Datawhale开源学习

【机器学习】西瓜书学习笔记01

基于周志华《机器学习》一书所作笔记，得益于参加datawhale的学习小组，将知识读薄理解，输出以感悟，读厚以加深理解，从而形成自己的框架。希望大家也能一起进行开源学习，进一寸有一寸的欢喜。
Howe_xixi·2022-11-19 15:45

Datawhale学习笔记-飞桨AI-Task02：头脑风暴：让人拍案叫绝的创意是如何产生的？

今天依然是简单做个笔记。重视创意：好项目需要创意1.以终为始：从需求出发，挖掘好创意，场景驱动项目如：社会治理、产业需求、趣味游戏2.数据先行：围绕已有的开源数据集去思考应用场景及实现技术数据集平台：AIStudio、格物钛、Kaggle、和鲸等这里再补充记录几个我用到过的：AmazonWebServices（AWS）datasetsGoogledatasetsYoutubelabeledVide
天空David·2022-11-19 14:12

集成学习（上）Task01：熟悉机器学习的主要任务

DataWhale集成学习（上）Task01：熟悉机器学习的主要任务1什么是机器学习2有监督学习导论2.1回归2.2分类这算是我第一次正式、系统学习【机器学习】和【集成学习】，言外之意我就是个小白（交通专业
等等党·2022-11-19 13:57

【Datawhale跨模态实践学习笔记】Jina体验

一、Jina是什么定义简单来说Jina可以帮助你快速把非结构化数据例如图像，文档视频等，转换为向量数据。并结合Jina的其他组件设计，帮助你快速的把向量数据利用起来，实现多模态的数据搜索。三个基本概念Document、Executor和Flow是Jina的三个基本概念。Document是基本的数据类型，它的作用就是可以将非结构化数据与向量数据之间进行映射，具体细节会在DocArray一章中详细阐述
JeffDingAI·2022-11-19 07:19

【Datawhale跨模态实践学习笔记】跨模态模型学习

一、CLIP模型CLIP模型将原有的图像标签替换为图像的文本描述信息，来监督视觉任务的训练，在下游任务中得到了较好的zero-shot的结果。该模型将图像分类问题转换为图文匹配问题，在下游任务（以图像分类为例）的实现中，我们需要先基于图像标签集合，构造textprompt并将其通过clip的textencoder获得文本编码向量，之后，将图片通过imageencoder获得图像编码向量。对于每张图
JeffDingAI·2022-11-19 07:19

VCED跨模态学习与实践（二）

文章目录基础实践CLIP模型和JinaNow基础实践参考：https://github.com/datawhalechina/vced/blob/main/docs/source/user_guide/
irrationality·2022-11-19 07:17

2022011-跨模态实践 Task02 Jina 生态

本笔记为DataWhale11月跨模态实践课程的学习内容，链接为：https://github.com/datawhalechina/vced/blob/main/README.md目录一、成功启动grpc
MickWang1942·2022-11-19 07:17

datawhale 11月学习——水很深的深度学习：循环神经网络

前情回顾深度学习概述和数学基础机器学习基础前馈神经网络概述本次学习结合了李宏毅机器学习的相关章节进行学习，从首先补充了计算图的相关知识，随后，学习了RNN的结构，训练，及可能遇到的梯度消失的问题；再进步学习了LSTM的结构，和例子。同时简单使用torch进行了代码实现。还了解了其他经典的循环神经网络，及其主要应用。目录前情回顾概述1计算图2RNN2.1为什么需要RNN2.2RNN的简单案例2.3基
SheltonXiao·2022-11-19 07:26

[datawhale202210]李宏毅机器学习2021：机器学习模型的可解释性

结论速递可解释性是不可缺少的，因为我们需要在借助机器学习模型做出决策时了解机器学习模型做出决策的原因。模型原生的可解释性和模型本身的拟合能力之间存在着一定的矛盾，线性模型可解释性好，但拟合能力差，而神经网络则恰恰相反。兼具强可解释性和强拟合能力的决策树模型，在实际应用当中也会陷入可解释性变差的困境。我们所探讨的可解释性，是试图给黑箱的模型一个原因，来帮助决策。模型的可解释性分为Local和Glob
SheltonXiao·2022-11-19 07:56

