dataWhale

Kaggle Top1% 是如何炼成的！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：吴晓晖，中山大学硕士原文链接：https://zhuanlan.zhihu.com/p/27424282不知道你有没有这样的感受
Datawhale·2022-11-14 19:11

GNN教程：DGL框架实现GCN算法！

↑↑↑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，算法工程师，Datawhale成员引言本文为GNN教程的第七篇文章【使用DGL框架实现GCN算法】。
Datawhale·2022-11-14 11:54

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
weixin_30642561·2022-11-14 07:32

task01-PyTorch基础知识

[DataWhale–深入浅出PyTorch]学习笔记系列文档文档地址：https://datawhalechina.github.io/thorough-pytorch/index.html第一章：PyTorch
阿拉很ellllllllllll·2022-11-11 11:48

Task02——支持向量机（Support Vector Machine，SVM）

支持向量机（SupportVectorMachine，SVM）本系列是2022年12月DataWhale组队学习中sklearn机器学习实战中的第二个学习任务——SVM，开源的在线学习地址，下面我们就开始本次学习之旅了
Janayt·2022-11-10 14:54

3行代码完成时序建模，最新开源的时序算法发布！

Datawhale开源方向：时间序列开源项目时序是什么？时序预测可以为业务带来哪些价值？产品销量预测、电池剩余寿命预测……这些高价值场景如何提高预测准确率？深度学习模型在时序预测有什么优势？
Datawhale·2022-11-10 10:48

30万奖金池，百度NLP大赛来了！

Datawhale赛事主办方：百度搜索，北大、山大等高校百度搜索联合北京大学、山东大学、湖南人工智能学会、西安电子科技大学等各地高校、学会，共同启动“新智能·新搜索”为主题的首届搜索技术创新挑战赛（STI
Datawhale·2022-11-10 10:48

六月组队学习计划！

Datawhale学习贡献者：Datawhale、伯禹教育、上海交通大学ACM班本月组队学习，包含了人工智能、数据科学、基础编程3个模块，共11个学习内容。
Datawhale·2022-11-10 10:18

暑期组队学习！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale学习开源贡献：Datawhale团队漫漫夏日，不如一起聚众学习暑假特辑开源教程如下：(1)机器学习：吃瓜教程(2)深度学习
Datawhale·2022-11-10 10:17

Datawhale x 上交，四月组队学习计划！

Datawhale学习贡献者：Datawhale、伯禹教育、上海交通大学ACM班对于未来从事CS相关工作的同学，我一直强调算法与数据结构能力。
Datawhale·2022-11-10 10:17

新年组队学习计划！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale学习开源贡献：Datawhale团队这是2021年首场竞赛实践主题的学习。
Datawhale·2022-11-10 10:47

三月组队学习计划！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale学习开源贡献：Datawhale团队这是今年三月份的组队学习（每月第2周周六组织），这次学习于3月13日报名，内容如下
Datawhale·2022-11-10 10:47

十一月组队学习！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale学习开源贡献：Datawhale团队本月组队学习，包含推荐系统实践、Numpy入门（下）两个模块的路线学习。
Datawhale·2022-11-10 10:47

十一月组队学习报名啦！

Datawhale学习贡献团队：Datawhale、JinaAI、百度飞桨本月组队学习，包含了AI理论及AI实践2个模块，共5个学习内容。
Datawhale·2022-11-10 10:44

Datawhale吃瓜教程-task2学习笔记（第三章）

3.1基本形式线性模型旨在学得一个通过属性（特征）的线性组合来进行预测的函数向量形式可写为3.2线性回归1.线性回归旨在学得一个线性模型以尽可能准确地预测。2.对于离散特征，若有序（“高”与“矮”），可通过连续化转化为连续值；若无序（“西瓜”与“南瓜”），则通常转化为k维向量。3.线性回归为尽可能准确地预测实值输出标记，需要确定w和b，使得f(x)与y差别尽可能小，即使均方误差误差最小化。可以使用
___黎明的鱼·2022-11-10 07:59

