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
论文推荐-使用 Noisy Student 进行自训练可以提高 ImageNet 分类的表现
教师学生模型、伪标签、半监督学习和图像分类使用NoisyStudent进行自训练改进ImageNet分类是一篇由GoogleResearch、BrainTeam和CarnegieMellon大学发表在2020CVPR的论文!(https://imghellowo
【MindSpore:跟着小Mi一起深度学习吧!】正则化
嗨咯!anio~!空妮七挖!大家好久不见呀~今天小Mi继续给大家讲解正则化!目前深度模型在各种复杂的任务中固然表现十分优秀,但是其架构的学习要求大量数据,对计算能力的要求很高。神经元和参数之间的大量连接需要通过梯度下降及其变体以迭代的方式不断调整。向全局最小值的收敛过程较慢,容易掉入局部极小
【MindSpore:跟着小Mi一起机器学习吧!】支持向量机(下)
前两期小Mi带大家学习了支持向量机的优化问题、如何得到大间距分类器以及其背后的数学原理,今天小Mi最后一讲让我们快速果断地结束支持向量机的学习哈。小Mi废话不多说!4Kernel(一)之前小Mi曾经提过,如果遇到无法用直线进行分隔的分类问题时,可以适当采用高级数的多项式模型来解决:为了获得
【小Mi的MindSpore学习之旅】python在手,excel不愁
办公中我们经常会处理很多复杂的excel、word、pdf等文件,大家有没有设想过用一个平台就可以同时处理这些东西呢?没错,小Mi又给大家挖掘了新的神技能,今天就显摆下如何用python处理excel表格(嘴硬党是不是可以承认python是最好的语言了吧,哈哈)!安装库首先,准备工作自然是需
【MindSpore:跟着小Mi一起机器学习吧!】聚类算法
一周未见,甚是想念!今天小Mi带大家学习聚类算法!也就是主流的监督学习算法我们已经学完了,本期我们开始接触无监督学习算法。废话不多说,跟着小Mi开始学习吧~1无监督学习什么是无监督学习呢?首先我们先回顾下非常熟悉的监督学习算法:通常典型的监督学习中会有一个带有标签的训练集,根据这个训练集可以拟
【MindSpore:跟着小Mi一起机器学习吧!】如何实现降维?
一周未见,,甚是想念!今天小Mi带大家学习如何降维,这是我们遇到的第二种类型的无监督学习问题!废话不多说,我们开始吧~1降维示例首先,什么是降维呢?这个问题应该最先搞清楚,由于数据集通常有许多特征,我们可以举一个简单的例子来分析:假设有未知两个的特征:长度,用厘米表示;是用英寸表示同一物体
【MindSpore:跟着小Mi一起机器学习吧!】异常检测(一)
一周未见,甚是想念,今天小Mi带大家学习异常检测(Anomalydetection)!废话不多说,我们开始吧~1定义异常检测(Anomalydetection)这个算法很有意思:它虽然主要用于非监督学习问题,但从某些角度看,它又和一些监督学习问题很类似。什么是异常检测:通常飞机的引
【MindSpore:跟着小Mi一起机器学习吧!】异常检测(二)
一周未见,甚是想念,今天小Mi带大家学习异常检测(Anomalydetection)的多元部分!废话不多说,我们开始吧~7多元高斯分布今天学习的内容是异常检测算法的更进一步,涉及到多元高斯分布,它有一些优势,也有一些劣势,它能捕捉到之前的算法检测不出来的异常,首先我们来看一个例子。假设有
【MindSpore:跟着小Mi一起机器学习吧!】推荐系统
一周未见,甚是想念,今天小Mi带大家学习推荐系统(RecommenderSystems)!推荐系统是机器学习中一个很重要的应用,比如某易推荐的歌曲呀,某宝推荐的购物清单呀等等,既然应该这么广泛,那就废话不多说,我们开始吧~1定义推荐系统是个很有意思的问题,机器学习的学术会议上通常不太会关注推
【MindSpore:跟着小Mi一起机器学习吧!】大规模机器学习
一周未见,甚是想念,今天小Mi带大家学习大规模机器学习(LargeScaleMachineLearning)!废话不多说,我们开始吧~1大规模数据集的必要性如果有一个低方差模型,增加数据集的规模可以帮助获得更好的结果。我们应该怎样应对一个有100万条记录的训练集?以线性回归模型为
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。


