dataWhale 第12页

Datawhale组队学习之西瓜书task3

第四章决策树4.1决策树的基本流程决策树（decisiontree）是一种常见的机器学习方法，形如下图所示：一般情况下，一棵决策树包含了一个根结点（上图结点1），若干个内部结点（上图结点2356），以及若干个叶结点（上图结点4等）。叶结点显示决策结果，其余结点对应一个属性测试。决策树的基本生成流程如下：有三种情形会导致函数递归返回：当前结点全属于同一类别，无需划分：此时将此结点标记为叶结点，类别为

legnAray·2023-02-06 20:17

Datawhale组队学习之西瓜书task4

第五章神经网络5.1M-P神经元模型神经网络（neuralnetwork）的基础是神经元（neuron）模型，其中最常用的是M-P神经元模型：在该模型中，神经元接收n个其他神经元的信号，通过w进行带权重连接，将所有带权重输入与阈值相减，通过激活函数（activationfunction）进行输出：y=f(wTx−θ)\begin{aligned}y&=f\left(\boldsymbol{w}^\

legnAray·2023-02-06 20:17

Datawhale组队学习之西瓜书task2

第三章线性模型3.0机器学习三要素模型：根据具体问题，确定假设空间，选定一个模型策略：根据评价标准，确定选取最优模型的策略，确定一个损失函数优化：通过优化算法，求解损失函数，确定最优模型3.1基本形式线性模型（linearmodel）通过给样本的每个特征不同的权重来进行建模，基本形式如下：f(x)=w1x1+w2x2+⋯+wdxd+b=wTx+b\begin{aligned}f(\boldsymb

legnAray·2023-02-06 20:16

Datawhale组队学习之西瓜书task1

前言本篇内容Datawhale2023年1月吃瓜教程组队学习task1的学习打卡，很开心能参加Datawhale的组队学习，希望这个寒假可以收获满满！

legnAray·2023-02-06 20:46

吃瓜教程——DATAWHALE3月组队学习Task01

写在前面的话：本系列文章旨在对本人21年3月参加机器学习组队学习所学到的的知识以及心得体会进行记录，文章知识性内容皆总结于周志华老师所著的《机器学习》（"西瓜书"）以及datawhale出版的教辅书"PUMPKINBOOK

m0_46370749·2023-02-06 20:16

10月Datawhale组队学习：Task02：详读西瓜书+南瓜书第3章

边学习边思考边记录边整理，抱着兴趣浏览，带着问题阅读，做着习题强化，理清教材的思维脉络，争取早日将机器学习知识体系化！第3章线性模型3.1基本形式关键词：线性模型（linearmodel）：通过示例的属性的线性组合进行预测的函数向量形式可以写成ω和b学得之后，模型就得以确定。非线性模型（nonlinearmodel）：在线性模型的基础上通过引入层级结构或高维映射而得。可解释性（comprehens

LordMelbourne·2023-02-06 20:16

datawhale组队学习task1(跳过的后续补充)

第一章绪论引言机器学习致力于研究如何让通过计算的手段，利用经验来改善自身的性能；经验通常以数据的形式存在，因此，机器学习所研究的内容，是关于在计算机上从数据中产生模型的算法，即学习算法基本术语数据集：(色泽=青绿;根蒂=蜷缩;敲声=浊响)，(色泽=乌黑;根蒂:稍蜷;敲声=沉闷)，(色泽=浅自;根蒂硬挺;敲声=清脆)，……示例/样本：(色泽=青绿;根蒂=蜷缩;敲声=浊响)属性/特征：色泽、根蒂、敲声

