实用机器学习

特殊数据类型的深度分析：JSON、数组和 HSTORE 的实用价值

title:特殊数据类型的深度分析：JSON、数组和HSTORE的实用价值date:2025/1/4updated:2025/1/4author:cmdragonexcerpt:随着数据管理需求的多样化
·2025-01-17 20:13

第79期 | GPTSecurity周报

在这里，您可以找到关于GPT/AIGC/LLM最新的研究论文、博客文章、实用的工具和预设指令（Prompts）。现为了更好地知悉近一周的贡献内容，现总结如下。
·2025-01-17 19:08

国产替代 | 星环科技Sophon替代SAS，助力大型国有银行智能化营销

由于SAS是集中式的，对单台服务器要求太高，算力无法支撑需求，且无法支持可视化的机器学习，对于业务人员来说使用门槛过高。在经过产品选型后，决定采用星环科技的智能分析工具Sophon替换原有SAS，用
·2025-01-17 19:05

交叉熵损失与二元交叉熵损失：区别、联系及实现细节

在机器学习和深度学习中，交叉熵损失（Cross-EntropyLoss）和二元交叉熵损失（BinaryCross-EntropyLoss）是两种常用的损失函数，它们在分类任务中发挥着重要作用。
专业发呆业余科研·2025-01-17 19:56

KDD 2024 | 美团技术团队精选论文解读 & 论文分享会预告

本文精选了美团技术团队被KDD2024收录的5篇长文进行解读，覆盖了用户意图感知、机器学习&运筹优化、在线控制实验、联合广告模型、实时调
·2025-01-17 19:29

鸿蒙开发实战：鸿蒙应用开发中的页面管理工具类详解

为此，我特别设计了一款实用的“页面管理工具类”，它具备强大的功能，能帮助开发者轻松应对各种页面管理挑战。
二蛋和他的大花·2025-01-17 18:18

llama.cpp部署

主要有两点优化：llama.cpp使用的是C语言写的机器学习张量库ggmlllama.cpp提供了模型量化的工具计算类
法号：行颠·2025-01-17 17:12

Kubeflow：云原生机器学习工作流自动化开源框架详解

Kubeflow是一个开源的机器学习（ML）工作流自动化平台，旨在将机器学习工作流部署到Kubernetes之上，实现从实验到生产的一站式解决方案。
gs80140·2025-01-17 17:40

共生地球(高清3D地球卫星地图软件,堪比谷歌地球)

使用方便的卫星地图工具，功能类似谷歌地球，但是提供了许多实用功能，除了日常导航和地图查询，还可以进行户外探索，3d模型等。
北十南五·2025-01-17 17:40

苹果用户有福了！超详细教程教你轻松屏蔽录音通知

以下是详细步骤，简单几步就能帮你巧妙掩盖系统提醒，实用又高效。如何绕过iPhone通话
神秘人-解说·2025-01-17 16:05

2025年Photoshop详细教程：从新手到高手，手把手带你学PS

今天给大家带来一份超实用的2025年Photoshop入门教程，让你从零开始，快速掌握PS的基础操作！如果你是图像处理小白，或者刚刚接触Photoshop的新手，那么这套课程就是专门为你量身定制的哦！
Java徐师兄·2025-01-17 16:33

【论文投稿】解锁Vue.js组件开发的神奇密码

（一）组件的构成要素（二）创建首个Vue组件实例三、进阶之路：组件通信的艺术（一）父子组件间的通信之道（二）兄弟组件与跨层级通信的谋略四、实战演练：打造Vue.js组件库（一）规划组件库架构（二）开发实用组件五
小周不想卷·2025-01-17 16:58

【机器学习：三十一、推荐系统：从基础到应用】

1.推荐系统概述推荐系统是一种根据用户的兴趣和偏好，为用户提供个性化建议的技术，广泛应用于电子商务、流媒体平台和社交媒体等领域。通过分析用户行为数据，推荐系统可以帮助用户发现他们感兴趣的内容，同时提升平台的用户体验和商业收益。定义与作用推荐系统是一种数据过滤技术，旨在从海量数据中筛选出用户可能感兴趣的信息。它不仅能提升用户的满意度，还能增加平台的转化率和黏性。分类推荐系统主要分为以下三类：基于内容
KeyPan·2025-01-17 15:54

【机器学习：三十、异常检测：原理与实践】

1.异常检测概述异常检测（AnomalyDetection）是一种用于识别数据中异常模式或异常点的技术，旨在发现与大部分数据行为不同的样本。它在工业监控、网络安全、金融欺诈检测等领域具有广泛应用。异常检测的目标是找到那些偏离正常行为的数据点，这些数据点可能代表错误、故障、攻击或其他需要特别关注的情况。核心概念异常通常分为以下三种类型：点异常：单个数据点显著偏离正常分布（例如，银行交易中突然的巨额消
KeyPan·2025-01-17 15:24

