dataWhale

Datawhale 零基础入门CV赛事-Task2 数据读取与数据扩增

数据读取与数据扩增1学习目标2图像读取2.1Pillow2.2OpenCV3数据扩增方法3.1数据扩增介绍3.2常见的数据扩增方法3.2.1裁剪3.2.1.1中心裁剪3.2.1.2随机裁剪3.2.1.3随机长宽比裁剪3.2.1.4上下左右中心裁剪3.2.1.5上下左右中心裁剪后翻转3.2.2翻转和旋转3.2.2.1依概率p水平翻转3.2.2.2依概率p垂直翻转3.2.2.3随机旋转3.2.3随机遮
小明没有妹子的微信号·2022-11-22 00:40

小白的逻辑回归学习笔记（入门）

很早之前就有写博客来记录自己学习的过程，入machinelearning的坑也有一年了，在理论与实践上也有了一定的积累（其实主要是实践，理论水平还在积极补救），恰逢最近有时间参加了DataWhale的组队学习活动
Q•Q•Drogba·2022-11-22 00:38

2022年了，PyTorch和TensorFlow选哪个？

Datawhale推荐作者：RyanO'Connor，来源：机器之心坊间传闻：「TensorFlow适合业界，PyTorch适合学界」。都2022年了，还是这样吗？
Datawhale·2022-11-22 00:32

react 递归遍历四层树结构 遍历分支中的最后一个节点_终于有人把XGBoost 和 LightGBM 讲明白了，项目中最主流的集成算法！...

转载自：Datawhale(ID：Datawhale)作者：阿泽本文9764字40图，建议阅读25分钟。本文为阿泽带你学决策树的第三篇，主要介绍基于Boosting框架的主流集成算法。
weixin_39986741·2022-11-22 00:49

五月份组队学习【吃瓜教程】Task03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·2022-11-21 23:49

五月份组队学习【吃瓜教程】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·2022-11-21 23:49

吃瓜教程 | Datawhale-2021.10打卡（Task05）

目录第6章支持向量机6.1间隔与支持向量6.2对偶问题6.4软间隔与正则化6.5支持向量回归参考文献第6章支持向量机6.1间隔与支持向量给定一组线性可分的训练样本，分类学习的目的就是找到一个划分超平面，将不同类别的样本分开，但根据前5章的知识可知，每次训练得到的超平面可能都不相同，如下图所示因此，支持向量机的作用：从几何角度出发，对于线性可分数据集，支持向量机就是找距离正负样本都最远的超平面。相比
喝茶用勺子·2022-11-21 23:48

吃瓜教程 | Datawhale-2021.10打卡（Task04）

目录第5章神经网络5.1神经元模型5.2感知机与多层网络5.3误差逆传播算法（errorBackPropagation,BP）5.4全局最小与局部极小5.5其他常见神经网络参考文献第5章神经网络5.1神经元模型1943年，Miculloch和Pitts受到生物神经网络启发，提出了机器学习中沿用至今的“M-P神经元模型”。在这个模型中，神经元接收到来自nnn个其他神经元传递过来的输入信号，这些输入信
喝茶用勺子·2022-11-21 23:18

吃瓜教程 | Datawhale-2021.10打卡（Task02）

目录第3章线性模型3.1基本形式3.2线性回归3.3对数几率回归3.4线性判别分析第3章线性模型这一章首先通过建立一个d元1次线性模型，通过权重值与偏置项将样本的属性值与预测值联系起来建立线性回归模型，从线性回归任务开始，引申出二分类和多分类任务（未学，以后再回来填坑==）。3.1基本形式建立线性模型（linearmodel）试图学得一个通过属性的线性组合来进行预测的函数，线性模型如下：f(x)=
喝茶用勺子·2022-11-21 23:17

吃瓜教程 | Datawhale-2021.10打卡（Task03）

目录第4章决策树4.1基本流程4.2划分选择4.2.1信息增益增益率4.2.3基尼指数参考文献第4章决策树4.1基本流程决策树（DecisionTree）是一类常见的机器学习方法，可通过方法对样本进行分类与回归任务。以二分类任务为例，决策树是基于数结构进行决策的。决策树学习的目的是为了得到一棵泛化能力强，即处理未见示例能力强的决策树，决策树学习的算法流程如下图所示：决策树的生成是一个递归过程，在决
喝茶用勺子·2022-11-21 23:17

吃瓜教程 | Datawhale-2021.10打卡（Task01）

第1章绪论第一章引入了机器学习的基础概念及发展历史，以下是对人工智能以及机器学习中概念进行了罗列绘图：机器学习的目标（个人理解）：机器通过在海量数据中寻找规律或是在与环境的交互中获得知识，从而使其服务于人类社会。1.2基本术语数据集（样本）：一组数据的集合，其中每条记录是关于一个事件或对象的描述，称为一个“示例”。属性：反映事件或对象在某方面的表现或性质的事例，属性上的取值称为属性值。样本空间：属
喝茶用勺子·2022-11-21 23:47

