HelloWorld 开发者社区
科技资讯
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
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
qData 1.6.7 发布:修复增量读取与 ETL 字段传递问题
Apple HomeView 在部分地区开售,整合家庭控制与视频通话
Cloudflare 推出 Spend Management Beta,为 Workers 增加支出限制
Cloudflare 开源 Kitesurf:面向 AI 智能体的轻量浏览器引擎
JeecgBoot 与敲敲云介绍分层方案,连接低代码开发与业务搭建
开源项目
全部项目推荐好文
在没有训练数据的情况下通过领域知识利用弱监督方法生成NLP大型标记数据集
在现实世界中开发机器学习(ML)模型的主要瓶颈之一是需要大量手动标记的训练数据。例如,Imagenet数据集由超过1400万手动标记的各种现实的图像组成。虽然迁移学习的出现极大地缓解了这一要求但是仍然需要数百个标记的示例来进行微调。但是获得此类手动注释通常是耗时的和劳动力密集的,并且容易发生人类
自监督、半监督学习在内容安全中的应用
<blockquote在深度学习领域中,半监督、自监督算法通过借助无标签数据与无监督训练任务,可有效改善传统有监督算法中“泛化性能不足”、“模型过拟合”、“严重依赖数据标注质量”等问题。在此次LiveVideoStackCon2021音视频技术大会北京站,我们邀请到了网易易盾资深算法工程师—
AIOps在美团的探索与实践——故障发现篇
!(https://oscimg.oschina.net/oscnet/up45fc0178edcbec3835316f2c637b1b3f793.JPEG)一、背景AIOps,最初的定义是AlgorithmITOperations,是利用运维算法来实现运维的自动化,最终走向无人化运维。随着技术成熟,逐步确定为Artificial
28篇论文、6大主题带你一览CVPR2020研究趋势
!(http://dingyue.ws.126.net/2020/0625/c176bdbej00qchkrg001ld200p000ang00it0080.jpg) 编译|陈大鑫 编辑|丛末 首度于线上召开的CVPR2020会议已经落下帷幕。今年,大会共有1467篇论文被接收,共举办了29个Tutorial、64
4项探索+4项实践,带你了解华为云视觉预训练研发技术
摘要:本文主要讲述云原生时代华为云在AI基础研究、视觉预训练模型研发和行业实践,以及AI开发平台ModelArts的最新进展。近日,在Qcon全球软件开发大会(深圳站)上,华为云人工智能领域首席科学家、IEEEFELLOW田奇博士,发表了“云原生时代,视觉预训练大模型探索与实践”的主题演讲,介绍了云原生时代华为云在AI基础研究、视觉预训练模
AAAI 2020「自然语言处理(NLP)」【哈尔滨工业大学】多任务自监督学习的文本顺滑
喜欢我们,点击上方AINLPer,关注一下,极品干货即刻送达!转载:哈工大SCIR各位小伙伴,最近全国各地陆续发现新型冠状病毒感染的肺炎疫情,又赶上春节,大家出门请注意戴口罩,做好防护~~引言现有的不流利检测方法大多严重依赖人工标注的数据,而在实践中获取这些数据的成本很高。为了解决训练数据的瓶颈,本文研究了
什么是强化学习?
<blockquote<strong摘要:</strong本文尝试以一种通俗易懂的形式对强化学习进行说明,将不会包含一个公式。</blockquote本文分享自华为云社区《强化学习浅述(https://link.segmentfault.com/?enc7zqGm%2FHMcYVY
带你读论文丨异常检测算法及发展趋势分析
<blockquote<strong摘要:</strong本文根据对现有基于深度学习的异常检测算法的调研,介绍现有的深度异常检测算法,并对深度异常检测算法的未来发展趋势进行大致的预测。</blockquote本文分享自华为云社区《【论文阅读】异常检测算法及发展趋势分析(https:/
通过视频着色进行自监督跟踪
方法的实现可以访问链接了解:https://github.com/hyperparam...(https://link.segmentfault.com/?enc9PoXOy8T5jQugR%2F6P99cqg%3D%3D.9fnJ8v8GNnvSezElobR13g9XVeEprVdoo
自我监督学习:提高深度学习数据效率的计划
!1_gradientdescentdeeplearning(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/cd38b1ce2cf8a23ba30ebaadcf8ac304.png)尽管深度学习在人工智能领域做出了巨大
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。