datawhale

世界杯“黑科技”进化史

Datawhale干货来源：MetaPost审校：黄元帅前言在近100年的历史中，科技以前所未有的速度进步，成为人类生活各领域的塑造者和背景色，世界杯当然也不例外。
Datawhale·2022-12-07 19:49

毕业论文速成指南来了！

Datawhale干货作者：汪健麟，电子科技大学；审稿：牧小熊转眼间硕士毕业半年有余，想起肝毕业论文时的通宵达旦和不知被抓掉了多少的头发，心有余悸。
Datawhale·2022-12-07 13:42

机器学习算法中分类知识总结！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货译者：张峰，Datawhale成员本文将介绍机器学习算法中非常重要的知识—分类（classification），
Datawhale·2022-12-07 11:53

【强烈推荐】Github star 10K+，南瓜书来啦！周志华机器学习详细公式推导！

一年前，由Datawhale开源项目南瓜书发布，受到全网转发，一年后，南瓜书完整版正式撒花完结。从基础公式解析到难点探讨，无论你数学功底如何，都可以在南瓜书里找到你想要的。
机器学习与AI生成创作·2022-12-07 10:41

机器学习公式详解 南瓜书 PDF 全文内容详细分享

本书（俗称“南瓜书”）是根据datawhale会员自学西瓜书时的笔记编写的，旨在分析西瓜书中的重点和难点公式，并补充一些公式的具体推导细节。本书共16章，对应《西瓜书》的章节和公式。
JYMA12358·2022-12-07 10:06

datawhale深入浅出Pytorch01——Pytorch的安装和基础知识

Task01Pytorch的安装和基础知识本文主要参考DataWhale开源学习——深入浅出Pytorch，GitHub地址：https://github.com/datawhalechina/thorough-pytorch1.1
情定诺坎普1·2022-12-06 22:38

pytorch个人学习笔记

pytorch学习笔记来自datawhale的深入浅出pytorch教程的笔记。
ersanwuqi·2022-12-06 18:28

【Pytorch学习笔记1】Pytorch的安装与基础知识

个人笔记，仅用于个人学习与总结感谢DataWhale开源组织提供的优秀的开源Pytorch学习文档：原文档链接文章目录1.Pytorch简介与安装1.1Pytorch简介1.2Pytorch、CUDA安装
獭祭·2022-12-06 18:27

重磅 | 完备的 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
算法channel·2022-12-06 17:28

Datawhale水很深的机器学习笔记：CNN卷积神经网络

全连接神经网络全连接神经网络，它的权重矩阵的参数非常多，而且往往自然图像中的物体都具有局部不变性特征，即尺度缩放、平移、旋转等操作不影响其语义信息，但是全连接前馈网络很难提取这些局部不变特征，这就引出了我们将要介绍的卷积神经网络（ConvolutionalNeuralNetworks，CNN）。卷积神经网络也是一种前馈神经网络，是受到生物学上感受野（感受野主要是指听觉系统、本体感觉系统和视觉系统中
JeffDingAI·2022-12-06 16:45

人工智能的产业落地经验！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货来源：百度AI，百度黄埔学院每一次技术革命，都是一次生产力与生产关系的大变革。
Datawhale·2022-12-06 14:04

集成学习打卡学习记录(Datawhale)

一、了解机器学习开源文档：开源1.1什么是机器学习？感觉文章学习文档总结的很精炼也特别容易理解：机器学习的一个重要的目标就是利用数学模型来理解数据，发现数据中的规律，用作数据的分析和预测。数据通常是由向量组成。我们用xix_ixi来表示一个样本，其中i=1,2,3,...,Ni=1,2,3,...,Ni=1,2,3,...,N,共N个样本，每个样本xi=(xi1,xi2,...,xip,yi)x_
hzq201435·2022-12-06 13:34

Jina AI 联合Datawhale，发起学习项目！

Datawhale学习贡献方：JinaAI、Datawhale，方向：视频搜索视频创作者通常需要从大量的素材中找到自己需要的片段来剪辑，可真是心累。
Datawhale·2022-12-06 13:30

《Easy RL：强化学习教程》出版了！文末送书

在学习强化学习的过程中，遇到了有无数资料却难以入门的问题，于是发起了Datawhale强化学习项目，希望自学的同时帮助更多学习者轻松入门。"
夕小瑶·2022-12-06 12:01