吃瓜教程 | Datawhale 打卡（Task 05）

待补充支持向量机支持向量机，因其英文名为supportvectormachine，故一般简称SVM，通俗来讲，它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，其学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。支持向量机SVM是从线性可分情况下的最优分类面提出的。所谓最优分类，就是要求分类线不但能够将两类无错误的分开，而且两类之间的分类间隔最大，前者是保证经验风
au1n·2022-11-21 23:14

吃瓜教程 | Datawhale 打卡（Task 04）

M-P神经元模型基于人类神经元的多突触传递——而研究出的人工神经元，允许多个输入，并根据连接权以及阈值的到预测的输出。这种“阈值加权和”的神经元模型称为M-P模型(McCulloch-PittsModel)，也称为神经网络的一个处理单元(PE,ProcessingElement)。大家可以查一查一些生物方面的书籍，了解一下这个神经元是如何工作的。我们可以概括出生物神经网络的假定特点：每个神经元都是
au1n·2022-11-21 23:44

吃瓜教程 | Datawhale 打卡（Task 01）

第1章绪论1.1引言机器学习致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。“经验”通常以“数据”的形式存在。机器学习研究的主要内容：在计算机上从数据中产生“模型”（model）的算法，即“学习算法”。（learningalorithm）机器学习是研究“学习算法”的学问。1.2基本术语记录属性属性值属性空间（样本空间、输入空间）特征向量维数学习（训练）标记（带有结果信息）样例标记空间（
au1n·2022-11-21 23:43

吃瓜教程 | Datawhale 打卡（Task 02）

主要是记录下自己格外的思考，具体细节在之后补充我们先从线性结构开始入门，虽然很多适合线性结构的功能都是不够的，很难找到符合要求的线性模型，但是功能强大的非线性模型是可以通过引入层级结构和高维映射而得到。线性回归我们的目的是要使得预测值f(x)尽可能的接近y。我们的做法是改变w和b的值。为了得到最优的模型，我们可以使均方误差（回归任务中最常用的性能度量）最小化。arg是变元（即自变量argument
au1n·2022-11-21 23:43

吃瓜教程 | Datawhale 打卡（Task 03）

主要是记录下自己格外的思考，具体细节在之后补充决策树是一种基本的分类与回归方。核心是选取划分条件（划分属性）最终目的样本划分越“纯”越好。决策树通常有三个步骤：特征选择、决策树的生成、决策树的修剪。常见决策树算法：ID3决策树C4.5决策树CART决策树剪枝处理剪枝(pruning)是决策树学习算法对付"过拟合"的主要手段。，为了尽可能正确分类训练样本，有时会造成决策树分支过多，以致于把训练集自身
au1n·2022-11-21 23:43

吃瓜教程 | Datawhale 打卡（Task 00）

为什么开这个课方便我们学习机器学习！什么是机器学习人工智能>机器学习>深度学习人工智能是一门学科。（不仅是机器）机器学习更像是在计算机领域去实现人工智能。深度学习是神经网络类的机器学习算法。课程定位人群定位内容定位本科数学基础我已经有了，买的西瓜书和南瓜书明天就到！（补充：张宇考研数学系列基础班）课程使用结合西瓜书和课程，要主动加强对男神（周老师）写的推导部分和非公式推导的文字讲解。课程安排早就已
au1n·2022-11-21 23:13

Datawhale7月“吃瓜教程”Task02打卡

ps:本文为记录参与Datawhale-7月吃瓜教程的学习笔记pss:文章所有PPT截图来自于：Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU
qqqqqqqjiajun·2022-11-21 23:39

Datawhale7月“吃瓜教程“Task05打卡

ps:本文为记录参与Datawhale-7月吃瓜教程的学习笔记pss:文章所有PPT截图来自于：Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU
qqqqqqqjiajun·2022-11-21 23:08

Datawhale7月“吃瓜教程”Task03打卡

ps:本文为记录参与Datawhale-7月吃瓜教程的学习笔记pss:文章所有PPT截图来自于：Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU
qqqqqqqjiajun·2022-11-21 23:38

Datawhale7月“吃瓜教程”Task04打卡

ps:本文为记录参与Datawhale-7月吃瓜教程的学习笔记pss:文章所有PPT截图来自于：Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU
qqqqqqqjiajun·2022-11-21 23:38

Datawhale7月“吃瓜教程”Task01打卡

ps:本文为记录参与Datawhale-7月吃瓜教程的学习笔记Task01——概览西瓜书+南瓜书1、2章1绪论1.1引言通过根据已有的经验来预测判断西瓜“好坏”与否来引入机器学习的概念。
qqqqqqqjiajun·2022-11-21 23:08