[datawhale202211]跨模态神经搜索实践：跨模态模型

结论速递本次任务首先了解了CLIP模型及其原理，CLIP模型将图像标签替换为图像的文本描述信息，来监督视觉任务的训练，引入了语义匹配实现下游任务的zero-shot。多模态和跨模态可能是未来模型的发展方向，多模态尝试结合不同信息表达方式的优势，而跨模态进一步探索新的信息表达方式。简单了解了diffusion模型。目录结论速递1CLIP模型1.1CLIP简介1.2CLIP的动机1.3CLIP的原理1
SheltonXiao·2022-11-19 07:56

Datawhale 6月学习——图神经网络：基于GNN的节点预测任务及边预测任务

前情回顾图神经网络：图数据表示及应用图神经网络：消息传递图神经网络图神经网络：基于GNN的节点表征学习1节点预测任务1.1任务简述通过构造一个数据完整存于内存的数据集类，并建立一个多层的图神经网络，来实现节点预测节点预测1.2数据完整存于内存的数据集类所谓数据完整存于内存的数据集类，是指对于占用内存有限的数据集，可以将整个数据集的数据都存储到内存里。本部分主要是理解InMemory数据集类及学会覆
SheltonXiao·2022-11-19 07:26

Datawhale跨模态实践打卡｜一、Mac配置环境

项目地址:https://github.com/datawhalechina/vced环境配置方式一：安装源码由于我的brew版本旧了，出现诸多问题，直接重装了brew，这是一个国内镜像源的下载地址：/
xx要努力学编程·2022-11-19 07:52

[datawhale202211]跨模态神经搜索实践：Jina生态

结论速递Jina生态有两个重要的组成成分：Jina结构本身，以及数据形式DocArray。Jina的基本结构包含三部分：Flow，Executor，还有客户端Client，理解他们之间的交互关系很重要。DocArray是Jina的数据形式，实现多模态数据处理的重要环节。本次task熟悉了文本，图像及视频三种形式的DocArray的处理。前情提要环境配置目录结论速递前情提要1Jina简介1.1了解J
SheltonXiao·2022-11-19 07:10

李宏毅机器学习Day03之误差

不同模型的方差不同模型的偏差偏差与方差解决方案：tradeoffbetweenbiasandvarience偏差太大：方差太大：模型选择交叉验证参与了datawhale组队学习，李宏毅老师机器学习课程学习打卡课程资料
心yu·2022-11-19 04:05

李宏毅机器学习Day01之机器学习介绍

Supervisedlearning1Regression2Classification3StructuredlearningSemi-supervisedlearningTransferlearningUnsupervisedlearning参与了datawhale
心yu·2022-11-19 04:04

DataWhale 深度学习 第二次打卡

第二次打卡学习笔记1.过拟合欠拟合及其解决方案2.梯度消失与梯度爆炸3.循环神经网络进阶4.机器翻译及相关技术5.注意力机制与Seq2seq模型6.Transfomer7.卷积神经网络基础8.LeNet9.卷积神经网络进阶过拟合欠拟合及其解决方案在解释过拟合和欠拟合现象之前，我们需要区分训练误差（trainingerror）和泛化误差（generalizationerror）。通俗来讲，前者指模型
H_opeful·2022-11-19 04:48

Datawhale-李宏毅机器学习-task01

AsthesourceofthegroupstudytasksofDatawhaleistheChineseversionofLee’sMLcourse,IamtryingtomakeanEnglishversionnotesofthecourse.Therefore
叶xinwu·2022-11-19 02:33

Datawhale-李宏毅机器学习-task02

estimateTheP3vediogivesadifferentviewtoregressionmodel.Comparedwiththetraditionalregressionmodel,animportantdifferenceisthattheregressionsectionofMLcourseisbasedongradientdescent,whilethetraditionalre
叶xinwu·2022-11-19 02:33

李宏毅机器学习-Task1

李宏毅机器学习–Task1很开心能够参加Datawhale十月组队学习活动,今天起我将在CSDN上发布我的李宏毅机器学习课程学习笔记。
天气冷冷的_ncepu·2022-11-19 02:51

Datawhale 李宏毅机器学习 Task2

RegressionRegression实践Regression就是找到一个函数function，通过输入特征x，输出一个数值Scalar。Step1.ModelAsetoffunctionf1,f2,…f_1,f_2,\dotsf1,f2,…linearmodels:$y=b+\sumw_ix_i$xix_ixi:feature,$w_i$:weight,bbb:biasStep2.Goodne
STUffT·2022-11-19 02:48