Datawhale学习 - 天池大赛比赛全流程体验

比赛地址:https://tianchi.aliyun.com/competition/entrance/531871/introduction1学习目标使用docker上传容器镜像至阿里云的镜像仓库实践了镜像的pull、build、push等一系列操作完成了本地docker环境的配置以及代码的运行提交到远程完成了比赛的全流程体验2学习流程2.1安装DockerforWindowsDocker安装
Felixy_97·2022-12-06 12:46

DW李宏毅机器学习笔记—Task05（五）—批次标准化（Batch Normalization）简介

总结前言这是我在Datawhale组队学习李宏毅机器学习的记录，既作为我学习过程中的一些记录，也供同好们一起交流研究，之后还会继续更新相关内容的博客。Cha
湘玄书生·2022-12-06 11:05

Kaggle经典数据分析项目：泰坦尼克号生存预测！1. 数据概述与可视化2. 数据预处理3. 模型训练4. 模型优化（调参）

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：陈锴，中山大学，Datawhale成员最近有很多读者留言，希望能有一个完整的数据分析项目练手，这几天收集了组织成员们的推荐
wx1871428·2022-12-06 10:52

【datawhale202203】深入浅出PyTorch：PyTorch模型定义及模型搭建

小结本节包含了PyTorch模型的定义方式，利用模型搭建复杂网络的方法（其实前两部分的模型称为模块或许更加合适），以及修改现有模型的方法，最后是关于整个模型的保存及读取。本节内容非常具有实用价值，尤其是在修改现有模型这个部分，之后预计附加一些实际操作巩固。目录小结1PyTorch模型定义的方式1.1关于模型定义的必要知识1.2Sequential1.3ModuleList1.4ModuleDict
SheltonXiao·2022-12-06 08:45

我的机器学习入门清单及路线！

来源：Datawhale干货作者：桔了个仔，南洋理工大学知乎：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
Python数据之道·2022-12-06 06:28

DataWhale Numpy入门学习（下）：Task09——线性代数

矩阵的乘法numpy.dot(a,b[,out])#计算两个矩阵的乘积，如果是一维数组则是它们的内积。importnumpyasnpx=np.array([1,2,3,4,5])y=np.array([2,3,4,5,6])z=np.dot(x,y)print(z)#70x=np.array([[1,2,3],[3,4,5],[6,7,8]])print(x)#[[123]#[345]#[678]
起名字什么的好难·2022-12-05 22:23

深度学习之Pytorch基础教程！

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Datawhale干货作者：李祖贤，Datawhale高校群成员，深圳大学随着深度学习的发展，深度学习框架开始大量的出现。
小白学视觉·2022-12-05 20:23

动手学习深度学习——读书笔记(1)

最近由于全民战“疫”，只能天天宅在家里，为了不荒废学习报名参加了Datawhale联合博禹教育，上交大，和鲸科技和亚马逊AWS打造的“动手学习深度学习”的AI公益训练营。借此机会，好好的读读《动手学习
小张想学计算机·2022-12-05 13:00

深度学习的三个主要步骤！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：屈太国，湖南大学，Datawhale优秀学习者本文来自李宏毅机器学习笔记（LeeML-Notes）组队学习
Datawhale·2022-12-04 20:12

西瓜书第六章阅读笔记

西瓜书第六章阅读笔记1、先导知识1.1超平面1.2几何间隔1.3拉格朗日对偶2、支持向量机2.1模型2.2策略2.3求解算法3、软间隔与硬间隔4、补充本章内容是结合了西瓜书和Datawhale的讲解视频两者的内容
狗狗熊学AI·2022-12-03 14:29

datawhale 8月学习——NLP之Transformers：编写BERT模型

前情回顾1.attention和transformers2.BERT和GPT结论速递跟着教程，阅读了HuggingFace的BERT模型，分为tokenizer和model两大部分，而model内部又细分为embedding，encoder（内分为Attention和Intermediate）和Pooler三大部分。阅读源码的逻辑，基本上是按照BERT是如何计算的这个逻辑来进行的，但其中存在着一个
SheltonXiao·2022-12-03 07:33

目标检测的常用数据处理方法！

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达作者：徐和鼎，浙江大学，Datawhale优秀学习者前沿在上节内容中，我们介绍了目标检测的基础概念，并分析了实现目标检测的常用思路，
小白学视觉·2022-12-03 07:46

重磅 | 完备的 AI 学习路线，最详细的资源整理！

来源：Datawhale链接：https://mp.weixin.qq.com/s/fUNDdCzJrWBoKYh1tT4gSw【导读】本文由知名开源平台，AI技术平台以及领域专家：Datawhale，
普通网友·2022-12-02 23:14

