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
回望2019,不仅是"自由自在",更是 AI 领域不平凡的一年
今年的春天,充斥着一场又一场和疫情的沉重博弈。在无法自由出行的“五一”,远川研究所的一篇《我无比怀念2019》燃起了大家对那一年炽热的、翻滚的、自由的、平淡的日子的深深怀念。对于AI行业来说,2019年也是重要的转折点。经历了2016年以来的持续高涨后,AI行业进入了“脱虚向实”
神经网络与傅立叶变换有关系吗?
机器学习和深度学习中的模型都是遵循数学函数的方式创建的。从数据分析到预测建模,一般情况下都会有数学原理的支撑,比如:欧几里得距离用于检测聚类中的聚类。傅里叶变换是一种众将函数从一个域转换到另一个域的数学方法,它也可以应用于深度学习。本文将讨论傅里叶变换,以及如何将其用于深度学习领域。
构建面向特征工程的数据生态 ——拥抱开源生态,OpenMLDB全面打通MLOps生态工具链
引言:随着业务的发展,模型应用场景的增加,AI工程化落地成为了不少企业面对的切实挑战。近几年,应对这个痛点的新概念——MLOps逐渐成为了机器学习领域的热门话题。OpenMLDB提供FeatureOps全栈解决方案,积极打通MLOps工具链,建立起一个标准化的模型开发、部署与运维流程,降低
ECE9047/9407问题
ECE9047/9407FinalExaminationInstructions:•Finalexaminationistakehomeandopenbook.Youmayuseanyprintedorelectronicresourcestocompletet
显卡只是为游戏而生吗?GPU服务器了解一下
说到显卡,估计90%以上的人都认为这就是一个游戏工具。现在高性能的显卡难道只是为游戏而生吗?目前不少公司已经认识到GPU大规模并行计算带来的优势,开始用强大的多GPU服务器进行各种方向的研究,而这些研究除了能给公司带来巨大收益外,其研究成果也开始应用在我们的日常生活中。什么是GPU服务器?
5分钟NLP:文本分类任务中的数据增强技术
为什么要增加训练数据机器学习中的数据增强主要通过人工构建数据,增加训练集的大小使模型达到更好的泛化特性。这是一个在机器学习学科中进行的广泛研究的研究领域。数据增强的主要作用如下:增加了模型的概括功能;对于不平衡数据集很有用;可以最大程度地减少标注工作;提高
Micro-Outlier Removal: 一种Kaggle快速提分的小技巧
MicroOutlierRemoval:这个词听起来不错。但是这个术语是本文的作者首创的。所以应该找不到其他相关的资料,但是看完本篇文章你就可以了解这个词的含义。在Kaggle的《Titanic》排行榜中,作者使用这项技术获得了巨大排名飞跃在使用这个技术之前排名是12616!
Pandas 对数值进行分箱操作的4种方法总结对比
分箱是一种常见的数据预处理技术有时也被称为分桶或离散化,他可用于将连续数据的间隔分组到“箱”或“桶”中。在本文中,我们将讨论使用pythonPandas库对数值进行分箱的4种方法。我们创建以下合成数据用于演示<pre<codeimportpandasaspdver
2022年关于损失函数的5篇最新论文推荐
1、HybridisedLossFunctionsforImprovedNeuralNetworkGeneralisationMatthewC.Dickson,AnnaS.Bosman,KatherineM.Malanhttps://arxiv.org
FNO:傅里叶算子神经网络
FourierNeuralOperator(FNO)求解非线性偏微分方程FNO的前世今生继上次的DeepONet求解偏微分方程的文章,这次是介绍结合傅里叶算子和图神经网络的方法,也就是傅里叶神经算子方法,这篇创造性地引入了傅里叶算子,获得了可以与DeepONet扳手腕
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。