李宏毅深度学习--卷积神经网络

李宏毅深度学习–卷积神经网络本文主要基于以下参考资料：开源文档：https://datawhalechina.github.io/leeml-notes视频地址：https://www.bilibili.com
Rachale_·2022-11-06 14:21

机器学习过拟合与欠拟合！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：胡联粤、张桐，Datawhale面经小组Q1如何理解高方差与低偏差?
Datawhale·2022-11-02 18:33

day1-李宏毅机器学习

目录心得体会一、hand-craftedrules二、三类学习方法三、迁移学习四、强化学习心得体会今天开始参加开源学习组织datawhale的组队学习--李宏毅机器学习，再次写一系列文章记录我的学习笔记与感悟
苏晨星·2022-11-01 23:35

图解Word2vec，读这一篇就够了！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货来源：大数据文摘，推荐人：张帆嵌入（embedding）是机器学习中最迷人的想法之一。
Datawhale·2022-11-01 19:22

DATAWHALE-李宏毅机器学习-1

机器学习引言人工智能(ArtificialIntelligence)是机器学习方法(MachineLearning)追求实现的目标。河狸造堤坝是生物的本能，机器学习的天赋则来自hand-craftedrules。hand-craftedrules的缺点在于它考虑不到存在情况的所有可能性，也永远无法超越人类，同时又需要耗费大量的人力。未来机器学习方法或许不需要过多人力，而只需使用大量数据。机器学习也
樟宜·2022-11-01 03:32

Datawhale 202210 Excel | 第九、十章 Excel数据可视化

数据可视化第九章-数据透视表/数据透视图Excel数据透视表Excel数据透视图第九章练习题第十章-Excel数据看板参考文献：第九章-数据透视表/数据透视图数据透视表能够快速实现数据的汇总与统计分析。Excel数据透视表插入透视表的方式：选择插入->选择“数据透视表”->选择表格区域->.选择数据透视表放置的位置Eg.例如，想知道不同月份的不同区域销售金额统计情况，可以将区域置于列，月置于行，金
o0卤化氢0o·2022-10-30 07:01

PyTorch入门精简资料（五）PyTorch实现L1，L2正则化以及Dropout

Datawhale_Task5PyTorch实现L1，L2正则化以及Dropout了解知道Dropout原理用代码实现正则化(L1、L2、Dropout）Dropout的numpy实现PyTorch中实现
Courageux-J·2022-10-30 07:11

定制音库成本骤降98%，PaddleSpeech小样本语音合成方案开源了！

Datawhale开源方向：语音合成开源项目随着以语音为交互渠道的产业不断升级，企业对于语音合成也有着越来越多的需求，比如智能语音助手，手机地图导航，有声书播报等场景都需要用到语音合成技术。
Datawhale·2022-10-30 03:42

动手学CV-目标检测入门教程：基本概念

3.1目标检测基本概念本文来自开源组织DataWhaleCV小组创作的目标检测入门教程。
随煜而安·2022-10-28 15:01

datawhale 8月学习——NLP之Transformers：BERT的应用、训练和优化

前情回顾attention和transformersBERT和GPT编写BERT模型结论速递接着上一个任务，本次继续阅读HuggingFace的BERT源码，进一步熟悉了BERT在预训练和微调阶段的应用。分别是预训练阶段的MLM任务和NSP任务，以及微调阶段的一些具体的NLP任务。在教程基础上，还补充了关于导入pre_trained模型的一些内容。随后，进一步了解了BERT在训练过程中，分别在预训
SheltonXiao·2022-10-28 10:53

Pandas进阶肆 分组

Pandas进阶肆分组pandas进阶系列根据datawhale远昊大佬的joyfulpandas教程写一些自己的心得和补充，本文部分引用了原教程，并参考了《利用Python进行数据分析》、pandas
嫌疑人Y的执事·2022-10-28 10:53

datawhale 8月学习——NLP之Transformers：attention和transformers

结论速递这次学习的内容较多，最核心的知识点其实在于理解attention的作用，其实现的关键步骤，self-attention的诞生及其作用。理解了之后Transformer的搭建就显得容易理解很多。在这次笔记中，第一部分简单介绍了问题背景，第二部分首先介绍了处理自然语言的Seq2seq结构，并引入了Attention机制，在这部分介绍中讲述了在Seq2seq中引入Attention的目的，键值对
SheltonXiao·2022-10-27 21:45

