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
图解机器学习 | 降维算法详解
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/03d29e1194fca8ea7bff3391f926691b.png)作者:韩信子(https://link.segmentfault.com/?encwMb9rm
轻量级图卷积网络LightGCN介绍和构建推荐系统示例
推荐系统是当今业界最具影响力的ML任务。从淘宝到抖音,科技公司都在不断尝试为他们的特定应用程序构建更好的推荐系统。而这项任务并没有变得更容易,因为我们每天都希望看到更多可供选择的项目。所以我们的模型不仅必须做出最优推荐,而且还必须高效地做出推荐。今天介绍的这个模型被称作:LightGraph
数据预处理和特征选择
背景介绍结合网上一些相关资料,我们整理输出了这篇文章,本文说明了数据的重要性以及数据在各个环节和领域地位。更重要的是,这篇文章会详尽的讲解数据预处理和特征选择的原理及方法细节。数据是什么?通过观察、实验或计算得出的结果。例:数字、文字、图像、声音等。数据分析
深入了解Azure 机器学习的工作原理
通过阅读本文,您将会了解到Azure机器学习(以下简称:Azure机器学习)的架构和概念,并且深入了解这些组件,以及它们如何协同来协助构建、部署和维护机器学习模型的过程。工作区机器学习工作区是Azure机器学习的toplevel资源。工作区可集中用于:
图解机器学习 | 聚类算法详解
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/8618f6f974b03636b555c0479322c16f.png)作者:韩信子(https://link.segmentfault.com/?encJ%2B35
图解机器学习 | 支持向量机模型详解
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/907a1ff1de0ac125a3797cb3ce1dfe15.png)作者:韩信子(https://link.segmentfault.com/?encIb9idj
图解机器学习 | LightGBM模型详解
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/2a848710f96a25c8aceb07378e7d0fe6.png)作者:韩信子(https://link.segmentfault.com/?enc6V2zwE
图解机器学习 | XGBoost模型详解
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/903f44123addf0d9ae0223f431731060.png)作者:韩信子(https://link.segmentfault.com/?enc4%2FU2
恒源云(GpuShare)_表序编码器的联合实体和关系提取(论文浅谈)
文章来源|恒源云社区(https://link.segmentfault.com/?enc%2FVklgkVfyRrTP4k3%2Bgccrw%3D%3D.BacFABvPHSHfE6V8ZAECO6KzLfE8%2FNJ%2FHpcmLSrNfkk%3D)原文地址|两个都比一个
多任务学习模型之DBMTL介绍与实现
本文介绍的是阿里在2019年发表的多任务学习算法。该模型显示地建模目标间的贝叶斯网络因果关系,整合建模了特征和多个目标之间的复杂因果关系网络,省去了一般MTL模型中较强的独立假设。由于不对目标分布做任何特定假设,使得它能够比较自然地推广到任意形式的目标上。多任务学习背景目前
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。


