Deephub
更多文章请关注公众号：Deephub-IMBA
线性回归中的L1与L2正则化
在这篇文章中，我将介绍一个与回归相关的常见技术面试问题，我自己也经常会提到这个问题: 描述回归建模中的L1和L2正则化方法。
使用神经网络的自动化特征工程
如何自动化并极大地改进数据建模中最繁琐的步骤之一
亿级用户的平台是如何使用词嵌入来建立推荐系统的
推荐系统对于我们今天使用的几乎所有应用程序都是至关重要的。 借助大数据，我们有大量可供选择的内容。并且我们可
Deepmind的RFA：transformers的Softmax注意机制最新替代
什么是注意力机制？为什么RFA比Softmax更好？
SHAP值：用博弈论的概念解释一个模型
SHAP —表示SHapley Additive ExPlanations是一种解释来自机器学习模型的单个预测的方法。
为什么独热编码会引起维度诅咒以及避免他的几个办法
从机器学习的角度来看独热编码不是一个很好的选择，最明显的原因是它加起来有大量的维度，数据集维数的增加会引起维数诅咒，从而导致并行性和多重共线性问题。
开放API如何处理数据隐私问题?看看GPT-3 是怎么做的
GPT-3正在改变企业利用人工智能增强现有产品能力的方式，并推出下一代产品。我们看看GPT-3如何处理数据隐私问题
5分钟搭建强大又好用的深度学习环境
为深度学习项目建立一个良好的环境不是一件容易的任务，随着容器彻底改变了软件开发的世界，现在它们也可以帮助数据科学家构建更健壮的环境。
结合Sklearn的网格和随机搜索进行自动超参数调优
今天将介绍两种自动超参数优化方法:随机搜索和网格搜索，并结合他们的有点进行自动化的超参数调整
FOTS：自然场景的文本检测与识别
在这篇文章里，我将分享实现这篇论文的方法。
基于偏差校正似然的贝叶斯参数估计
通过使用先验信息来校正贝叶斯参数估计中似然性的偏差，可能意味着对小样本量的估计的准确性和鲁棒性进行了改进
基于BERT嵌入的推荐系统
当你查看任何社交媒体平台时，你很可能会从其中看到很多建议，例如“为你推荐”。这些建议主要取决于你当前的兴趣
卷积神经网络中的自我注意
我写这篇短文是为了总结cnn的自注意力机制，主要是为了以后可以回顾一下我做了什么，但我也希望对你们有用。
强化学习相关的主要概念和术语简介
而强化学习，现在被认为是最有前途的技术，以推动AI范式的下一个层次
基于3DCNN的深度学习卫星图像土地覆盖分类
本文帮助读者更好地理解使用3D-CNN对卫星数据进行土地覆盖分类的不同深度学习方法。
神经机器翻译的Subword技术
字符分割是机器翻译中为了避免词层翻译的缺点而采用的一种技术,Sennrich等人(2016)通过提供更有意义的表示，引入了将单词分割成子词单元序列的概念
TabTransformer：用于表格数据的Transformer
在Transformers颠覆了自然语言处理和计算机视觉之后，他们现在把目光投向了最大的数据类型:表格数据。
音频时域特征的提取
介绍在音频领域中，我们可以使用深度学习提取和分析这些音频的频率和时域特征以了解波形的属性。
论文总结与分析：“An Image is Worth 16x16 Words”
本文提出这样的论点，即这种转换将产生与传统CNN相当的结果，同时需要较少的计算资源进行训练。
递归模型的语言处理入门：双向rnn，编码器和词嵌入
双向RNN是RNN的一种变体，它对于自然语言处理任务特别有用，并且有时可以提高性能。