Datawhale开源学习第17页

深度学习和经典统计学是一回事？

Datawhale干货作者：BoazBarak，编辑：机器之心深度学习和简单的统计学是一回事吗？很多人可能都有这个疑问，毕竟二者连术语都有很多相似的地方。

Datawhale·2023-01-07 14:25

人工智能本科专业高校名单大全（440所）

Datawhale干货编辑：机器之心、Datawhale文章有点长，目录预览：清华大学刘知远教授答疑各大开设人工智能的院校在计算机专业和人工智能日益火爆的当下，很多人对这两个专业又是好奇又是憧憬。

Datawhale·2023-01-06 10:58

哈工大车万翔：自然语言处理范式正在变迁

Datawhale干货作者：车万翔，哈工大教授，编辑：李rumor最近几天被OpenAI推出的ChatGPT[1]刷屏了，其影响已经不仅局限于自然语言处理（NLP）圈，就连投资圈也开始蠢蠢欲动了，短短几天

Datawhale·2023-01-06 10:28

DataWhale——《深入浅出Pytorch》4

DataWhale——《深入浅出Pytorch》4一、前言二、torchvisioniswhat(torchvision简介)？

Kevin_0629·2023-01-05 14:15

Learn NLP with Transformer (Chapter 7)

7.文本分类Task07文本分类本次学习参照Datawhale开源学习：https://github.com/datawhalechina/learn-nlp-with-transformers内容大体源自原文

黑小板·2023-01-05 05:32

Datawhale组队学习NLP_Bert多项选择学习笔记

本文为学习Datawhale2021.8组队学习NLP入门之Transformer笔记原学习文档地址：https://github.com/datawhalechina/learn-nlp-with-transformers

宝友你好·2023-01-05 05:32

第29期Datawhale组队学习——NLP之transformer

目录前言学习路线Task01：熟悉规则，学习概览（9.13）1、环境配置+本地阅读2、NLP之Transformers初了解Task02：attention和transformer（9.14、9.15）1、Attention2、Transformer3、Pytorch编写完整的TransformerTask03：学习BERT（9.16、9.17）1、图解BERT2、模型结构3、与训练任务4、BER

yep吖·2023-01-04 18:55

《Datawhale强化学习教程》出版！回馈读者，包邮送！

Datawhale开源贡献者：Datawhale开源项目组作为人工智能里最受关注的领域之一，强化学习的热度一直居高不下，但它的学习难度也同样不低。

机器学习与AI生成创作·2023-01-03 11:00

【Python】Python环境配置保姆教程（Anaconda、Jupyter、GPU环境）！

作者：吴永强，东北大学，Datawhale团队成员1.写在前面搞算法的同学也都明白，一个比较完美的python环境是多么的重要。

风度78·2023-01-02 22:11

pandas dataframe函数_Joyful-Pandas 学习笔记（1）——Pandas 基础

代码取自Datawhale仓库joyfulpandasgithub.com首先要安装Pandas版本在1.0.1以上import查看Pandas版本pdcsv/txt/xlsx文件读取df这里要注意读取

weixin_39819393·2023-01-02 18:19

Datawhale组队学习NLP_Bert序列标注学习笔记

本文为学习Datawhale2021.8组队学习NLP入门之Transformer笔记原学习文档地址：https://github.com/datawhalechina/learn-nlp-with-transformers1

宝友你好·2023-01-02 15:59

图解GPT-2（完整版）！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货译者：张贤，哈尔滨工程大学，Datawhale原创作者干货长文，建议收藏阅读，收藏等于看完。

Datawhale·2023-01-02 10:33

设计模式-牛刀小试02

前言本文为datawhale2022年12月组队学习《大话设计模式》最后一次打卡任务，本次完成homework2。

不让人放心·2023-01-01 20:30

【深度学习】PyTorch 常用 Tricks 总结

作者：z.defying转载自：Datawhale目录：1指定GPU编号2查看模型每层输出详情3梯度裁剪4扩展单张图片维度5独热编码6防止验证模型时爆显存7学习率衰减8冻结某些层的参数9对不同层使用不同学习率