Matplotlib数据可视化（一）

Task01本次学习参照Datawhale开源学习：https://github.com/datawhalechina/fantastic-matplotlib内容大体源自原文，结合自己学习思路有所调整
黑小板·2022-12-02 11:28

pytorch笔记：TD3

参考代码来源：easy-rl/codes/TD3atmaster·datawhalechina/easy-rl(github.com)理论部分：强化学习笔记：双延时确定策略梯度(TD3)_UQI-LIUWJ
UQI-LIUWJ·2022-12-02 02:15

pytorch 笔记：DDPG （datawhale 代码解读）

理论部分可见：强化学习笔记：双延时确定策略梯度(TD3)_UQI-LIUWJ的博客-CSDN博客源代码路径：easy-rl/codes/DDPGatmaster·datawhalechina/easy-rl
UQI-LIUWJ·2022-12-02 02:15

datawhale基于高斯分布的朴素贝叶斯分类器及聚类问题

反思与总结：  （1）朴素贝叶斯的分类模型公式P(c/x)=P©P(x/c)/P(x),其中P©为先验概率，P(x/c)为条件概率，P(x)对于任何类别来说都相同，因此只需比较P©P(x/c)即可，例子中提到的鸢尾花每个类别个数相同，即每个类别P©都相同，只需比较条件概率即可，例子中假定鸢尾花每个特征服从高斯概率分布，通过公式计算出不同类别下每个样本的条件概率，比较哪个类别的概率大，就是属于哪个类
qq_40791906·2022-12-02 00:17

一举刷新 54 个中文 NLP 任务基准，大模型加持下的EasyDL有多强？

Datawhale分享EasyDL：一键安装，本地高效建模随着AI技术的发展，NLP技术已经陆续“上岗”至各类产业应用场景中，自动处理繁杂而重复性的工作，如新闻内容自动分类、智能客服自动回复、评论敏感词审核
Datawhale·2022-12-01 23:18

【Datawhale学习】Pytorch可视化

对于我们刚刚接触神经网络的初学者来说，它是非常神奇的一个存在：我们将特征进行输入，数据流经网络，进行一番操作后就输出了结果。所谓训练神经网络的过程，就是通过梯度下降不断修改网络内部的参数，从而使得输出结果越来越精确。在写好的程序中，构建神经网络模型完成后就把它封装起来了，并且前向传播（forward）、反向传播（backward）都是自动计算的。因此，神经网络对于使用者而言，更像是一个“黑箱”，我
tigerwang29·2022-12-01 20:48

用强化学习通关超级马里奥！

作者|肖遥来源丨DatawhaleDQN算法实践之速通超级马里奥作为强化学习(ReinforceLearning,RL)的初学者，常常想将RL的理论应用于实际环境，以超级马里奥为例，当看着自己训练的AI
AI科技大本营·2022-12-01 16:45

资源分享（nlp、kaggle、pytorch、datawhale）

2.1NLP相关2.2transformer资源2.3HuggingFace：2.4其它文章三、CV相关四、数据挖掘4.1pandas、sns工具类五、kaggle赛事5.1NLP赛事六、其它赛事：6.1datawhale
神洛华·2022-12-01 12:48

我做算法工作的小反思！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：努力的伍六七，算法工程师来源丨https://zhuanlan.zhihu.com/p/363354912
Datawhale·2022-12-01 11:55

（九）集成学习中——Boosting简介&AdaBoost

参考：DataWhale教程链接集成学习（上）所有Task：（一）集成学习上——机器学习三大任务（二）集成学习上——回归模型（三）集成学习上——偏差与方差（四）集成学习上——回归模型评估与超参数调优（五
ArriettyYun·2022-12-01 10:05

Pytorch情感分析（task6）

BERT情感分析数据集步骤构建迭代器构建模型设定超参数创建实例选择损失函数和优化器train/evaluatetest参考:https://github.com/datawhalechina/team-learning-nlp
InveR1el·2022-12-01 03:52

【李宏毅机器学习2022】Task06 self-attention算法

【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。本次是对深度学习中self-attention算法的学习总结。
王多头发·2022-12-01 02:39

【Datawhale跨模态实践学习笔记】VCED

VCED介绍VCED前端运行利用Streamlit启动web/app.py文件：streamlitrunmain.py界面如下：VCED前端代码介绍#导入需要的包importstreamlitasstfromjinaimportClient,DocumentArray,DocumentimportjsonimportosimporttimeimportuuidVIDEO_PATH=f"{os.ge
JeffDingAI·2022-11-30 23:23

