dataWhale 第11页

天池新闻文本分类-01赛题

一:背景本次新人赛是Datawhale与天池联合发起的0基础入门系列赛事第三场——零基础入门NLP之新闻文本分类挑战赛。

ochipe·2023-03-25 06:30

DataWhale 第17期组队学习经验分享(II)2020-09-17

天池更新了一次数据所以上一篇博文可能有一点点失准的地方.之后的博文会基于更新之后的数据.读取数据和套路的头文件importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltimportseabornassnsimportdatetimeimportwarningswarnings.filterwarnings('ignore')data_tr

華麗過去了會灰到記起·2023-03-24 11:41

六、PageRank算法与代码实战【CS224W】（Datawhale组队学习）

开源内容：https://github.com/TommyZihao/zihao_course/tree/main/CS224W子豪兄B站视频：https://space.bilibili.com/1900783/channel/collectiondetail?sid=915098斯坦福官方课程主页：https://web.stanford.edu/class/cs224w目录PageRank冷

卡拉比丘流形·2023-03-24 07:49

720220119_datawhale33期_leetcode刷题_7单调栈

七单调栈ImagesSource:https://realpython.com/目录七单调栈来源1基础知识2相关题目2.1[503.下一个更大元素II](https://leetcode-cn.com/problems/next-greater-element-ii/)2.2[316.去除重复字母](https://leetcode-cn.com/problems/remove-duplicate

余柳成荫·2023-03-24 02:30

第三章索引

来源：https://datawhalechina.github.io/joyful-pandas/build/html/目录/ch3.htmlIn[1]:importnumpyasnpIn[2]:importpandasaspd

叶小刀_b59f·2023-03-22 23:11

从梯度下降到 Adam！一文看懂各种神经网络优化算法

Datawhale干货编译：王小新，来源：量子位在调整模型更新权重和偏差参数的方式时，你是否考虑过哪种优化算法能使模型产生更好且更快的效果？应该用梯度下降，随机梯度下降，还是Adam方法？

Datawhale·2023-03-22 11:11

Datawhale组队学习NLP_Bert抽取式问答学习笔记

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·2023-03-22 07:37

Datawhale 零基础入门CV赛事-Task3 字符识别模型

使用CNN去搭建一个简单的字符识别模型，最简单的就是几个卷积层加一个全连接层进行分类，分类的话貌似多一些用ResNet，因为这个题目已经分割好了，所以不需要进行分割，如果需要分割的话，用U-Net好像多一些，最近查资料MaskR-CNN好像也很火的样子，检测就上YOLO。如果没有提前给出框的话，就需要提前检测出来在进行识别了，或者先分割再识别也可以？

咕咕咕咕咯咯·2023-03-18 08:30

机器学习笔记（7）

学习Datawhale对《李宏毅机器学习》决策树章节补充的内容：AdditionalReferences(熵的理解)学习目标：*信息量计算，原理*信息熵*证明0⩽H(p)⩽logn*联合概率，边缘概率*

trying52·2023-03-17 22:05

我的机器学习入门清单及路线！

Datawhale干货作者：桔了个仔，南洋理工大学，Datawhale成员知乎：https://www.zhihu.com/people/huangzhe这是我个人的机器学习入门清单及路线，所以没有像很多收藏夹那样大而全

Datawhale·2023-03-17 07:54

DataWhale-03-EM算法

理论部分EM算法，全称ExpectationMaximizationAlgorithm，译作最大期望化算法或期望最大算法，它是一种迭代算法，用于含有隐变量（hiddenvariable）的概率参数模型的最大似然估计或极大后验概率估计。相关概念极大似然估计法（MaximumLikelihoodEstimate，MLE）极大似然估计提供了一种给定观察数据来评估模型参数的方法，即：“模型已定，参数未知”

evanzh7·2023-03-16 21:48

作为NLP算法，最近被ChatGPT刷屏后的心路历程

Datawhale干货作者：刘聪NLP，中国药科大学，来源：李rumor作者：刘聪NLP（知乎同名）原文链接：https://zhuanlan.zhihu.com/p/605331104卷友们好，我是刘聪

