Learn more about Machine learning - Section 27

揭开作者面纱：AI还是人类？探索IBM创新的文本检测工具中AI取证的出现

在人工智能快速发展的时代，一个重要的挑战需要关注：生成式人工智能的透明度和可信度。IBM的研究人员致力于为世界提供AI检测...

在机器学习中使用SHAP值进行模型解释性分析

了解如何使用SHAP帮助您理解模型特征对预测的影响

麻省理工学院研究人员推出PhotoGuard：一种新的AI工具，可以防止未经授权的图像篡改

在一个人工智能技术可以模糊现实与制造之间界限的世界中，滥用的风险随之而来。像DALL-E和Midjourney这样的先进生成模型降低...

遇见 Skill-it：一种基于数据驱动的技能框架，用于理解和训练语言模型

大型语言模型（LM）在编写源代码、创作艺术作品和与人交谈方面具有非凡的能力。用于训练模型的数据使它们能够执行这些任务。...

自监督学习和Transformer？— 解读DINO论文

有些人喜欢Transformer架构，并将其引入计算机视觉领域其他人不愿接受新人在这个领域出现的事实 让我们来看看发生了什么...

认识QLORA：一种高效的微调方法，可以降低内存使用量，使得在单个48GB的GPU上微调一个65B参数的模型，并保持完整的16位微调任务性能

大型语言模型（LLM）可以通过微调来改进，这也允许添加或删除所需的行为。然而，微调大型模型成本过高；例如，一个65B参数的L...

加州大学伯克利分校的研究人员引入了视频预测奖励（VIPER）：一种利用预训练的视频预测模型作为无动作奖励信号的强化学习算法

通过手动设计奖励函数耗时且可能导致意想不到的后果。这是开发基于强化学习（RL）的通用决策制定代理的主要障碍。 先前的基于...

PID控制器优化：一种梯度下降方法

机器学习深度学习人工智能越来越多的人每天都在使用这些技术这在很大程度上是由ChatGPT、Bard等部署的大型语言模型的崛起推动的

选择最佳技术/供应商的系统方法：MLOps版本

机器学习正在成为我们生活的方方面面的一个重要组成部分一段时间前，我写过一篇关于选择技术/供应商的系统化方法但选择一个ML...

这篇AI论文首次在外太空中部署了一个轻量级的基础模型

太空技术日益发展。不同研究团队一直在努力在外层空间建立机器学习和人工智能模型，这些模型将影响太空研究。收集到的数据提...

BQML的多变量时间序列预测

Google的BQML可以用于创建时间序列模型，最近更新了以创建多元时间序列模型通过简单的代码，本文展示了如何使用它来预测多元...

转变您的数据科学项目：发现将变量存储在YAML文件中的好处

本博客文章将讨论在数据科学项目中使用YAML文件作为存储变量、参数和超参数的中央存储库的好处它将解释这种做法如何…

从原始到精细：数据预处理之旅-第一部分

有时候，我们用于机器学习任务的数据并不适合使用Scikit-Learn或其他机器学习库进行编码因此，我们需要对数据进行处理，以...

拥抱人工智能进行软件开发：解决方案策略和实施

这篇文章提供了一个全面的指南，无缝地将人工智能集成到软件开发中，涵盖了过程、选择工具和克服挑战等方面

“认识MC-JEPA：一种联合嵌入预测架构，用于自监督学习运动和内容特征”

最近，专注于学习内容特征的技术，特别是那些包含让我们能够识别和区分对象的信息的特征，在视觉上的自我监督学习中占据主导...

UC Berkeley研究人员推出了Nerfstudio：用于神经辐射场（NeRF）开发的Python框架

谁不是钢铁侠的粉丝呢？当他在实验室工作时，他看起来非常酷。他使用的全息影像和新式装备使他看起来很酷。能否从一张二维照...

使用人工智能来防止人工智能图像篡改

“PhotoGuard”，由MIT CSAIL研究人员开发，可以防止未经授权的图像篡改，在先进生成模型时代保护真实性

认识 Med-PaLM 多模态（Med-PaLM M）：一个大型多模态生成模型，可以灵活地编码和解释生物医学数据

大型语言模型（LLMs）在几乎所有领域都取得了进展，从医疗保健和金融到教育和社交媒体。医疗行业的临床医生依赖各种各样的数...

从多到少：在机器学习中使用降维处理高维数据

本文将讨论机器学习问题中的维度灾难以及降维作为解决方案有时，机器学习问题可能由...

了解机器学习分类问题的不同性能指标

在机器学习的背景下，我们可以将性能指标视为一个测量工具，它告诉我们训练模型的好坏通常，“准确率”被认为是一种标准的衡量...