风度78·2023-01-01 09:27

AI绘画爆火背后：扩散模型原理及实现

Datawhale干货技术：Diffusion扩散模型最近爆火的AI绘图，相信大家并不陌生了。

Datawhale·2023-01-01 07:32

吴恩达的2022年终盘点：生成式AI、ViT、大模型

Datawhale干货作者：吴恩达，斯坦福大学，编辑：智源社区近日，吴恩达在圣诞节的《TheBatch》特刊上发布了一年一度的年终盘点。

Datawhale·2023-01-01 07:31

一文探索“预训练”的奥秘！

Datawhale干货作者：王奥迪，单位：中国移动云能力中心2022年下半年开始，涌现出一大批“大模型”的优秀应用，其中比较出圈的当属AI作画与ChatGPT，刷爆了各类社交平台，其让人惊艳的效果，让AI

Datawhale·2023-01-01 07:29

入门数据挖掘-心电图信号预测datawhale组队学习笔记-task5 模型融合

心电图信号预测-task5模型融合1.融合方法1.1简单加权融合1.2stacking/blending[^1]1.2.1stacking1.2.2blending1.3boosting/bagging2.代码示例2.1回归(分类概率)融合2.2Stacking融合(回归)2.3分类模型融合2.3.1Voting投票机制2.3.2分类的Stacking/Blending融合1.融合方法1.1简单加

coder帅·2022-12-31 12:46

SpringBoot+Mybatis-Plus+Thymeleaf+Bootstrap分页查询（前后端完整版开源学习）图书管理系统

目录分页主要逻辑，在3.7和3.81.准备工作1.1参考博客1.2项目结构2.数据库3.详细代码部分3.1pom依赖3.2application.yml3.3BookMapper.xml3.4BookMapper3.5BookService和BookServiceImpl3.6实体类entitybook3.7控制层BookController3.8前端页面bookList.html3.9工具类3.

kenwm·2022-12-30 17:42

面经：什么是Transformer位置编码？

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：陈安东，中央民族大学，Datawhale成员过去的几年里，Transformer大放异彩，在各个领域疯狂上分

Datawhale·2022-12-30 11:28

深度学习笔记（李宏毅）DataWhale八月组队

文章目录机器学习介绍回归模型步骤模型假设-线性模型模型评估-损失函数最佳模型-梯度下降验证模型好坏ERRORbias大，欠拟合var大，过拟合K-fold交叉验证梯度下降法（GD）调整学习率自适应学习率Adagrad算法RMSProp算法Adam=RMSProp+MomentumLearningRateScheduling随机梯度下降（SGD）特征缩放（FeatureNormalization）标

zhaoliguaner·2022-12-30 11:22

五月份组队学习【吃瓜教程】Task04-05打卡笔记

本次吃瓜教程是Datawhale组织的组队学习。学习资料由开源学习组织Datawhale提供。

miskirito·2022-12-30 10:20

【DW组队学习—吃瓜教程】task5：概览西瓜书+南瓜书第6章

参考资料：1、周志华《机器学习》2、B站up主‘二次元的Datawhale’《【吃瓜教程】《机器学习公式详解》（南瓜书）与西瓜书公式推导直播合集》

0_×·2022-12-30 10:13

Datawhale吃瓜教程Task5

参考资料：第6章-支持向量机_哔哩哔哩_bilibili第6章-软间隔与支持向量回归_哔哩哔哩_bilibili

丝竹青云·2022-12-30 10:33

Learn NLP with Transformer (Chapter 6)

BERT应用Task06BERT应用本次学习参照Datawhale开源学习：https://github.com/datawhalechina/learn-nlp-with-transformers内容大体源自原文

黑小板·2022-12-30 10:28

Tensorflow基础入门十大操作总结

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：李祖贤，Datawhale高校群成员，深圳大学TensorFlow是一个开源的、基于Python的机器学习框架

Datawhale·2022-12-30 08:09

我们做了一个智能零售结算平台

Datawhale分享作者：颜鑫，Datawhale成员目前在零售行业的实际运营过程中，会产生巨大的人力成本，例如导购、保洁、结算等，而其中，尤其需要花费大量的人力成本和时间成本在识别商品并对其进行价格结算的过程中

Datawhale·2022-12-30 07:06

【深度强化学习】6. Q-Learning技巧及其改进方案

【DataWhale打卡】第四次任务，主要是重新学习一下李宏毅的Q-learning部分的知识，推导很多。之前看的时候就是简单过了一遍，很多细节没有清楚。

*pprp*·2022-12-29 12:17

吴恩达最新采访！以数据为中心的原因

Datawhale干货编译：维克多、王晔，来源：AI科技评论吴恩达是人工智能（AI）和机器学习领域国际最权威的学者之一，最近一年里，他一直在提“以数据为中心的AI”，希望将大家的目光从以模型为中心转向以数据为中心