一个博士生接受怎样的训练是完整、全面的科研训练？

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：刀客特李，休斯顿大学，博士来源（知乎）：https://www.zhihu.com/question/384512106
Datawhale·2022-10-27 18:06

【GitModel】假设检验1-方法论与一元数值检验学习笔记

本文内容根据Datawhale和GitModel开源学习教程整理，学习链接：https://github.com/Git-Model/Modeling-Universe/tree/main/Data-Story
laffycat·2022-10-25 19:40

6种时序异常检测思路总结！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货内容：异常检测，来源：Coggle数据科学时序异常检测并不困难，如果你找对方法则可以在今年KDD比赛中获取比较好的成绩
Datawhale·2022-10-24 20:30

mysql except运算_SQL集合运算

资料来源：DataWhale组队学习结合运算并，交和差-UNION，INTERSECT和EXCEPT表的加法—UNION**练习题:**假设连锁店想要增加毛利率超过50%或者售价低于800的货物的存货量
weixin_39854867·2022-10-24 08:25

马尔可夫决策过程（MDP）公式推导及理解（DataWhale组队学习笔记）

马尔可夫决策过程通过对智能体与环境的交互过程进行建模，从而达到求解最优策略的问题。1、马尔可夫性质：2、满足马尔可夫性质的状态序列，通过状态转移矩阵来表示状态之间的变化：状态转移函数：状态转移矩阵：3、通过定义状态价值函数，来评估：从当前状态开始，之后可能获得的价值量折扣回报（discountedreturn）：折扣的作用只是为了对未来的回报进行加权，来增加现有奖励的影响。在有模型的强化学习问题中
Savarus·2022-10-23 17:14

通用人工智能最新突破！一个Transformer搞定一切

Datawhale干货编辑：梦晨鱼羊，来源：量子位通用人工智能，还得看DeepMind。这回，只一个模型，使用相同的权重，不仅把看家本领雅达利游戏玩得飞起。和人类聊聊天、看图写话也不在话下。
Datawhale·2022-10-23 07:11

让Python代码简洁的实用技巧！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：FrankAndrade，译者：张峰众所周知，编写Python代码在开始时十分容易，但随着你在工具包中添加更多的库
Datawhale·2022-10-20 22:31

datawhale6

我们拥有的泰坦尼克号的数据集，那么我们这次的目的就是，完成泰坦尼克号存活预测这个任务。In[1]:importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltimportseabornassnsfromIPython.displayimportImageIn[2]:%matplotlibinlineIn[3]:plt.rcParams[‘f
sima0313·2022-10-18 07:33

用Keras解决机器学习问题！

Datawhale干货作者：皮钱超，厦门大学，Datawhale成员深度学习框架Keras入门项目本文介绍3个案例来帮助读者认识和入门深度学习框架Keras。
Datawhale·2022-10-18 07:26

Task 3 Neo4j图数据库导入数据

目录Datawhale知识图谱组队学习之Task3Neo4j图数据库导入数据目录一、引言二、Neo4j简介2.1基本概念2.2索引2.3Neo4j的优势2.4环境部署2.4.1运行环境2.4.2neo4j
csdnshenjiaye·2022-10-15 19:46

Task 3 Neo4j简介及图数据库导入数据

Datawhale知识图谱组队学习task3neo4j图数据库导入数据一、引言二、Neo4j简介2.1基本概念2.2索引2.3Neo4j的优势2.4环境部署2.4.1运行环境2.4.2neo4j安装及使用三
Rock_y·2022-10-15 19:16

Datawhale 知识图谱组队学习 之 Task 3 Neo4j图数据库导入数据

Datawhale知识图谱组队学习之Task3Neo4j图数据库导入数据文章编写人：芙蕖github地址：特别鸣谢：QASystemOnMedicalGraph目录Datawhale知识图谱组队学习之Task3Neo4j
Andrew_zjc·2022-10-15 19:45