Datawhale 李宏毅机器学习 Task3

误差和梯度下降1.误差从哪里来？Error的来源估测为什么会有很多的模型？偏差VS方差模型选择2.梯度下降法调整学习率随机梯度下降法特征缩放1.误差从哪里来？Error的来源Bias:偏差variance:方差噪声偏差(Bias)和方差(Variance)——机器学习中的模型选择估测评估x的偏差评估x的方差为什么会有很多的模型？不同的数据集考虑不同模型的方差简单模型：方差较小；复杂模型：方差较大（
STUffT·2022-11-19 02:48

Datawhale-车道渲染数据智能质检

车道渲染数据智能质检学习任务及时间点1.报名并理解赛题任务2.配置环境2.1基本概念2.2CUDA安装2.3相关shell指令2.4下载并解压数据2.5创建虚拟环境，并安装需要的库3.baseline实践3.1配置jupyternotebook3.2运行代码4.数据处理、算法应用技能学习4.1多GPU运行设置4.2提升方法4.2.1设置数据扩增4.2.2模型优化4.2.3伪标签4.3结果记录5.相
STUffT·2022-11-19 02:18

datawhale李宏毅机器学习——task07总结

在任务01中，对机器学习的定义、结构和功能有了大致了解。机器学习是为了让机器能够像人一样拥有智慧而设计的一种算法，这种算法最大的特点在于从一堆数据中根据设定的神经网络学习数据中隐含的知识。机器学习的执行步骤，首先，明确要解决的问题类型，是回归还是分类；然后，根据问题类型选择函数集，有线性的非线性的，非线性的就是指深度学习、SVM、KNN这些；最后，根据数据有无标签的特点，选择训练方法。在任务02中
山泼黛·2022-11-19 02:44

Datawhale 李宏毅机器学习 Task2

一、回归的定义和举例定义：Regression就是找到一个函数function，通过输入特征x，输出一个数值Scalar。举例：①股市预测输入：过去10年股票的变动、新闻咨询、公司并购咨询等输出：预测明天股市的平均值②自动驾驶输入：无人车上的各个传感器的数据，例如路况、测出的车距等输出：方向盘的角度③商品推荐输入：商品A的特性，商品B的特性输出：购买商品B的可能性④宝可梦进化的属性预测输入：进化前
社区小萌新·2022-11-19 02:14

datawhale李宏毅机器学习——task04“深度学习简介和反向传播”

深度学习有三个步骤：①选择神经网络②模型评估③选择最优函数神经网络是由神经元按照一定结构连接而成的。经典的连接方式是全连接前馈神经网络：全连接指上一神经层与下一神经层之间两两相连。前馈指的是信息由输入层传递到输出层，流动方向是由后往前传。深度学习中的深度指的是隐藏层有很多层，比如经典的Alexnet有8层，vgg有19层。层数越多，虽然会降低模型的错误率，但运算量也会随之增大。深度学习的本质可以看
山泼黛·2022-11-19 02:14

datawhale李宏毅机器学习——task05“网络设计技巧”

由前面的学习内容知道，建立深度学习的三个步骤是①选择函数集②评估函数③选择最好的函数做完三个步骤之后会得到自己的神经网络，这时候需要检查神经网络的表现，检查哪些方面呢？1)首先是神经网络在训练集上是否得到了好的结果，如果没有，可以回顾前面的步骤进行调整和修改。2)如果在训练集上有好的效果，再看神经网络在测试集上的表现，如果在测试集上效果不好，说明网络出现了过拟合。（值得说明的是，只有当网络在训练集
山泼黛·2022-11-19 02:14

datawhale李宏毅机器学习——task06“卷积神经网络“

卷积神经网络也就是CNN，在图像处理上有很大用处。那为什么要用CNN呢，这种网络相比其他网络有什么得天独厚的优势吗？拿前面提到的很经典的多层前馈神经网络来说，这个网络很重要的一点是后一层与前一层全连接。而神经元与神经元之间连接会有权重参数，这样一来，一张几百个像素点的小尺寸相片也需要几千个参数，这样一来网络太庞杂了，很可能存在冗余。而CNN正是从这一点出发，简化原来这种全连接网络的架构。那cnn如
山泼黛·2022-11-19 02:14

datawhale李宏毅机器学习——task03“误差和梯度下降”