_Viva_La_Vida_·2023-02-06 20:16

DataWhale十一月组队学习“水很深的深度学习”打卡Task02

DataWhale十一月组队学习“水很深的深度学习”打卡Task02ps:学习资料的Github地址：水很深的深度学习DataWhale地址：水很深的深度学习补充资料参考：机器学习周志华（西瓜书），机器学习公式详解

qqqqqqqjiajun·2023-02-06 20:46

Datawhale组队学习之西瓜书task5

第六章支持向量机6.1SVM基本型6.1.1基本型给定训练样例集D={(x1,y1),(x2,y2),⋯ ,(xm,ym)},yi∈{−1,+1}D=\{(\boldsymbolx_1,y_1),(\boldsymbolx_2,y_2),\cdots,(\boldsymbolx_m,y_m)\},y_i\in\{-1,+1\}D={(x1,y1),(x2,y2),⋯,(xm,ym)},yi∈{−1

legnAray·2023-02-06 20:45

知识图谱从哪里来：实体关系抽取的现状与未来

点击上方“Datawhale”，选择“星标”公众号第一时间获取价值内容最近几年深度学习引发的人工智能浪潮席卷全球，在互联网普及带来的海量数据资源和摩尔定律支配下飞速提升的算力资源双重加持下，深度学习深入影响了自然语言处理的各个方向

Datawhale·2023-02-06 07:33

动手学数据分析学习笔记-Ch1

本文为Datawhale8月组队学习——动手学数据分析课程的系列学习笔记。

憩程·2023-02-06 06:06

Datawhale 第三次打卡，第一天学习。

pytorch模型定义module类别是torch.nn提供的模型构造类，（nn.module)所有神经网络的基类，可以继承他来定义我们想要的模型。pytorch模型定义应包括两个部分：初始化__init__；数据流向定义forward。.基于nn.module我们通过sequential，moduleList，ModuleDict三个方式来定义Pytorch模型一：基础层搭建sequential

杨士奇 cosmond·2023-02-05 15:20

用YOLOv5模型识别出表情！

干货作者：闫永强，算法工程师，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。

Python数据之道·2023-02-05 09:12

Datawhale Pandas 打卡-第九章分类数据

这章学的是分类。cat对象通过cat对象的categories属性能够完成对类别的查询。有序分类有序类别和无序类别可以通过as_unordered和reorder_categories互相转化。只需把列的类型修改为category后，再赋予相应的大小关系，就能正常地使用sort_index和sort_values。区间序列通过cut和qcut构造。练习Ex1这道题没有太弄懂，照着答案打了一遍。Ex

君恒_801f·2023-02-04 23:00

Datawhale x OpenMMLab：寒假来一场CV框架学习活动

首届AI实战营开课啦带你一站式体验CV明星框架你的热门活动小助手已上线技术大牛直播带学，两周快速上手这个寒假带你一站式体验CV明星框架从基础课入门到体系化学习揭秘AI学习快车道在项目实践中打败拖延、迸发灵感在专属技术社群中建立链接、快速成长AI实战营是什么？计算机视觉，作为人工智能的核心技术之一，近年来取得了革命性进展，并深刻改变着各行各业。作为初学者，如何跨过编程、算法、项目实战三座大山，“无痛

Datawhale·2023-02-04 13:40

目标检测（一）数据集处理与读取

对于pytorch自带的数据集2.需要自己构建的数据集数据集准备构建dataloader总结开始账号注册的比较晚，本来准备好好记录平时的一些有价值的问题，结果一直没写，这次为了督促自己学习，报名参加了Datawhale12

shijun0525·2023-02-04 13:58

【OpenMMLab 实战营打卡 - 第 1 课】

暑假做过datawhale助教，入门深度学习差不多五六个月了。

LAXIO·2023-02-04 12:52

Datawhale新闻推荐竞赛学习总结：多路召回

一只干巴巴的海绵·2023-02-04 11:18

Pytorch主要组成模块

学习目标：`学习Pytorch主要模块参考内容：https://linklearner.com/datawhalehomepage/index.html#/learn/detail/921.基本配置：`

Brave heart·2023-02-04 07:25

datawhale pandas 习题02

Ex4：删除同样的行现有两张表，请在df1中剔除在df2中出现过的行。df1=pd.DataFrame({"A":[3,2,2,3,1,3],"B":[2,1,1,3,6,2],"C":[1,2,2,7,7,1],"D":[5,6,6,1,2,5],})df2=pd.DataFrame({"A":[2,3,1],"B":[1,9,6],"C":[2,7,7],"D":[6,1,2],})df1.s

