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
R语言STAN贝叶斯线性回归模型分析气候变化影响北半球海冰范围和可视化检查模型收敛性|附代码数据
原文链接:http://tecdat.cn/?p24334(https://link.segmentfault.com/?encZJOAY67xk1yFPgjKdgIyyA%3D%3D.xMPpHuY7e4oTEsBjgDGkBAsV%2FepJdJsH0qJQL0vozik%3D)
R语言贝叶斯MCMC:用rstan建立线性回归模型分析汽车数据和可视化诊断|附代码数据
全文链接 http://tecdat.cn/?p23255(https://link.segmentfault.com/?encbgvzAg%2BrKyNC7YzC3to7Tw%3D%3D.bn8NrFzAvUnpuCntOF1r9vBDYM%2BEF7ce1tInPmWH7Hw%3D
OneFlow 源码阅读 12:从 Tensor 看 CPython 的对象创建过程
春节前后拜读了许啸宇(https://link.segmentfault.com/?encJMJzTw%2F8Xms1alxNShAO4A%3D%3D.hOoCkmSLXFyrIZa1WtSVkNISlhcwWYxcze%2B6SxOTiVuIuPdPf6FoxZw71Y0rgcOA)的《T
特定领域知识图谱融合方案:文本匹配算法之预训练Simbert、ERNIE-Gram单塔模型等诸多模型【三】
特定领域知识图谱融合方案:文本匹配算法之预训练模型SimBert、ERNIEGram文本匹配任务在自然语言处理中是非常重要的基础任务之一,一般研究两段文本之间的关系。有很多应用场景;如信息检索、问答系统、智能对话、文本鉴别、智能推荐、文本数据去重、文本相似度计算、自然语言推理、问答系统
PMR 提取视频特征,理解上下文
出品人:Towhee技术团队王翔宇、顾梦佳视频理解包括许多有趣的任务理解空间和时间信息,其中最具挑战性的问题之一就是特征提取。由于无约束视频冗长和复杂时间结构,从未修剪的视频提取上下文视觉表征变得十分困难。不同于现有的方法使用预训练的骨干网络作为黑盒来提取视觉表示,基于感知的多模态表征PMR
深度学习调参小册
作者:京东零售彭馨谷歌大脑的五位深度学习大佬在“ChineseNewYear”期间合作推出了《深度学习调参手册(https://link.segmentfault.com/?enc5nkkLtr1%2F6p2JohbEjediw%3D%3D.U6v5WKWYXJwZZ
使用Pandas也可以进行数据可视化
数据可视化是数据分析的一个重要方面,它提供了一种理解数据并从中得出有意义见解的方法。Pandas是最常见的于数据分析的Python库,它基于Matplotlib扩展了一些常用的可视化图表,可以方便的调用,本篇文章就让我们看看有哪些图表可以直接使用。!(https://imghello
机器学习-朴素贝叶斯
前言朴素贝叶斯是一种基于贝叶斯定理的分类算法,属于生成式模型的范畴。它的基本思想是基于贝叶斯定理和特征独立性假设。它假设每个特征之间相互独立,因此名称为“朴素”。在朴素贝叶斯分类中,我们假设给定数据点属于某个类别,可以通过对该类别中各个特征的条件概率进行乘积计算,以计
只需 3 步,基于 chatgpt 搭建自己的微信机器人
大家好,我是徐公,大厂6年经验,CSDN博客专家。最近,ChatGpt很火,身边的人都在讨论,会不会成为下一个风口,像前几年互联网一样,迎来井喷式的发展。徐公我最近也是在密切关注,最近,在github上面发现了一个有趣的东西,推荐给大家它是WeChatBot,一个
Matlab用深度学习循环神经网络RNN长短期记忆LSTM进行波形时间序列数据预测|附代码数据
全文链接:http://tecdat.cn/?p27279(https://link.segmentfault.com/?enc8ceFQAz79tIcsjYVNOg4MQ%3D%3D.72Dv%2FJKOQWHZ8ng4TELxsTbZG7DcwqTn8veRI5tjVb4%3D)
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。