【机器学习：二十九、K-means算法：原理与应用】

1.K-means概述K-means是一种经典的无监督学习算法，广泛应用于数据聚类任务。其核心思想是将数据集划分为kkk个簇，使得每个簇内的样本尽可能相似，同时不同簇之间尽可能不同。K-means的简单性和高效性使其在模式识别、图像处理、市场分析等领域具有广泛应用。核心思想基于欧几里得距离度量数据点之间的相似性。不断优化簇中心位置，最小化簇内样本与其中心点之间的总距离（即误差平方和，SSE）。适用
KeyPan·2025-01-17 15:23

人工智能下的MASS服务架构

2.MaaS的起源与概念MaaS的概念最早由美国数据科学家DJ·帕蒂尔在2012年提出，即“将机器学习算法打包成可重复使用的服务，使企
从零开始学习人工智能·2025-01-17 15:52

2025年极速申请永久免费通配符SSL证书

通配符SSL证书又叫泛域名SSL证书，它可以保护一个主域名以及下级所有的子域名，是非常实用的。
·2025-01-17 15:16

有哪些实用方法？

在科研的道路上，筛选文献就像是大海捞针，找对了方法，就能快速锁定那些有价值的信息。尤其是在实验方向尚未确定时，如何从海量文献中筛选出“金子”，就显得尤为重要。关键的第一步：精准筛选当你面对一堆英文文献时，首先得明白，不是每一篇文献都值得你细读。这时候，筛选的技巧就显得至关重要。以下是如何快速而精准地进行筛选：快速阅读技巧：先看摘要和结论：这是最快速了解文章核心的方法。如果这两部分都看不懂或者不感兴
paixiaoxin·2025-01-17 15:45

2025年永久免费通配符SSL证书申请教学

通配符SSL证书可以保护一下主域名以及下级所有的子域名，是非常实用的。
·2025-01-17 15:44

【机器学习】—时序数据分析：机器学习与深度学习在预测、金融、气象等领域的应用

云边有个稻草人-CSDN博客目录引言1.时序数据分析基础1.1时序数据的特点1.2时序数据分析的常见方法2.深度学习与时序数据分析2.1深度学习在时序数据分析中的应用2.1.1LSTM（长短期记忆网络）2.2深度学习在金融市场预测中的应用2.2.1股票市场预测2.3深度学习在设备故障检测中的应用3.强化学习与时序数据分析3.1强化学习的基本概念3.2强化学习在金融市场中的应用3.3强化学习在设备故
云边有个稻草人·2025-01-17 14:13

【机器学习】主动学习-增加标签的操作方法-样本池采样（Pool-Based Sampling）

Pool-BasedSamplingPool-basedsampling是一种主动学习（ActiveLearning）方法，与流式选择性采样不同，它假设有一个预先定义的未标注样本池，算法从中选择最有价值的样本进行标注，以提升模型的性能。这种方法广泛应用于需要人工标注的场景，例如文本分类、图像识别等。核心思想预先准备一个未标注数据池（UnlabeledDataPool）。使用初始标注数据训练一个模型
IT古董·2025-01-17 14:09

十大实用外贸人英语口语 APP

在全球化的商业浪潮中，外贸人穿梭于不同国家的客户之间，英语口语的运用场景极为广泛。从初次与客户线上沟通产品细节，到面对面商务洽谈敲定订单，亦或是在展会现场热情介绍公司优势，流利的口语表达都起着关键作用。然而，学习外贸英语口语并非易事，既要掌握专业的商务词汇，像各类贸易术语“FOB、CIF”，又要熟悉不同文化背景下的交流习惯，避免因文化差异产生误解，还要能随时应对突发状况下的灵活对话，种种难点让外贸
Adfdddd007·2025-01-17 14:07

【机器学习：二十、拆分原始训练集】

1.如何改进模型模型的改进需求在机器学习任务中，模型性能的提升通常受限于训练数据、模型架构、优化方法及超参数设置等。模型改进的目标是在测试数据上表现更优，避免过拟合或欠拟合。
KeyPan·2025-01-17 13:35

【python】zip()函数介绍

一、说明zip是Python中一个非常实用的内置函数，用于将可迭代的对象（如列表、元组、字典等）作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的对象（注意，返回的其实是一个迭代器）
叶阿猪·2025-01-17 13:04

【机器学习】---神经架构搜索（NAS）

这里写目录标题引言1.什么是神经架构搜索（NAS）1.1为什么需要NAS？2.NAS的三大组件2.1搜索空间搜索空间设计的考虑因素：2.2搜索策略2.3性能估计3.NAS的主要方法3.1基于强化学习的NAS3.2基于进化算法的NAS3.3基于梯度的NAS4.NAS的应用5.实现一个简单的NAS框架6.总结引言随着深度学习的成功应用，神经网络架构的设计变得越来越复杂。模型的性能不仅依赖于数据和训练方
Undoom·2025-01-17 13:03