误差：模型越复杂，平均误差反而越大。这种error的主要来源是偏差bias和方差variance。由真实数据训练得到的模型与理想模型之间存在的差距就算是偏差和方差导致的。不同模型的偏差和方差不同。偏差大说明欠拟合。方差大说明过拟合。因此需要在偏差和方差之间权衡一个模型，使得总误差最小。可以通过交叉验证或者n折交叉验证得到的准确率来选择。梯度下降法：这是一种更新参数值的方法。就是每次更新的幅度，由当
山泼黛·2022-11-19 02:44

datawhale李宏毅机器学习打卡—task01“机器学习介绍”

首先，什么是机器学习？机器学习是做什么的？机器学习通过哪些方法来完成想要的目标？机器学习是为了实现人工智能而设计的一种让机器自主学习的方法。传统的人工智能，只是给机器设定简单的程序，在不同的条件下执行不同的输出。这种“智能”很僵硬，没有人类智慧的属性在。因此提出了机器学习，让机器可以像人一样，从认识的事物（一大堆数据）中学习到知识。那机器如何做到这些呢？或者说怎么做呢？首先要明确机器要解决的任务，
山泼黛·2022-11-19 02:43

datawhale李宏毅机器学习打卡——task02“回归”

学习任何知识，最好带着思考和疑问主动地去学，这样能更好地将知识内化，从而学以致用。回归。什么是回归？为什么要回归？如何做到回归？（纵观这一小节，其实就是分这两大块展开讲的）回归按我的理解就是一种找到数学加工厂，你把数据样本的特征给它，它就会吐出一个你想要的值。视频中也是这么讲的，回归就是找到一个function，输入样本特征x，这个function会输出一个数值scalar。为什么要费劲找这样的f
山泼黛·2022-11-19 02:43

【李宏毅机器学习2021】Task02 回归

【李宏毅机器学习2021】本系列是针对datawhale《李宏毅机器学习-202210月》的学习笔记。本次是对回归的学习总结。本节通过视频学习到回归任务的提出，三个要素，及如何优化。
王多头发·2022-11-19 02:02

李宏毅机器学习 ＜Datawhale task3学习笔记＞

文章目录一、误差从哪里来？1，Bias2，Variance二，减小误差1，variance的场合2，bias的场合3，实操时...三，梯度下降1，注意事项与优化①Adagrad②stochasticgradientdecent（随机梯度下降）③FeatureScaling④FormalDerivation2，限制一、误差从哪里来？1，Biasμ：无穷个数据的平均值m：有限个数据的平均值n越多时，值
混沌乌龙茶·2022-11-19 02:31

李宏毅机器学习 ＜Datawhale task2学习笔记＞

文章目录回归（Regression）一，模型假设二，模型评估三，模型优化具体步骤衡量error过拟合redesignregularization总结回归（Regression）一，模型假设有很多因素会决定我们想要的问题的答案。因此我们想要找到一个function，输入已知的影响因素的值(特征input)，输出我们想要的数值output。例：recommendation(ytb,tiktok,etc
混沌乌龙茶·2022-11-19 02:01

Datawhale李宏毅深度学习笔记Task01

Datawhale李宏毅深度学习笔记Task01机器学习介绍人工智能、深度学习、机器学习关系机器学习的框架learningmap为什么需要机器学习？暑假到了，开始深度学习第一天打卡。
Deserant·2022-11-19 02:29

Datawhale李宏毅深度学习笔记Task02

回归回归定义regression是找到一个function，通过输入特征x，输出一个y（scalar）。模型步骤1.model假设，选择model（线性、非线性；一元、多元）y=b+w⋅xcpy=b+w·x_{cp}y=b+w⋅xcp2.model评估，model的好坏判断（损失函数）3.model优化，从model集里面挑选出最好的function（梯度下降）步骤1：随机选取一个w0步骤2：计算
Deserant·2022-11-19 02:29

Datawhale李宏毅深度学习笔记Task03

更加复杂的模型并不能给测试集带来更好的效果，主要原因是bias和varianceError=Bias+Variance参考https://www.zhihu.com/question/27068705https://datawhalechina.github.io
Deserant·2022-11-19 02:29

Datawhale 李宏毅机器学习 Task1

李宏毅机器学习1.引入引入：生物本能思考：如何赋予机器本能？2.机器学习Framework3.机器学习相关技术4.为什么要做机器学习？1.引入引入：生物本能河狸筑造水坝的能力思考：如何赋予机器本能？通过规则（hand-craftedrules）编码存在问题：难以考虑所有可能性永远无法超越创造者大量人工因素2.机器学习machinelearning所做的事情，你可以想成就是在寻找一个function
STUffT·2022-11-19 02:27