Datawhale·2023-03-16 10:23

Datawhale 零基础入门CV赛事-Task5 模型集成

5模型集成本章讲解的知识点包括：集成学习方法、深度学习中的集成学习和结果后处理思路。5.1学习目标学习集成学习方法以及交叉验证情况下的模型集成学会使用深度学习模型的集成学习5.2集成学习方法在机器学习中的集成学习可以在一定程度上提高预测精度，常见的集成学习方法有Stacking、Bagging和Boosting，同时这些集成学习方法与具体验证集划分联系紧密。由于深度学习模型一般需要较长的训练周期，

致Great·2023-03-15 04:48

用 YOLOv5模型识别出表情！

作者|闫永强来源|Datawhale本文利用YOLOV5对手势进行训练识别，并识别显示出对应的emoji，如同下图：本文整体思路如下。

AI科技大本营·2023-03-14 08:08

datawhale/nlp_task1

准确率：在给定数据集下，分类器能正确分类的样本数占总样本数的比例。精确率：精确率是针对我们预测结果而言的，表示预测为正类的样本中，有多少是真正的正类样本。召回率：召回率是针对我们原来的样本而言的，它表示的是样本中的正例有多少被预测正确了。其中：TP:实际为正，预测也为正FP:实际为负，预测为正TN:实际为负，预测也为负FN:实际为正，预测为负N:总样本数

Aechen·2023-03-14 07:36

文文学霸·2023-03-14 07:41

电商风控赛事亚军方案分享！

Datawhale干货作者：许汝超，广州大学，Datawhale成员本次ApacheFlink极客挑战赛暨AAIGCUP——电商推荐“抱大腿”攻击识别赛题以电商推荐反作弊为背景，要求选手在少样本、半监督

Datawhale·2023-03-14 07:37

Pytorch图像处理中数据扩增方案

原文来源：https://github.com/datawhalechina/team-learning-cv/blob/master/AerialImageSegmentation/Task2%EF%

听城·2023-03-13 16:43

金融风控之贷款违约预测挑战赛 Task1

许久没做过项目练习了，适逢DataWhale组织了这样一次专业对口的练习活动，赶紧加入进来。

怕热的波波·2023-03-12 18:03

ChatGPT团队9位华人揭秘：3清华、1北大、1华科

Datawhale分享分析：ChatGPT团队，来源：AIGC开放社区Aminer和智谱研究发布了《ChatGPT团队背景研究》报告，深度揭示了这款火爆全球应用的背后团队的总体人员架构。

风度78·2023-03-12 07:07

ChatGPT团队揭秘：3清华、1北大、1华科

Datawhale分享分析：ChatGPT团队，来源：AIGC开放社区Aminer和智谱研究发布了《ChatGPT团队背景研究》报告，深度揭示了这款火爆全球应用的背后团队的总体人员架构。

Datawhale·2023-03-12 07:34

Datawhale集成学习笔记：投票法的原理和案例分析

学习内容来源自:Datawhale投票法的思路投票法是集成学习中常用的技巧，可以帮助我们提高模型的泛化能力，减少模型的错误率。

JeffDingAI·2023-03-11 07:21

DataWhale第23期组队集成学习-Task7

文章目录一、投票法的思路二、投票法的原理分析三、投票法的案例分析(基于sklearn，介绍pipe管道的使用以及voting的使用)3.1VotingRegressor3.2VotingClassifier3.3例子一、投票法的思路投票法是集成学习中针对分类问题的一种结合策略。基本思想是选择所有机器学习算法当中输出最多的那个类。这可以帮助我们提高模型的泛化能力，减少模型的错误率。举个例子:在航空航