深度确定性策略梯度（DDPG）算法（DataWhale组队学习笔记）

DDPG是连续控制领域的经典算法之一。DDPG是为了让DQN可以扩展到连续的动作空间而提出。通过在DQN的基础上增加一个策略网络来输出动作，采用演员-评论员算法，同时更新Q网络和策略网络的参数，来同时训练两个部分。DDPG借鉴了DQN的技巧：目标网络和经验回放。DDPG算法下面我们来说明一下DDPG的核心结构：DDPG拥有4个网络：Q网络、目标Q网络、策略网络、目标策略网络。1、Q网络：是原始DQ
Savarus·2022-11-30 23:43

推荐算法项目实践笔记（DataWhale组队学习）（持续更新中）

问题分析本次比赛是一个经典点击率预估（CTR）的数据挖掘赛，需要选手通过训练集数据构建模型，然后对验证集数据进行预测，预测结果进行提交。本题的任务是构建一种模型，根据用户的测试数据来预测这个用户是否点击广告。这种类型的任务是典型的二分类问题，模型的预测输出为0或1（点击：1，未点击：0）用户的数据包括不同种类的信息，需要对数据进行相应的分析，来对不同信息进行相应的处理。在进行数据探索之前，我们先分
Savarus·2022-11-30 23:43

VCED项目安装踩坑指南（DataWhale11月组队学习）

项目开源地址：GitHub-datawhalechina/vced:VCED可以通过你的文字描述来自动识别视频中相符合的片段进行视频剪辑。
Savarus·2022-11-30 23:43

强化学习中的策略梯度算法及近端策略优化算法（DataWhale组队学习笔记）

我们首先总结一下之前学习到的知识：强化学习术语英文词汇及公式、符号表示简单解释智能体agent具有智能的实体演员actor负责与环境交互(环境)状态(environment)state：在时刻，环境所达到的状态策略policy：智能体根据状态产生的策略在时刻，状态的条件下根据概率选择动作动作action：在时刻，根据策略决定的下一步动作奖励reward：在时刻，根据做出的动作获得的奖励模型mode
Savarus·2022-11-30 23:43

稀疏奖励及模仿学习（DataWhale组队学习笔记）

稀疏奖励在用强化学习解决现实问题时，我们对学习目标设置相应的奖励，但在庞大的状态空间中，智能体想要通过随机试错来获取奖励的概率是极低的，不获得奖励就没办法学习，我们将这种情况称作稀疏奖励。针对稀疏奖励问题，我们介绍以下几种解决方案。1、RewardShapingRewardShaping的意思是说，我们人为的设计一些引导性质的奖励，来为智能体设计一些学习路线，这样来丰富获得奖励的途径，从而避免奖励
Savarus·2022-11-30 23:13

VCED项目理论学习及代码实现（待更新）

项目开源地址：GitHub-datawhalechina/vced:VCED可以通过你的文字描述来自动识别视频中相符合的片段进行视频剪辑。
Savarus·2022-11-30 23:11

Datawhale-李宏毅深度学习Day4

深度学习及反向传播机制深度学习深度学习，即deeplearning，是机器学习领域中一个新的研究方向。学习步骤选择神经网络进行模型评估选择最优函数反向传播反向传播算法是目前用来训练人工神经网络的最常用且最有效的算法。
xyuuuyx·2022-11-30 19:31

Datawhale-李宏毅深度学习Day3

误差分解及梯度下降误差分解机器学习误差Error的主要来源有两个,分别是偏差bias和方差variance。梯度下降梯度下降是一个最优化算法，用来递归性地逼近最小偏差模型。
xyuuuyx·2022-11-30 19:31

最新的NLP开源神器来了！

Datawhale开源内容：NLP开源项目详解导读PaddleNLP是兼具科研学习和产业实践能力的PythonNLP工具包，提供中文领域丰富的预训练模型和部署工具，被高校、企业开发者广泛应用。
Datawhale·2022-11-30 16:52

CCF推荐系统项目代码解读！

Datawhale干货作者：阿水，北京航空航天大学，Datawhale成员本文以CCF大数据与计算智能大赛（CCFBDCI）图书推荐系统竞赛为实践背景，使用Paddle构建用户与图书的打分模型，借助Embedding
Datawhale·2022-11-30 15:47
上一页 16 17 18 19 20 21 22 23 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他