使用Supervisor在Ubuntu中实现后台自启动服务

在Ubuntu系统中，Supervisor是一个非常实用的进程管理工具，它可以让你的应用程序在后台运行，并且在系统启动时自动启动这些应用程序。
浪浪山小白兔·2025-01-17 13:30

机器学习模型调优指南

机器学习模型调优指南机器学习模型参数调优的作用在于优化模型的性能，使其能够在给定任务上更好地泛化和预测。通过合理调整模型的超参数，能够提高模型的准确性、降低过拟合或欠拟合的风险、加快训练过程等。
闵少搞AI·2025-01-17 13:00

Java 大视界 -- Java 开发 Spark 应用：RDD 操作与数据转换

ApacheSpark是一个强大的分布式计算框架，提供了高效的数据处理能力，广泛应用于大数据分析与机器学习。Spark提供了多种高级API，支持批处理和流处理。
一只蜗牛儿·2025-01-17 12:26

回顾 2024 年 19 期C#/.NET/.NET Core技术前沿周刊

记录、追踪C#/.NET/.NETCore领域、生态的每周最新、最实用、
追逐时光者·2025-01-17 12:25

如何在 Docker 中限制CPU和内存的使用 ？

本文将深入探讨有效设置这些限制的实用策略，并提供Dockerfile和DockerCompose的示例。SettingLimitswithDock
·2025-01-17 10:53

转载一片Mac电脑iterm2配置rz、sz命令超级实用

rz、sz是什么意思？rz即recv-zmodem，receivezmodem接收协议（对服务器），对本机表现为上传。sz即send-zmodem，sendzmodem发送协议（对服务器），对本机表现为下载。zmodem是一种传输协议（属于SecureCRT），该协议只能可靠地传输大小不超过4GB的文件核心文件iterm2-recv-zmodem.sh#!/bin/bash#Author:Matt
抹了岁月的杀猪刀·2025-01-17 09:26

ubuntu grub 没有windows_WIN10/Ubuntu双系统常见问题

（当时的ubuntu版本为16版）当时参考的是这篇安装教程：实用教程：PC实现Win10/Ubuntu双系统-Ubuntu,双系统,Linux-IT之家www.ithome.com1.WIN10重启无法进入
weixin_39691968·2025-01-17 09:54

小白也能懂的 Python 入门指南（1）——Python 的前世今生

在人工智能、机器学习日趋火热的时代，Python又赶上了一波AI的热潮，即使你没系统的学习过它，相信你也一定听说过吧，如果你也对Python产生了浓厚的兴趣，跟我一起来了解下它的前世今生
荆州克莱·2025-01-17 07:42

AI大模型

系列简书文章目录https://www.jianshu.com/p/d47d5cdc8a3e本篇目录AI大模型什么是AI大模型AI大模型，通常指的是在人工智能领域中，特别是机器学习和深度学习范畴内，具有巨大参数量和复杂结构的模型
荆州克莱·2025-01-17 07:12

深度学习：从基础到实践（上、下册）(安德鲁·格拉斯纳)

（pdf）:python33+(0m深度学习概述：深度学习是机器学习的一个分支，它试图通过使用深层神经网络来模拟人脑的学习过程。
fyjgfyjfg·2025-01-17 07:11

数据仓库的复用性：深入的主题域设计方案

以下是深入的主题域设计方案，涵盖从基础理论、业务分析到技术实现的各个层面，力求全面、实用，适用于复杂业务场景（例如：企业级多租户SaaS系统或跨领域的大型数据仓库建设）。
PersistDZ·2025-01-17 06:00

《量子计算对人工智能发展的深远影响》

加速机器学习训练机器学习，尤其是深度学习，通常需要处理海量数据和复杂的模型训练，耗时极长。量子计算的并行性可使训练过程大幅加速
·2025-01-17 05:02

Go 并发控制：errgroup 详解

本文公众号地址：https://mp.weixin.qq.com/s/kqfIPS77B_LWLf5h4dLDGwerrgroup是Go官方库x中提供的一个非常实用的工具，用于并发执行多个goroutine
·2025-01-17 05:00

2024年诺贝尔奖揭晓:机遇与挑战并存

诺贝尔物理学奖:意外的突破一次颁奖的震撼诺贝尔奖的官方网站指出,霍普菲尔德和辛顿因其在人工神经网络和机器学习领域的基础性研究而获奖。他们的
·2025-01-17 04:56