扩散模型初探：原理及应用

Datawhale干货作者：张燚钧，单位：中国移动云能力中心联系方式：[email protected]审校：黄元帅最近，谷歌研究团队提出了Imagic模型，其具备基于文本对图像进行编辑的能力，效果堪比
Datawhale·2022-11-19 00:57

Pandas数据分析 ——Task02：索引

教程地址：joyful-pandas/第2章索引——datawhalechinaPandas索引一、单级索引1.loc方法、iloc方法、[]操作符2.布尔索引3.快速标量索引4.区间索引二、多级索引1
nanashi_F·2022-11-18 14:58

回归模型介绍

Datawhale开源学习，机器学习课程，项目地址：https://github.com/datawhalechina/leeml-notes首先讲机器学习中的：回归，回归Regression可以做哪些东西呢
晨哥是个好演员·2022-11-18 14:53

PyTorch(六)——PyTorch可视化

函数打印模型基础信息使用torchinfo可视化网络结构CNN可视化CNN卷积核可视化CNN特征图可视化方法CNNclassactivationmap可视化方法使用TensorBoard可视化训练过程datawhale
一蓑烟雨晴·2022-11-17 11:51

机器学习（周志华）读书笔记 1

评估方法2.2.1留出法2.2.2交叉验证法2.2.3自助法2.2.4调参与最终模型2.3性能度量2.3.1精度与错误率2.3.2查准率与查全率2.4比较检验2.5偏差与方差ps.写在前面，本文是在参加datawhale
tiantizzz·2022-11-16 10:47

【机器学习】周志华西瓜书第一二章

本文为跟随DataWhale组队学习吃瓜教程的学习笔记Task01概览西瓜书第一、二章内容文章目录前言第一章一、绪论1.3假设空间1.4归纳偏好第二章模型评估2.1经验误差与过拟合2.2评估方法2.2.1
Jocelyn_hhh·2022-11-16 07:39

【Datawhale学习笔记】准备VCDE运行环境

一、环境介绍操作系统：Ubuntu20内存：8GPython版本：Python3.9Conda：Anaconda2022.10二、安装依赖环境准备python3.9conda环境condacreate-nvcdepython=3.9安装依赖软件aptinstallrustcaptinstallffmpeg安装clippipinstallgit+https://github.com/openai/C
JeffDingAI·2022-11-15 17:09

VCED跨模态学习与实践（一）

学习路径1、环境配置gitclonehttps://github.com/datawhalechina/vced.gitcdvceddocker-composebuilddocker-composeup-ddocker
irrationality·2022-11-15 17:37

[datawhale202211]跨模态神经搜索实践：环境配置

结论速递本次task主要是配置跨模态实践项目所需的环境，完成项目依赖的安装，实现本地HTML文档启动项目。基于windows10，共尝试了两种配置方式：基于wsl配置，和使用docker配置。目前docker配置可以正常运行，基于wsl的配置存在部分无法运行。【新增】根据其他学习者提供的debug方法，当前基于wsl的配置已经可以运行（2022/11/15）。使用成功的配置，导入视频尝试了项目的运
SheltonXiao·2022-11-15 17:29

Datawhale社区黑板报（第二期）

Datawhale发布负责人：苏鹏，Datawhale成员写在前面我们计划让黑板报承担起Datawhale社区信息地图的作用，在黑板报里你可以看到社区里面每个项目或者小组的动态以及进展，与此同时我们也会将每个部分可以参与的内容开放出来
Datawhale·2022-11-15 17:23

|datawhale开源项目

学习了datawhale的新一期项目VCED:VideoClipExtractionbydescription第一次使用docker在下载安装完DockerDesktop后发现是自动安装在C盘，但是无奈自己的
HammerDeng·2022-11-15 17:21

【Datawhale】动手学数据分析

动手学数据分析第一章：数据载入及初步观察载入数据任务一：导入numpy和pandasimportnumpyasnpimportpandasaspd任务二：载入数据train_data=pd.read_csv("train.csv")train_data.head(5)train_data=pd.read_table("train.csv")train_data.head(5)这两个读取方式的区别在
FavoriteStar·2022-11-15 13:08

机器学习介绍

机器学习介绍Datawhale开源学习，机器学习课程，项目地址：https://github.com/datawhalechina/leeml-notes机器学习隶属于人工智能范畴，说到人工智能，大家可能会想到
晨哥是个好演员·2022-11-15 11:42
上一页 23 24 25 26 27 28 29 30 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他