Learn more about Machine learning - Section 5

OpenAI Dev Day 2023：创始人Sam Altman主题演讲中的四项重大公告，绝对不能错过！

由OpenAI举办的首届开发者大会充满了令人惊喜的产品发布更有趣的是，这些发布将使一大批人工智能初创公司完全过时在...

这篇AI论文提出了FACTORCL：一种新的多模态表示学习方法，超越多视图冗余

机器学习中的主要范式之一是从多个模态中学习表示。预训练未标记多模态数据的广泛图片，然后通过微调来获得特定任务的标签是...

回归基本Week 3：机器学习入门

欢迎回到VoAGI的“回归基础”系列的第三周本周，我们将深入探讨机器学习的世界

多伦多大学的研究人员揭示了大型材料数据集中令人惊讶的冗余性，并展示了信息丰富数据在提高机器学习性能方面的力量

随着人工智能的出现，我们生活的各个领域都能感受到它的应用。人工智能正在应用于各个行业。但是人工智能需要用到数据来进行...

朝鲜大学研究人员介绍了一种精确定位褪色珊瑚的机器学习框架，使用混合视觉特征分类

地球上被认为是最多样化的海洋环境是珊瑚礁。珊瑚礁可找到超过4,000种鱼类，是约25%的海洋生物的家园。在珊瑚中，水下寄生藻...

范德比尔特大学和加州大学戴维斯分校的研究人员介绍了PRANC：一种在学习和重建阶段都具有内存高效的深度学习框架

来自范德堡大学和加州大学戴维斯分校的研究人员引入了PRANC框架，该框架展示了将深度模型重新参数化为权重空间中随机初始化和...

亚马逊研究人员提出KD-Boost：一种新的知识蒸馏算法，专为实时语义匹配而设计

网页搜索和电子商务产品搜索是依赖于准确实时语义配对的两个主要应用程序。在产品搜索中，难点在于弥合用户查询和相关结果之...

解开复杂性：噪声注入的流形学习的新方法

在数据科学领域，高维数据既是一个挑战，也是一个机会虽然它提供了许多关系和模式，可以被塑造和转化...

NLP（从零开始的doc2vec）和聚类：基于文本内容对新闻报道进行分类

有许多方法可以对这种类型进行分类，比如使用监督方法（标记数据集），使用聚类和使用特定的LDA算法（主题建模）我使用Doc2Ve...

自然语言处理（NLP）、神经网络（NN）、时间序列：能否使用谷歌趋势数据预测油价？

首先使用Word2Vec，然后从Google Trends中爬取Google搜索的频率，接下来使用时间序列（通过傅里叶分解）和Keras的神经网络，...

CV2 在图像上寻找模式

在这篇文章中，我使用了计算机视觉和神经网络来找到一百多年前以草书形式书写的文本中的一个字在这个简短的示例中，我使用了C...

通过检索增强生成优化生成型人工智能：架构、算法和应用概述

本文针对人工智能专业人士，重点讨论人工智能的架构、训练和应用

这篇人工智能论文提供了机器学习流程中各种类型泄露的全面概述和讨论

机器学习（ML）通过赋予预测建模、决策支持和深入数据解释能力，已经在医学、物理学、气象学和气候分析等领域产生了重要的改...

使用大型语言模型开发的一切你需要知道的事项

本文的目的是用简单的语言解释开始开发基于LLM的应用所需的关键技术它还提供了许多有用的链接供进一步学习它将会...

这份AI通讯是您所需要的全部 #73

这周的谈话再次被OpenAI的Devday后续影响、新产品发布以及对GPTStore未来潜力的猜测所主导，已经创建了超过10,000个GPT

由加利福尼亚大学伯克利分校和斯坦福大学的研究团队推出的S-LoRA：一种专为多个LoRA适配器进行可伸缩服务的人工智能系统

加州大学伯克利分校和斯坦福大学的研究人员开发了一种名为低秩适应（LoRA）的新参数高效微调方法，用于部署LLM。S-LoRA旨在实...

线性代数4：矩阵方程

欢迎回到我们关于线性代数基础的系列的第四篇文章，线性代数是机器学习背后的基础数学在我之前的文章中，我介绍了向量，线性...

AI能否克服人类的确认偏见？

从诺贝尔奖得主丹尼尔·卡尼曼的《思考，快与慢》一书中，我们都知道人类的大脑在它们应该做的事情上远非完美除了情绪冲动之外...

《机器学习高质量数据集建立初学者指南》

在本教程中，我们将展示如何实现高质量的数据，并提高我们的机器学习分类结果

PyMC-Marketing预测客户生命周期价值

“TL; DR：顾客终身价值（Customer Lifetime Value，CLV）模型是客户分析中的关键技术，帮助公司识别有价值的客户忽视CLV可能...