Datawhale~水很深的深度学习~Task 4: 卷积神经网络（CNN）

写在前面✍\quad\quad本系列笔记为Datawhale11月组队学习的学习笔记：水很深的深度学习。本次组队学习重理论知识学习，包含DL相关的基础知识，如CNN、RNN、Transformer等。
小卜妞~·2022-10-14 16:11

【李宏毅机器学习2021】Task01 机器学习介绍

【李宏毅机器学习2021】本系列是针对datawhale《李宏毅机器学习-2022》的学习笔记。本次是对机器学习介绍的学习总结。
王多头发·2022-10-14 16:09

Kaggle 顶级大师是怎样炼成的

Datawhale干货编辑：数据派THU，整理：机器之心本文约8200字，建议阅读15+分钟Kaggle顶级大师为你分享自己成为高手的经验。
Datawhale·2022-10-13 10:58

南开教授因个人简历太好笑冲上热搜！学校回应来了！

Datawhale分享信息：南开大学教授，整理：募格学术最近，一位不走寻常路的南开教授在社交媒体刷屏了。9月17日，话题#南开胡金牛教授简历太好笑了#一度冲上热搜第二。这简历能有多好笑？
Datawhale·2022-10-13 10:27

摩尔定律即将走向终结？对未来更广阔世界影响的55个预测！

Datawhale干货译者：罗泽铭，伦敦大学城市学院原文：https://bzogrammer.substack.com/p/the-next-century-of-computing原作：CharlesRosenbauer
Datawhale·2022-10-13 10:27

【吃瓜教程】《机器学习公式详解》西瓜书与南瓜书公式推导

整个学习过程;先看西瓜书，在看Datawhale吃瓜教程.，最后要看南瓜书。
晓乐丶·2022-10-12 21:28

【Task00】Datawhale202205组队学习 吃瓜教程 机器学习西瓜书+南瓜书

【Task00】导学课-Datawhale202205组队学习吃瓜教程机器学习西瓜书+南瓜书什么是机器学习人工智能（ArtificialIntelligence，AI）人工智能具体应用领域计算机视觉（ComputerVision
推轱辘追星光的磕盐汪·2022-10-12 21:56

【Task01】Datawhale202205组队学习 吃瓜教程 机器学习西瓜书+南瓜书

【Task01】Datawhale202205组队学习吃瓜教程机器学习西瓜书+南瓜书概览西瓜书+南瓜书第1、2章学习建议：概览西瓜书第1章和第2章的基本概念和术语，跳过以下内容：第1章：【1.4-归纳偏好
推轱辘追星光的磕盐汪·2022-10-12 21:56

[机器学习]西瓜书&南瓜书学习（更新中）

B站网课学习视频南瓜书datawhale开源内容南瓜书github开源内容什么是机器学习概念介绍人工智能：让机器变得像人一样拥有智能的学科机器学习：让计算机像人一样能从数据中学习出规律的一类算法深度学习
丁lingling哇·2022-10-12 21:26

DataWhale吃瓜教程-Task2学习笔记(CH3-线性模型)

吃瓜教程学习笔记-CH3线性模型3.1基本形式3.2线性回归1,一元线性回归2,多元线性回归3.3对数几率回归3.4线性判别分析LDA3.5多分类学习3.6类别不平衡3.7参考3.1基本形式线性模型（linearmodel）：试图学得一个通过属性的线性组合来进行预测的函数。比如已有2000年到2015年房价信息，线性模型学习其性质规律后预测2016，2017年房子价格。一般向量形式：f(x)=wT
Alexa2077·2022-10-12 07:37

Datawhale -- opencv学习 -- Haar分类器（人脸检测）

PS.现在帖子方法已经过时了，大家直接去看深度学习的yolo和faster-RCNN目标检测吧。不过想学习一下这种传统的也可以看看~暂时没有时间来整理所有知识点的博客。只记录几个步骤！一、haar分类器用于人脸检测的几个关键点：1.Haar-like特征2.Haar-like特征的计算—积分图3.计算Haar特征值4.Haar特征值归一化（也可标准化）5.Adaboost级联分类器（人脸训练+检测
何小义的AI进阶路·2022-10-09 14:54
上一页 23 24 25 26 27 28 29 30 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他