Linzijiandevx·2023-02-04 07:48

Datawhale 零基础入门CV赛事-Task5 模型集成

1.Dropout可以作为训练深度神经网络的一种技巧。在每个训练批次中，通过随机让一部分的节点停止工作。同时在预测的过程中让所有的节点都其作用。Dropout经常出现在在先有的CNN网络中，可以有效的缓解模型过拟合的情况，也可以在预测时增加模型的精度。测试集数据扩增（TestTimeAugmentation，简称TTA）也是常用的集成学习技巧，数据扩增不仅可以在训练时候用，而且可以同样在预测时候进

咕咕咕咕咯咯·2023-02-04 02:35

Linux实践datawhale组队学习打卡笔记Task1

本次Linux实践是Datawhale组织的组队学习学习资料以及Linux运行环境由开源学习组织Datawhale提供本次学习针对的对象：Linux不会操作，不知道文件目录创建、命令行等细节Linux不知道如何运行代码

miskirito·2023-02-04 00:04

GNN-3-基于图神经网络的节点表征学习

参考开源学习地址：datawhale1.引言在图节点预测或边预测任务中，首先需要生成节点表征（representation）。

sunshinecxm_BJTU·2023-02-03 17:27

Datawhale GNN组队学习-Task 03

基于图神经网络的节点表征学习经典论文笔记（GCNMoNetChebNetGraphSAGE)Semi-SupervisedClassificationwithGraphConvolutionalNetworks(GCN)这篇文章提出了一种图卷积网络（GCN），该网络可以直接用于处理图结构数据。从本质上讲，GCN是谱图卷积（spectralgraphconvolution）的局部一阶近似（local

lingwenzhenjun·2023-02-03 17:55

【深度学习】视觉-语言预训练入门指南

Datawhale干货作者：张义杰单位：中国移动云能力中心前言视觉-语言(Vision-Language,VL)是计算机视觉和自然语言处理这两个研究领域之间形成的交叉领域，旨在赋予AI系统从多模态数据中学习有效信息的能力

风度78·2023-02-03 17:15

六月份组队学习【深入浅出PyTorch】Task06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·2023-02-03 15:15

Datawhale目标检测打卡笔记【2、Anchor的一些东西】

一、Anchor概述anchor（锚点）在某些文章中也叫priorboundingbox（先验框），其作用就是相当于给原是图像的目标的一个较强的先验特征。anchor的本质是在原图大小上的一些列矩形框，但因直接对原图做先验框所需计算量太大，而其中存在大量的冗余，故FasterRCNN的做法是将anchor与featuremap关联。具体来说就是将原始图像经过一个CNN，最后得到的一个512维的特征

lxy-05112·2023-02-03 15:14

GNN教程：图神经网络基础知识！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：秦州，阿里巴巴，Datawhale成员系列规划本文为GNN教程【第一章基础：三剑客】的第一篇文章【01基础知识

Datawhale·2023-02-03 12:07

六月份组队学习【深入浅出PyTorch】Task01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·2023-02-03 08:15

Python爬虫第一次打卡学习

参加活动：DatawhalePython爬虫打卡学习小组笔记：第一次打卡活动学习内容开源链接一.互联网、HTTP、网页概念1.1互联网vs万维网：互联网（Internet）：网络与网络所串联成的庞大网络

平凡的小何同学·2023-02-03 08:13

MySQL：环境搭建，初识数据库----Datawhale第一次打卡笔记

SQL基础教程声明：此博客内容整理自Datawhale打卡学习，且据打卡内容整理为笔记，转载请联系Datawhale及我本人授权，必须注明转载来源。

西关以西（望北楼）·2023-02-03 08:35

MySQL：复杂一点的查询----Datawhale第三次打卡笔记

SQL基础教程声明：此博客内容整理自Datawhale打卡学习，且据打卡内容整理为笔记，转载请联系Datawhale及我本人授权，必须注明转载来源。

西关以西（望北楼）·2023-02-03 08:35

Datawhale Pandas 打卡-Task_Special

Ex1首先读入2张表这两张表的证券代码和日期字段不一致，先整成一样的。最后根据给出的故公式定义下熵函数。将2张表连接起来之后再使用apply调用熵函数计算。第二题没整出来随后再慢慢想吧Ex3有多少县满足总投票数超过县人口数的一半。我的思路是这样的：（1）读入president_county_candidate表。读入country_population表。发现2张表的县的名称表述不一致。我们需将其

