HelloWorld 开发者社区
科技资讯
微软 MAI Code 2 系列进入 Copilot:按工程任务选择编程模型
OpenAI 发布 GPT-6.2 Astra 与 Sol:专业交付、编程效率与团队选型
Qwen4-Max 发布:百万 Token 上下文、多模态与长任务如何落地
Jync 2.2.1 发布:完善告警通知,修复 CDC 与 ETL 可靠性问题
phimint 0.10.0 发布:终端智能体加入交互输入处理
Cursor 更新安全事件调查:扩展分发、历史凭据与团队排查
SoduWork 开源,尝试用独立审查与插件治理组织智能体交付
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
开源项目
全部项目推荐好文
时间序列特征提取的Python和Pandas代码示例
使用Pandas和Python从时间序列数据中提取有意义的特征,包括移动平均,自相关和傅里叶变换。前言时间序列分析是理解和预测各个行业(如金融、经济、医疗保健等)趋势的强大工具。特征提取是这一过程中的关键步骤,它涉及将原始数据转换为有意义的特征,可用于训练模型进行预测和分析。在本文
机器学习实战系列[一]:工业蒸汽量预测(最新版本上篇)含数据探索特征工程等
机器学习实战系列一:工业蒸汽量预测背景介绍火力发电的基本原理是:燃料在燃烧时加热水生成蒸汽,蒸汽压力推动汽轮机旋转,然后汽轮机带动发电机旋转,产生电能。在这一系列的能量转化中,影响发电效率的核心是锅炉的燃烧效率,即燃料燃烧加热水产生高温高压蒸汽。锅炉的燃烧效率的影响因素很多
构建基于深度学习神经网络协同过滤模型(NCF)的视频推荐系统(Python3.10/Tensorflow2.11)
毋庸讳言,和传统架构(BS开发/CS开发)相比,人工智能技术确实有一定的基础门槛,它注定不是大众化,普适化的东西。但也不能否认,人工智能技术也具备像传统架构一样“套路化”的流程,也就是说,我们大可不必自己手动构建基于神经网络的机器学习系统,直接使用深度学习框架反而更加简单,深度学习可以帮助我们自动地
R语言分布滞后非线性模型(DLNM)研究发病率,死亡率和空气污染示例|附代码数据
全文下载链接:http://tecdat.cn/?p21317(https://link.segmentfault.com/?encIUuIM%2F%2FkEdBCZ74TNM8CnQ%3D%3D.6lwq4jJPXAjBfmhOqyYGCoYs4bG0xoQyCLdFBHacqhs%
【专题】2022年中国企业ESG战略与实践白皮书报告PDF合集分享(附原数据表)
报告链接:http://tecdat.cn/?p32028(https://link.segmentfault.com/?encJt%2FbQet2lvF4a%2BLt%2FN8o4A%3D%3D.Kot559GOx6mRXW9Wpjagvh%2FUlTfFspxcrPEQ2NXHmK
这个小项目,上周被国外 AI 新闻网站报道,前些天又上了 github 热榜
疫情期间在校花了几个月时间,写了这个小项目,是关于音频特征提取和分析的,自己是AI专业研究音频的,但受限于对音频特征的理解,做研究时总感觉缺乏“底料”,所以当做是学习练手做了这个小东西。因为是学习练手的小项目,放github上面后就没有太多跟进了,后来看到国内几个有名的github项
pytorch 中 Tensor 的 pow 方法是干嘛的?
在PyTorch中,Tensor的pow方法可以用来计算张量的幂次方,即将张量中的每个元素提升为指定幂次的值。例如,如果t是一个包含2,3,4的一维张量,那么t.pow(2)将返回一个新的张量,其中的元素为4,9,16。pow方法还可以接受一个可选的指数参数,用于指定幂次。例如,
机器学习算法(九): 基于线性判别模型的LDA手写数字分类识别
1.机器学习算法(九):基于线性判别模型的LDA手写数字分类识别本项目链接:https://www.heywhale.com/home/column/64141d6b1c8c8b518ba97dcc(https://link.segmentfault.com/?encThajV2
干货|10个C4D必备插件,让工作事半功倍
今天我要跟大家分享一些实际工作中常用的C4D插件,这些插件能让工作事半功倍。话不多说,下面就逐个介绍这10个C4D必备插件吧:1、超级独显插件(MagicSolo)支持:R12R21win/mac这个应该是我自己在用C4D做模型过程中,最常用的一个插件了。我们在建模过程中,经常需要独显部分结
机器学习算法(八):基于BP神经网络的乳腺癌的分类预测
机器学习算法(八):基于BP神经网络的乳腺癌的分类预测本项目链接:https://www.heywhale.com/home/column/64141d6b1c8c8b518ba97dcc(https://link.segmentfault.com/?enc2HjTtjgCGqLi
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。