Datawhale·2022-12-28 18:21

Datawhale 图神经网络 Task01简单图论与环境配置与PyG库

1.简单图论用neo4j生成了一张图用以简单的了解图以及其背后的知识。首先，这张图有两种元素构成，节点和边，对应的就是实体和关系。然后节点油分为两类，一类是人，另一类是电影。图其实就是把语言以图的形式表现出来，重点是强调各个个体之间的关系，在这个万物互联的时代，图显得更加贴切实际了。自然而然的想到，图会包含节点属性，边属性，行走连同等等方面的特点，这都是为了充分考虑图的特性。当我们把自然语言或者实

Andrew_zjc·2022-12-28 17:09

零基础入门语义分割-地表建筑物识别 Task1 赛题理解 -学习笔记

比赛地址：零基础入门语义分割比赛-地表建筑物识别，该比赛是由天池和Datawhale联合举办的学习赛，进入比赛页面可以下载相关的数据集。学习任务：学习任务，查看学习任务，有层次递进的进行学习。

light-124·2022-12-28 15:07

深度学习撞墙了！

Datawhale干货编辑：机器之心早在2016年，Hinton就说过，我们不用再培养放射科医生了。如今几年过去，AI并没有取代任何一位放射科医生。问题出在哪儿？

Datawhale·2022-12-28 08:15

《机器学习》读书笔记2--线性模型

目录线性模型基本形式线性回归对数几率回归线性判别分析多分类学习类别不平衡问题ps.写在前面，本文是在参加datawhale组队学习，学习周志华老师的《机器学习》过程的学习笔记。

tiantizzz·2022-12-27 21:56

《机器学习》学习笔记（第3章线性模型）

《机器学习》学习笔记（第3章线性模型）参考资料：周志华《机器学习》以及Datawhale吃瓜教程机器学习三要素首先回顾一下直播课中概括的机器学习三要素：模型：根据具体问题，确定假设空间策略：根据评价标准

SongzeLiCEMA·2022-12-27 21:54

Numpy语法笔记（九）随机抽样

https://github.com/datawhalechina/team-learning-program/tree/master/IntroductionToNumpy随机抽样numpy.random

sunshinecxm_BJTU·2022-12-27 11:54

高校逐梦元宇宙，是风口还是噱头？

Datawhale干货来源：澎湃美数课编辑：李昊浩设计：王亚赛前言近日，Meta宣布裁员超11000人，被Meta寄予厚望的元宇宙平台HorizonWorlds月活用户不足20万，元宇宙开发部门2021

Datawhale·2022-12-27 11:16

easyRL学习笔记：强化学习基础

https://datawhalechina.github.io/easy-rl/#/chapter1/chapter1pipinstallgym配置开发环境https://book.douban.com

irrationality·2022-12-26 23:34

强化学习算法Q-learning学习

TCCCLY·2022-12-26 23:29

Day14-集成学习-机器学习-案例一：幸福感预测(DataWhale)

案例一：幸福感预测需要使用包括个体变量(性别、年龄、地域、职业、健康、婚姻与政治面貌等)、家庭变量(父母、配偶、子女、家庭资本)、社会态度(公平、信用、公共服务)等139个维度来预测其对幸福感的影响。1.基本信息数据信息维度：139个数据集：8000组预测值：(1,2,3,4,5)。1最低，5最高评价指标使用均方误差MSE，即Score=1n∑1n(yi−y∗)2Score=\frac{1}{n}

liying_tt·2022-12-26 14:20

机器学习笔记(第四章决策树)

机器学习（周志华著）Datawhale打卡第三天第四章决策树算法基本流程决策树是一种常见的机器学习算法。以二分类任务为例，算法从根节点开始，经过若干内部节点判断，到达某个叶子节点判定结果。如图所示。

猪里程·2022-12-26 04:18

图神经网络的解释性综述！

Datawhale干货来源：纪厚业，北京邮电大学，图与推荐编辑：数据派THU本文约1.5w字，干货满满，建议收藏本文对近期提出的GNN解释技术进行了系统的总结和分析，归纳对比了该问题的解决思路。

机器学习算法那些事·2022-12-25 21:21

【Datawhale组队学习Pytorch】Task03

【项目简介】PyTorch是利用深度学习进行数据科学研究的重要工具，在灵活性、可读性和性能上都具备相当的优势，近年来已成为学术界实现深度学习算法最常用的框架。考虑到PyTorch的学习兼具理论储备和动手训练，两手都要抓两手都要硬的特点，我们开发了《深入浅出PyTorch》课程，期望以组队学习的形式，帮助大家从入门到熟练掌握PyTorch工具，进而实现自己的深度学习算法。学习的先修要求是，会使用Py