君恒_801f·2023-02-02 15:16

DataWhale 深度学习第三次打卡

第三次打卡学习笔记1.批量归一化和残差网络2.凸优化3.梯度下降4.目标检测5.图像风格迁移6.GAN和DCGAN7.数据增强8.模型微调1.批量归一化和残差网络1.1BN算法（BatchNormalization）为什么深度学习中要采用批量归一化？因为神经网络学习过程本质就是为了学习数据分布，一旦训练数据与测试数据的分布不同，那么网络的泛化能力也大大降低；另外一方面，一旦每批训练数据的分布各不相

H_opeful·2023-02-02 11:01

Task01-PyTorch安装与基础知识

学习资源/来源：DataWhale组织-PyTorch教程、视频教程第1章：pytorch安装环境准备-创建虚拟环境已安装的环境：Anaconda32019.03windows(python37)#查看所有环境

从白玉石·2023-02-02 10:43

李宏毅深度学习打卡task04深度学习初步P13

本文来源Datawhale分享的深度学习资料深度学习发展趋势1958:Perceptron(linearmodel)1969:Perceptronhaslimitation1980s:Multi-layerperceptronDonothavesignificantdifferencefromDNNtoday1986

hanxiaoxu_·2023-02-01 23:08

【2021.07】datawhale组队学习李宏毅task04

普遍性定理本笔记为datawhale7月组队学习笔记，视频链接：李宏毅《机器学习》p13深度学习开源文档：深度学习深度学习的发展趋势回顾一下deeplearnin

Mounvo·2023-02-01 23:07

Pytorch Lightning 完全攻略！

Datawhale干货作者：Takanashi@知乎，编辑：极市平台来源|https://zhuanlan.zhihu.com/p/353985363极市导读作者实践中发现Pytorch-Lightning

Datawhale·2023-02-01 20:37

深度学习调参（炼丹）指南来了！

Datawhale干货方向：深度学习调参，编辑：机器之心「大量的实践经验已被提炼成这份强大的深度学习模型调参指南。」——GeoffreyHinton。众所周知，AI的超参数决定着模型学习效果和速度。

Datawhale·2023-02-01 12:24

天池&Datawhale-零基础入门数据挖掘Task4

一、内容介绍1、线性回归模型：线性回归对于特征的要求；处理长尾分布；理解线性回归模型；2、模型性能验证：评价函数与目标函数；交叉验证方法；留一验证方法；针对时间序列问题的验证；绘制学习率曲线；绘制验证曲线；3、嵌入式特征选择：Lasso回归；Ridge回归；决策树；4、模型对比：常用线性模型；常用非线性模型；5、模型调参：贪心调参方法；网格调参方法；贝叶斯调参方法；二、相关原理资料1、线性回归模型

微微微微辣·2023-02-01 03:59

Task06：基于图神经网络的图表征学习方法

Task06：基于图神经网络的图表征学习方法本文参考datawhale开源学习资料一、基于图同构网络（GIN）的图表征网络的实现1.GINConv–图同构卷积层提出图同构网络的论文是：HowPowerfulareGraphNeuralNetworks

idruglab.com·2023-01-31 12:03

Datawhale GNN组队学习-Task 06

基于图神经网络的图表征学习方法概述GNN目前主流的做法是递归迭代聚合一阶邻域表征来更新节点表征，如[[GCN]]和[[GraphSAGE]]，但这些方法大多是经验主义，缺乏理论去理解GNN到底做了什么，还有什么改进空间。HowPowerfulareGraphNeuralNetworks?本文基于Weisfeiler-Lehman(WL)test视角理论分析了GNN，包括：分析了GNN做了什么？在什

