殊图像的色彩特征工程：非自然图像的颜色编码

在本文中，我们将探讨特征工程的不同方式（将原始颜色值进行展开）如何有助于提高卷积神经网络的分类性能。

知识图普嵌入技术的极简教程：KGE以及如何计算它们

多分类任务的混淆矩阵

今天我将讨论如何在多分类中使用混淆矩阵评估模型的性能。

2022 年 1 月推荐阅读的四篇深度学习论文

自举元学习到深度学习的时间序列预测，外推与泛化之间的关系与 Ridge Rider 探索多样化最优

使用 LSTM 进行多变量时间序列预测的保姆级教程

使用 LSTM 进行端到端时间序列预测的完整代码和详细解释。

为什么小批量会可以使模型获得更大的泛化

批大小是机器学习中重要的超参数之一。这个超参数定义了在更新内部模型参数之前要处理的样本数量。

Transformer 架构逐层功能介绍和详细解释

2021年必读的10 个计算机视觉论文总结

2021 年排名前 10 的计算机视觉论文，包括视频演示、文章、代码和论文参考。

Kaggle Tabular Playground Series - Jan 2022 的baseline和日期特征处理

Pokémon AI，使用DALL-E生成神奇宝贝图鉴

还记得我们上次分享的使用DALL-E生成神奇宝贝的文章吗，这次Reddit的网友又给出了效果更好的版本。

数据变异性的度量 - 极差、IQR、方差和标准偏差

variability被称作变异性或者可变性，它描述了数据点彼此之间以及距分布中心的距离。它告诉你点是倾向于聚集在中心周围还是更广泛地分散。

Matplotlib进行数据可视化的快速上手指南

Python 有许多可视化库用于制作静态或动态图。在本教程中，我将尽力帮助你理解 matplotlib 逻辑。

使用Pandas melt()重塑DataFrame

重塑 DataFrame 是数据科学中一项重要且必不可少的技能。 在本文中，我们将探讨 Pandas Melt() 以及如何使用它进行数据处理。

5 个PyTorch 中的处理张量的基本函数

每个深度学习初学者都应该知道这5个Pytorch 的基本函数。

如何微调BERT模型进行文本分类

探索BERT并了解如何为任何文本分类任务对其进行微调

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