ChatRec的实践：交互式推荐系统的进步

交互式推荐系统，Chat-Rec，对话推荐，自然语言处理，机器学习，用户行为分析，个性化推荐1.背景介绍推荐系统作为互联网时代的重要技术支柱，在电商、社交媒体、内容平台等领域发挥着至关重要的作用。
AI大模型应用之禅·2025-01-17 03:39

AI如何帮助电商企业进行数据分析

电商数据分析，人工智能，机器学习，深度学习，推荐系统，预测模型，客户画像1.背景介绍在当今数字化时代，电商行业蓬勃发展，数据成为企业最重要的资产。
AI大模型应用之禅·2025-01-17 03:09

神经架构搜索在大模型效率优化中的应用

神经架构搜索，大模型，效率优化，自动机器学习，深度学习1.背景介绍近年来，深度学习模型取得了令人瞩目的成就，在图像识别、自然语言处理、语音识别等领域展现出强大的能力。
AI大模型应用之禅·2025-01-17 03:06

机器学习——逻辑回归

逻辑回归技术文档目录简介逻辑回归的基本概念逻辑回归的数学原理逻辑回归的实现步骤代码示例逻辑回归的应用逻辑回归的优化方法逻辑回归的局限性逻辑回归的扩展与变体逻辑回归与其他算法的对比总结简介逻辑回归（LogisticRegression）是一种广泛应用于分类问题的统计方法。尽管名字中有“回归”二字，但逻辑回归实际上是一种分类算法，主要用于二分类问题，但也可以通过扩展用于多分类问题。逻辑回归通过使用逻辑
口_天_光健·2025-01-17 03:33

【机器学习：十五、神经网络的编译和训练】

1.TensorFlow实现代码TensorFlow是深度学习中最为广泛使用的框架之一，提供了灵活的接口来构建、编译和训练神经网络。以下是实现神经网络的一个完整代码示例，以“手写数字识别”为例：importtensorflowastffromtensorflow.kerasimportlayers,models#加载MNIST数据集(x_train,y_train),(x_test,y_test)
KeyPan·2025-01-17 02:28

【机器学习：十六、其他的激活函数】

1.Sigmoid激活函数的替代方案Sigmoid激活函数在神经网络中曾广泛使用，其数学公式为：σ(x)=11+e−x\sigma(x)=\frac{1}{1+e^{-x}}σ(x)=1+e−x1输出范围为(0,1)，适合二分类问题。但随着深度学习的发展，Sigmoid函数逐渐被替代，主要原因包括：梯度消失问题：当输入绝对值较大时，梯度趋近于零，导致权重更新困难。非零中心问题：输出值始终为正，可能
KeyPan·2025-01-17 02:28

大数据新视界 -- 大数据大厂之 Hive 数据压缩算法对比与选择（下）（20 / 30）

在这里，你们不仅能够收获既富有趣味又极为实用的内容知识，还可以毫无拘束地畅所欲言，尽情分享自己独特的见解。我真诚地期待着你们的到来，愿我们能在这片小小的天地里共同成长，共同进步。本博客的精华专栏：大数
青云交·2025-01-17 01:14

大数据新视界 -- 大数据大厂之 Hive 数据安全：权限管理体系的深度解读（上）（15/ 30）

在这里，你们不仅能够收获既富有趣味又极为实用的内容知识，还可以毫无拘束地畅所欲言，尽情分享自己独特的见解。我真诚地期待着你们的到来，愿我们能在这片小小的天地里共同成长，共同进步。本博客的精华专栏：大数
青云交·2025-01-17 01:14

大数据新视界 -- 大数据大厂之 Impala 性能优化：融合人工智能预测的资源预分配秘籍（上）（29 / 30）

在这里，你们不仅能够收获既富有趣味又极为实用的内容知识，还可以毫无拘束地畅所欲言，尽情分享自己独特的见解。我真诚地期待着你们的到来，愿我们能在这片小小的天地里共同成长，共同进步。本博客的精华专栏：大数
青云交·2025-01-17 01:43

大数据新视界 -- 大数据大厂之 Impala 性能提升：高级执行计划优化实战案例（下）（18/30）

在这里，你们不仅能够收获既富有趣味又极为实用的内容知识，还可以毫无拘束地畅所欲言，尽情分享自己独特的见解。我真诚地期待着你们的到来，愿我们能在这片小小的天地里共同成长，共同进步。本博客的精华专栏：大数
青云交·2025-01-17 01:13

大数据新视界 --大数据大厂之数据脱敏技术在大数据中的应用与挑战

在这里，你们不仅能够收获既富有趣味又极为实用的内容知识，还可以毫无拘束地畅所欲言，尽情分享自己独特的见解。我真诚地期待着你们的到来，愿我们能在这片小小的天地里共同成长，共同进步。本博客的精华专栏：大数
青云交·2025-01-17 01:13
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他