lingwenzhenjun·2023-01-31 12:02

Datawhale GNN组队学习-Task 07

超大规模数据集类的创建在一些应用场景中，数据集规模超级大，我们很难有足够大的内存完全存下所有数据。因此需要一个按需加载样本到内存的数据集类。Dataset基类简介在PyG中，我们通过继承torch_geometric.data.Dataset基类来自定义一个按需加载样本到内存的数据集类。此基类与Torchvision的Dataset类的概念密切相关，这与第6节中介绍的torch_geometric

lingwenzhenjun·2023-01-31 12:32

BERT模型的优化改进方法！

Datawhale干货来源：Coggle数据科学本文为论文《BERT模型的主要优化改进方法研究综述》的阅读笔记，对BERT主要优化改进方法进行了研究梳理。

Datawhale·2023-01-31 11:42

2021-10-11Datawhale深入浅出PyTorch笔记：PyTorch简介与安装

PyTorch简介1.1.1PyTorch的介绍PyTorch是由Facebook人工智能研究小组开发的一种基于Lua编写的Torch库的Python实现的深度学习库，目前被广泛应用于学术界和工业界，而随着Caffe2项目并入Pytorch，Pytorch开始影响到TensorFlow在深度学习应用框架领域的地位。总的来说，PyTorch是当前难得的简洁优雅且高效快速的框架。因此本课程我们选择了P

JeffDingAI·2023-01-31 11:07

Datawhale 零基础入门CV赛事-Task2 数据读取与数据扩增

图像读取1.pillowPillow是Python图像处理函式库(PIL）的一个分支。Pillow提供了常见的图像读取和处理的操作，而且可以与ipythonnotebook无缝集成，是应用比较广泛的库。pillow官方文档2.opencvOpenCV是一个跨平台的计算机视觉库，最早由Intel开源得来。OpenCV发展的非常早，拥有众多的计算机视觉、数字图像处理和机器视觉等功能。OpenCV在功能

咕咕咕咕咯咯·2023-01-31 10:30

【DATAWHALE 第六章：决胜秋招】

DATAWHALE第六章：决胜秋招一、练习一：各部门工资最高的员工（难度：中等）1.创建Employee表，包含所有员工信息，每个员工有其对应的Id,salary和departmentId2.创建Department

beckygong001·2023-01-31 09:24

Datawhale 深入浅出Pytorch【第七章：PyTorch可视化】

第七章：PyTorch可视化一、网络结构可视化1.Torchvision可视化二、CNN可视化1.可视化CNN卷积核的方法2.可视化CNN特征图的方法--HOOK可视化CNN显著图（classactivationmap)三、使用TensorBoard完成训练过程可视化TensorBoard模型结构可视化TensorBoard图像可视化TensorBoard连续变量可视化TensorBoard参数分

beckygong001·2023-01-31 09:54

Datawhale 深入浅出Pytorch【第五章：Pytorch模型的定义】

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档第五章：Pytorch模型的定义前言一、模型定义方式二、如何利用模型块快速搭建复杂网络三、模型修改四、模型保存与读取前言本章将结合U-Net模型和torchvision预定义的ResNet模型来探索Pytorch的模型定义方式和训练技巧。一、模型定义方式这里的话，李老师给我们定义了一下模型的三种方式：Sequential,Module

beckygong001·2023-01-31 09:53

【DataWhale组队学习】MySQL学习笔记

目录学习计划0、环境搭建1、认识数据库和SQL2、SELECT有关的语句4、集合计算————分割线————学习计划主要教程：Docs(feishu.cn)0、环境搭建1、认识数据库和SQL1.1基础语法1.2基础操作--创建本课程用到的数据库CREATEDATABASEshop;--创建本课程用到的商品表CREATETABLEproduct(product_idCHAR(4)NOTNULL,pro

Ninee123·2023-01-31 09:23

推荐频道

dataWhale