听小瑜·2022-12-25 15:01

机器学习数学本质的理解

Datawhale干货作者：鄂维南院士，来源：科学智能AISI北京时间2022年7月8日晚上22:30，鄂维南院士在2022年的国际数学家大会上作一小时大会报告(plenarytalk)。

Datawhale·2022-12-25 15:51

数据分析——泰坦尼克号乘客数据集

数据分析——泰坦尼克号（五）第三章数学模型的建立和评估泰坦尼克号乘客数据：https://www.kaggle.com/c/titanic/overviewDatawhale开源课程：https://github.com

Compass_NULL·2022-12-25 10:06

【Datawhale学习笔记】Pytorch整体框架搭建入门——MNIST时装分类02

在上一篇文章中，有关利用Pytorch完成神经网络的模型搭建已经完成了。从整体流程来看，把神经网络的学习看作是1.数据预处理2.模型的设计3.损失函数以及优化方案设计4.前向传播5.反向传播6.更新参数这6个步骤，其实只完成了前2步。在这篇文章中，开始真正对模型的训练。第3步：损失函数以及优化方案设计机器学习和深度学习中针对任务目标（回归/分类）定义了损失函数，比如回归里的最小平方偏差MSD，多分

tigerwang29·2022-12-25 09:20

【Datawhale学习笔记】Pytorch整体框架搭建入门——MNIST时装分类01

神经网络的学习主要包含了以下几个过程：1.数据预处理2.模型的设计3.损失函数以及优化方案设计4.前向传播5.反向传播6.更新参数上述6点在我看来，前3点是体现了神经网络的设计艺术的——如果把神经网络的学习看作是人和机器的合作，那么前3点工作无疑是需要人工去完成的。在利用Pytorch编写神经网络代码时，前三点往往比较让我头大，特别是第一点！简直像是变形金刚一样，对着数据各种操作，最终把他们变成符

tigerwang29·2022-12-25 09:50

12个领域，55部分， AI 学习资源全整理

来源|Datawhale本文由知名开源平台，AI技术平台以及领域专家：Datawhale，ApacheCN，AI有道和黄海广博士联合整理贡献，内容涵盖AI入门基础知识、数据分析\挖掘、机器学习、深度学习

xinshucredit·2022-12-25 01:36

第27期 Datawhale 组队学习吃瓜教程——西瓜书+南瓜书第一章和第二章 / 周志华《机器学习》

摘要：本文是包含第一章和第二章的理论及推导内容说明：本次学习是基于西瓜书，南瓜书，及部分网上参考资料（链接会放在最后）目录摘要：本文是包含第一章和第二章的理论及推导内容说明：本次学习是基于西瓜书，南瓜书，及部分网上参考资料（链接会放在最后）第一章绪论1.1理论1.1.1基本术语1.1.2假设空间1.1.3版本空间1.1.4归纳偏好1.2理论推导第二章模型评估和选择2.1理论2.1.1经验差和过拟合

weixin_45856170·2022-12-24 14:47

[Datawhale组队学习|李宏毅机器学习]学习笔记03

本篇笔记包含学习章节：P5误差从哪来P6梯度下降P7梯度下降（用AOE演示）P8梯度下降（用Minecraft演示）目录一、误差的来源二、梯度下降（一）学习率的选择（1）手动调整（2)自适应学习率（3）Adagrad算法（4）随机梯度下降法（5）特征缩放（二）梯度下降法的数学基础（三）梯度下降的限制：局部最优一、误差的来源error来自于bias和variance。关于偏差和方差的认识可以从射箭的

喜欢皂粉·2022-12-24 14:16

【2021.07】datawhale组队学习李宏毅task03

文章目录误差的来源估测bias和variance估测估测x的偏差和方差评估x的偏差估测x的方差多个f不同模型的方差不同模型的偏差偏差v.s.方差误差来自方差还是偏差？偏差大-欠拟合方差大-过拟合模型选择交叉验证N-foldcrossvalidationgradientdescentadaptivelearningrateAdagrad是什么？Adagrad举例多参数下结论不一定成立进一步的解释随机

Mounvo·2022-12-24 14:10

推荐频道

Datawhale开源学习