【Datawhale打卡】吃瓜教程 Task01

Task01：概览西瓜书+南瓜书第1、2章1.绪论机器学习是什么机器学习正是这样一门学科，它致力于研究如何通过计算的手段，利用经验来改善系统自身的性能.我的理解是机器学习是通过数据（经验）来学习一种解决问题的方法（模型），而实现这一学习过程的方法（学习算法或说计算的手段）就是我们目前正在学习的内容。基本术语这里主要是摘录，就偷懒搬运了网上整理好的笔记了出处数据集dataset：机器学习的基础是数据
Stozn·2022-11-21 23:37

基础通俗讲解集成学习算法

来源：Datawhale本文约6000字，建议阅读10+分钟本文以图文的形式对模型算法中的集成学习，以及对集中学习在深度学习中的应用进行了详细解读。
喜欢打酱油的老鸟·2022-11-21 17:11

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

作者：吴忠强，东北大学，来源：Datawhale1.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。
Python数据之道·2022-11-21 16:54

模型结果融合

模型类型Datawhale零基础入门数据挖掘-Task5模型融合五、模型融合Tip:此部分为零基础入门数据挖掘的Task5模型融合部分，带你来了解各种模型结果的融合方式，在比赛的攻坚时刻冲刺Top，欢迎大家后续多多交流
Wuleyi·2022-11-21 07:39

datawhale课程《transformers入门》笔记3：图解GPT-2

文章目录1.GPT简介2.与BERT的一个不同之处3.GPT2结构详解3.1Transformer-Decoder3.2GPT2训练过程3.3GPT2的输入3.4token在decoder层向上流动3.5模型输出3.6简化说明4.GPT2的Self-Attention4.2Self-Attention层详细过程5.GPT-2全连接神经网络FFNN5.1FFNN结构5.2代码示例5.3总结6.灾难性
神洛华·2022-11-21 06:11

入门金融数据分析-Task1-数据了解and熟悉赛题

学习目标：Tip: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四场——零基础入门金融风控之贷款违约预测挑战赛。
℡folk·2022-11-21 05:54

【DataWhale Obj Dec Task01】目标检测基础

目标检测的基本概念报名参加datawhale的目标检测组队学习，虽然做objdec有一段时间了，但是还没有系统的记录过自己的学习历程，就借此机会记录一下自己的感想和经历吧，就当是记笔记了。
陈子文好帅·2022-11-21 04:50

Datawhale学习笔记-吃瓜笔记：决策树

决策树基本流程决策树是一类常见的机器学习方法，以二分类任务为例，我们希望从给定训练数据集学得一个模型用以对新示例进行分类，这个把样本分类的任务，可看作对“当前样本属于正类吗？”这个问题的“决策”或“判定”过程，顾名思义，决策树是基于树结构来进行决策的，这恰是人类在面临决策问题时的一种很自然的处理机制。决策树(DecisionTree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期
JeffDingAI·2022-11-21 02:05

机器学习项目可视化展示方法

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达机器学习Author：杨剑砺，Datawhale成员，数据分析师From：Datawhale很多数据科学工作者都存在这样一个痛点，由于没有能点亮网页前端的技能树
小白学视觉·2022-11-21 01:59

误差和梯度下降

Datawhale开源学习，机器学习课程，项目地址：https://github.com/datawhalechina/leeml-notes之前讲了线性模型，提到了误差，那么误差来自哪里？
晨哥是个好演员·2022-11-21 01:53

深度学习简介及反向传播

Datawhale开源学习，机器学习课程，项目地址：https://github.com/datawhalechina/leeml-notes之前学习机器学习的时候，总结了三步：defineasetoffunctiongoodnessoffunctionpickthebestfunction
晨哥是个好演员·2022-11-21 00:16

机器学习吃瓜教程打卡第一天——西瓜书一二章概况笔记

（本人第一次参与Datawhale组队学习，也是第一次系统自学算法，内容理解如有错误，请诸位勘正）。内容主要基于机器学习西瓜书（周志华主编），Datawhale的南瓜书作为参考。一.机器学习概况。
糊小烦·2022-11-21 00:23

202201期Datawhale组队学习——吃瓜教程

目录前言学习路线Task00：熟悉规则（1.9）Task01：概览西瓜书+南瓜书第1、2章（1.10、1.11）Task02：详读西瓜书+南瓜书第3章（1.12-1.17）一、一元线性回归与多元线性回归（1.12、1.13）二、对数几率回归（1.14、1.15）三、线性判别分析（1.16、1.17）Task03：详读西瓜书+南瓜书第4章（1.18-1.20）Task04：详读西瓜书+南瓜书第5章（
yep吖·2022-11-21 00:52