DreamStar_w·2023-03-11 07:35

强化学习笔记：近端策略优化（PPO）

本文来自于datawhalechina的强化学习教程。

PenguinLeee·2023-03-08 22:58

李沐的深度学习笔记来了！

Datawhale干货来源：机器之心，编辑：张倩markdown笔记与原课程视频一一对应，Jupyter代码均有详细中文注释，这份学习笔记值得收藏。

Datawhale·2023-03-08 21:01

李沐：五年工作反思！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale推荐作者：李沐，CMU，亚马逊首席科学家五年前的今天我飞往西雅图参加亚马逊的面试。

Datawhale·2023-03-08 21:31

首届AI人才学习赛来了，通过赛事拿offer

Datawhale赛事承办单位：Datawhale、和鲸社区大赛介绍大赛背景2023全球人工智能开发者先锋大会——AI人才学习赛是由上海市人工智能行业协会主办，联合上海多家人工智能相关企业，由Datawhale

Datawhale·2023-03-01 07:38

2023 全球人工智能开发者先锋大会—AI 人才学习赛rank1方案分享

赛题介绍这个比赛是和鲸社区上的一个AI人才学习赛，其由上海市人工智能行业协会主办，联合上海多家人工智能相关企业，由Datawhale、和鲸社区承办的一场面向AI开发者的学习实践赛事。

Thefan1·2023-03-01 07:37

这是一份非常全面的开源数据集！

Datawhale·2023-02-24 19:03

Gartner发布：2023年十大重要技术趋势

来源：DataWhale本文约2000字，建议阅读9分钟本文为你介绍Gartner的最新发布。前言Gartner是全球领先的信息技术研究和咨询公司。

数据派THU·2023-02-24 13:33

[Datawhale][CS224W]图机器学习(五)

这里写目录标题一、Deepwalk1.1预备知识1.2Deepwalk介绍1.3Embedding1.4word2Vec词向量，词嵌入1.5randomWalk随机游走1.6DeepWalk核心代码RandomWalkWord2vecDeepWalk应用1.7DeepWalk优缺点二、Node2Vec2.1图嵌入2.2Node2Vec优化目标顶点序列采样策略2.3理论上的实现2.4Node2Vec

wumo_rfr·2023-02-24 07:28

ChatGPT发展历程、原理、技术架构详解和产业未来

Datawhale干货作者：陈巍博士，编辑：特大号这几天，ChatGPT彻底杀疯了满世界的人都在和ChatGPT撩骚但很多小伙伴还是一头雾水这玩意到底是个啥？能干啥？

Datawhale·2023-02-23 17:08

2022年AI 技术成熟度曲线发布！

Datawhale干货来源：Gartner、图灵人工智能▲图12022年人工智能技术成熟度曲线近日，Gartner发布了最新的《2022年人工智能技术成熟度曲线》报告，报告称尽早采用复合型人工智能（AI

Datawhale·2023-02-21 12:14

MySQL|复杂一点的查询：视图，子查询，函数，谓词，CASE表达式

学习链接：http://datawhale.club/t/topic/4753.1视图3.1.1什么是视图什么是视图：视图是一个虚拟的表，不同于直接操作数据表，视图是依据SELECT语句来创建的（会在下面具体介绍

ShowMeCoding·2023-02-18 19:04

OpenAI掌门人Sam Altman：AI的下一个发展阶段！

Datawhale干货来源：OneFlow，编辑：AI数据派本文为约5757字，建议阅读10分钟本文介绍了LinkedIn联合创始人ReidHoffman与OpenAI首席执行官SamAltman进行的关于

Datawhale·2023-02-17 18:01

[Datawhale][CS224W]图机器学习(二)

文章目录一、概述1.1图的结构1.2特征处理1.3学习任务1.3.1节点分类1.3.2链接预测1.3.3图级任务二、传统方法三、统计特征与核方法3.1节点层面3.2连接层面3.3图层面3.4节点袋参考文献Datawhale

weixin_45856170·2023-02-17 17:25

二、图的基本表示和特征工程【CS224W】（Datawhale组队学习）

开源内容：https://github.com/TommyZihao/zihao_course/tree/main/CS224W子豪兄B站视频：https://space.bilibili.com/1900783/channel/collectiondetail?sid=915098斯坦福官方课程主页：https://web.stanford.edu/class/cs224w文章目录图的基本表示图

卡拉比丘流形·2023-02-17 17:38

一、图机器学习导论【CS224W】（Datawhale组队学习）

开源内容：https://github.com/TommyZihao/zihao_course/tree/main/CS224W子豪兄B站视频：https://space.bilibili.com/1900783/channel/collectiondetail?sid=915098斯坦福官方课程主页：https://web.stanford.edu/class/cs224w文章目录前言图的应用场

卡拉比丘流形·2023-02-17 17:37

Datawhale 6月学习——图神经网络：图预测任务实践

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的节点表征学习图神经网络：基于GNN的节点预测任务及边预测任务图神经网络：超大图上的节点表征学习图神经网络：基于图神经网络的图表征学习1图预测任务描述1.1任务简述本次任务所涉及的图预测任务，是一个回归任务。其目的是，学习图结构的一个合理的图表征方式，学习目标的检测方式是与benchmark数据集上打好的数值标

SheltonXiao·2023-02-17 17:31

[datawhale202302]CS224W图机器学习：图机器学习导论

结论速递本次task是图机器学习的导论，围绕了几个问题展开：图机器学习的动机：图数据是有关联的数据，在现实生活中的例子；图机器学习与传统机器学习的区别，难点有哪些。图机器学习的基本概念：图神经网络的基本形式，图嵌入。图机器学习可以解决的任务：分为节点、边、子图、图四个层次，以及一些应用示例（其中AlphaFold，谷歌地图，和药物联合副作用预测的案例非常有趣）。此外，还穿插了图机器学习的学习路线，

SheltonXiao·2023-02-17 17:31

[datawhale202302]CS224W图机器学习：图的基本表示及特征工程

结论速递本章涉及了图基本表示及传统的特征工程。图由节点和连接组成，节点和连接上都可以有不同的属性。根据属性的特点，分为几类不同的图，其中异质图和二分图是比较重要的特殊图。图可以用邻接矩阵进行结构化表示，如果图过于稀疏，也可以使用连接列表和邻接列表来表示。图的节点度、图的连接性是图非常重要的性质，他们都可以从邻接矩阵中直观计算得到。图的传统特征工程分为节点的、边的、还有全图的特征工程。度、连接和gr

SheltonXiao·2023-02-17 17:13

张俊林：由ChatGPT反思大语言模型（LLM）的技术精要

来源丨Datawhale作者丨张俊林实话实说，国内在LLM模型相关技术方面，此刻，距离

语音之家·2023-02-16 22:48

微软CEO：堪比工业革命，这辈子第一次见这么大的技术浪潮！

Datawhale·2023-02-16 22:13

哪本python入门书内容最详细-重磅 | 由浅入深的 AI 学习路线，最详细的资源整理！...

【导读】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、强化学习、前沿Paper

weixin_37988176·2023-02-16 22:47

数据结构与算法简介

碰巧Datawhale在新的一期组队学习中组织了数据结构与算法的课程学习。

hello_JeremyWang·2023-02-16 21:05

西瓜玲子5.30打卡日记

Datawhale零基础入门CV赛事-Task4模型训练与验证1.划分数据集训练集训练集用来训练模型，即确定模型的权重和偏置这些参数，通常我们称这些参数为学习参数。

爱动脑筋的西瓜玲子·2023-02-16 21:15

西瓜玲子6.2打卡日记

Datawhale零基础入门CV赛事-Task5模型集成（一）集成学习集成方法是将几种机器学习技术组合成一个预测模型的元算法，以达到减小方差（bagging）、偏差（boosting）或改进预测（stacking