李宏毅机器学习组队学习打卡活动day01---机器学习介绍

写在前面报了一个Datawhale组队学习活动，我参加的是第31期，打算好好学习以李宏毅老师的机器学习视频，虽然之前也看过一些，但是研究不深，这次想趁着这次活动系统学一下。
CharlesLC的博客·2022-11-20 23:43

零基础入门数据挖掘实践（学术前沿趋势分析）之一

1.1任务说明任务主题：论文数量统计，即统计2019年全年计算机各个方向论文数量；任务内容：赛题的理解、使用Pandas读取数据并进行统计；任务成果：学习Pandas的基础操作；可参考的学习资料：开源组织Datawhalejoyful-panda
luckywlj0115·2022-11-20 23:42

连接Linux远程服务器配置Pytorch环境

服务器配置Pytorch环境【注：本文为阅读DataWhale开源教程《深入浅出Pytorch》后，基于课题组新到服务器，配置Pytorch环境的过程记录】1.配置信息服务器GPU：A100单卡CUDA
西南小游侠·2022-11-20 23:58

Pytorch 基础学习（数据结构、自动求导）

Pytorch基础学习注：本文为学习DataWhale开源教程《深入浅出Pytorch》所做学习笔记，仅记录笔者认为价值较高且之前接触较少的知识点一、基本数据结构——Tensor1.Tensor构建Tensor
西南小游侠·2022-11-20 23:58

Pytorch 基础组件介绍（Pytorch入门）

Pytorch基础组件学习注：本文为学习DataWhale开源教程《深入浅出Pytorch》第三章所做学习笔记，仅记录笔者认为价值较高且之前接触较少的知识点1.数据读取Pytorch的数据读取通过Dataset
西南小游侠·2022-11-20 23:24

强化学习蘑菇书第十二章模仿学习、以及DDQN、演员-评论家算法的一点补充

大家好，今天一转眼datawhale的强化学习就到尾声了，一个月不到的时间，真的超快，伴随着两个多周的研究生暑校，只有晚上的时间读书学习，但幸运的是，还是坚持下来了。
rainbowiridescent·2022-11-20 19:00

【学习强化学习】十三、模仿学习介绍

训练数据跟测试数据不匹配2.2数据集聚合2.3VariationalDropout3.逆强化学习3.1概述3.2逆向强化学习方法的挑战4.第三人称视角模仿学习5.练习5.1keywords参考资料https://datawhalechina.github.io
CHH3213·2022-11-20 19:59

【手把手带你实现序列召回推荐模型】Task01：Paddle开发深度学习模型快速入门

本次吃瓜教程是Datawhale组织的组队学习。
miskirito·2022-11-20 16:08

DataWhale组队学习-Task01：Paddle开发深度学习模型快速入门

Trick1.Series数据处理-map不论是利用字典还是函数进行映射，Series.map()方法都是把对应的数据逐个当作参数传入到字典或函数中，得到映射后的值。#①使用字典进行映射data["gender"]=data["gender"].map({"男":1,"女":0})​#②使用函数defgender_map(x):gender=1ifx=="男"else0returngender#注
Digg_·2022-11-20 15:14

基于医疗知识图谱的问答系统 - 操作介绍

该部分的具体讲解将在Datawhale知识图谱组队学习之Task3Neo4j图数据库导入数据进行介绍；第二部分：启动问答测试。
GrowingBrain·2022-11-20 13:31

基于yolov5的工业缺陷检测方案

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：limzero，西安交通大学，Datawhale原创作者比赛介绍工业缺陷检测是当前深度学习落地的热门项目，
Datawhale·2022-11-20 13:06

深度强化学习笔记02-马尔可夫链

深度强化学习笔记02-马尔可夫链这几天杂事比较多，看了一些相关内容，但是没有时间形成笔记，此笔记复制与datawhale的MDP一节，后期自己学习填补。
sliceoflife·2022-11-20 10:12

强化学习《蘑菇书 EasyRL第一章 概览》

学习内容：《蘑菇书第一章》:https://datawhalechina.github.io/easy-rl/#/学习产出：
码不停Tick·2022-11-20 09:56

VCED环境的配置及安装

VideoClipExtractionbydescription)是一种通过文字描述来自动识别视频里符合描述的片段.这种技术是当今搜索技术的发展趋势,通过跨模态搜索与向量检索技术搭建,能够实现跨模态的搜索技术.环境的安装本次VCED学习的课程为DataWhale2022.11
余一十五·2022-11-20 09:54

2022011-跨模态实践 Task01 环境准备

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一、环境：操作系统：
MickWang1942·2022-11-20 09:54
上一页 20 21 22 23 24 25 26 27 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他