首页
学习
活动
专区
工具
TVP
发布

TechLead

专栏成员
95
文章
90325
阅读量
16
订阅数
无监督学习:从理论到实践的全面指南
无监督学习(Unsupervised Learning)是一类机器学习任务,其中算法在没有标签的情况下,从未标记的数据中学习模式和结构。与有监督学习不同,无监督学习不依赖于预定义的输出,而是从数据本身提取信息,用于发现数据的内在规律和特征。
TechLead
2024-06-21
910
监督学习6大核心算法精讲与代码实战
监督学习线性回归、逻辑回归、决策树、支持向量机、K近邻、朴素贝叶斯算法精讲,模型评估精讲
TechLead
2024-06-08
1441
全面盘点多模态融合算法及应用场景
多模态融合(Multimodal Fusion)是指结合来自不同模态(如视觉、听觉、文本等)的数据,以提升信息处理和理解能力的技术方法。多模态数据通常具有不同的物理性质和信息特征,通过融合这些多模态信息,可以获得更全面和准确的理解。这种融合过程可以发生在数据层、特征层和决策层:
TechLead
2024-05-29
1.1K0
生成式AI核心技术详解:从GANs到Transformers
生成式AI(Generative AI)作为人工智能的一个重要分支,通过学习大量的数据生成新的数据样本,在多个领域取得了令人瞩目的进展。生成式AI不仅在学术研究中激发了广泛的兴趣,也在工业应用中展示了巨大的潜力,推动了图像生成、文本生成、视频生成等领域的快速发展。
TechLead
2024-05-29
1.1K0
词向量发展历程:技术及实战案例
词向量(Word Vector)或词嵌入(Word Embedding)是自然语言处理(NLP)中的一项基础技术,它允许我们将自然语言中的词汇表示为实数向量。这些向量通常存在于一个高维空间内,其中每一个维度都可能代表着某种语义属性。通过这种转换,机器学习模型可以捕捉到词语之间复杂的关系,如语义相似性、反义、上下位关系等。
TechLead
2024-04-17
2920
探索关系抽取技术:常用算法与应用
关系抽取(Relation Extraction, RE)是自然语言处理(NLP)领域的一个重要任务,其主要目的是从文本中识别实体(entities)之间的预定义语义关系。这一任务对于构建知识图谱、信息检索、问答系统等应用至关重要,因为它能够帮助机器理解和利用文本中的结构化知识。
TechLead
2024-04-10
3840
实体抽取全解析:技术与实战
实体抽取(Named Entity Recognition, NER)技术,在自然语言处理(NLP)领域中占据着不可或缺的地位。它的主要任务是从文本中识别出具有特定意义的实体,例如人名、地点、组织机构名等,这对于理解和分析大量未结构化的文本数据至关重要。深入理解实体抽取技术不仅仅是掌握其基本原理和应用方法,更是要深挖其技术细节、挑战以及面对这些挑战时的创新解决方案。
TechLead
2024-04-10
5760
知识推理技术解析
在人工智能领域,知识推理技术是一个不断发展的重要分支,它关注于如何让计算机系统使用预先定义的知识库进行逻辑推理,以解决复杂问题。这种技术基于一系列成熟的理论和方法,从传统的符号逻辑推理发展到现代的图谱推理和机器学习融合方法。知识推理不仅涉及知识的有效表示和存储,还包括如何通过逻辑运算对这些知识进行处理和推导出新的知识。
TechLead
2024-03-13
1750
知识融合:知识图谱构建的关键技术
在人工智能和大数据时代,知识图谱作为连接广泛领域知识的桥梁,已经成为信息组织和智能检索的关键技术。知识图谱通过将现实世界中的实体及其相互关系以图形的形式进行结构化表示,不仅为机器提供了理解世界的方式,也极大地丰富了人机交互的可能性。随着知识图谱应用的不断深入,其在搜索引擎、推荐系统、语义搜索、智能问答等领域发挥着越来越重要的作用。
TechLead
2024-03-04
1.3K0
Azure AI - 沉浸式阅读器,阅读障碍用户福音
沉浸式阅读器旨在让每个人都能更轻松、更方便地阅读。 让我们看一下沉浸式阅读器的一些核心功能。
TechLead
2024-01-29
1930
Azure Machine Learning - 聊天机器人构建
此体系结构中的大多数资源使用基本定价层或消耗定价层。 消耗定价基于使用量,这意味着你只需为使用的部分付费。 完成本文将收取一定费用,但费用极少。 完成本文后,可以删除资源以停止产生费用。
TechLead
2024-01-18
2210
深入解析多目标优化技术:理论、实践与优化
在现代机器学习和深度学习的世界里,优化算法扮演着核心角色。它们是推动算法向预期目标前进的引擎,无论是在精度、速度还是效率方面。但随着技术的发展,我们越来越多地面临着一个不可避免的挑战:如何在多个目标间寻找最佳平衡点。这就引出了多目标优化(Multi-Objective Optimization,简称MOO)的概念。
TechLead
2024-01-17
2.4K0
脑科学与人工神经网络ANN的发展历程
人工神经网络(Artificial Neural Networks, ANN)是模仿生物神经网络(如大脑)的结构和功能的数学模型或计算模型,用于估计或逼近那些无法用传统算法精确表示的复杂函数关系。ANN是由大量互联互通的人工神经元组成,通过学习过程调整神经元间的连接权重,以实现特定的信号处理或行为模式。
TechLead
2024-01-02
2500
Azure Machine Learning - Azure OpenAI GPT 3.5 Turbo 微调教程
在 Azure 门户中转到你的资源。 可以在“资源管理”部分找到“终结点和密钥”。 复制终结点和访问密钥,因为在对 API 调用进行身份验证时需要这两项。 可以使用 KEY1 或 KEY2。 始终准备好两个密钥可以安全地轮换和重新生成密钥,而不会导致服务中断。
TechLead
2024-01-02
2790
生成学习全景:从基础理论到GANs技术实战
生成学习(Generative Learning)在机器学习领域中占据了重要的位置。它通过学习数据分布的方式生成新的数据实例,这在多种应用中表现出了其独特的价值。本节将深入探讨生成学习的核心概念,明确区分生成学习与判别学习,并探索生成学习的主要应用场景。
TechLead
2024-01-02
2160
Azure Machine Learning - 如何使用 GPT-4 Turbo with Vision
GPT-4 Turbo with Vision 是 OpenAI 开发的一个大型多模态模型 (LMM),可以分析图像,并为有关图像的问题提供文本回应。 它结合了自然语言处理和视觉理解,GPT-4 Turbo with Vision 可以回答一般图像相关问题。 如果使用[视觉增强]还可以出示视频。
TechLead
2024-01-02
3030
CUDA驱动深度学习发展 - 技术全解与实战
CUDA(Compute Unified Device Architecture)是由NVIDIA开发的一个并行计算平台和应用编程接口(API)模型。它允许开发者使用NVIDIA的GPU进行高效的并行计算,从而加速计算密集型任务。在这一节中,我们将详细探讨CUDA的定义和其演进过程,重点关注其关键的技术更新和里程碑。
TechLead
2023-12-14
2840
CUDA驱动深度学习发展 - 技术全解与实战
CUDA(Compute Unified Device Architecture)是由NVIDIA开发的一个并行计算平台和应用编程接口(API)模型。它允许开发者使用NVIDIA的GPU进行高效的并行计算,从而加速计算密集型任务。在这一节中,我们将详细探讨CUDA的定义和其演进过程,重点关注其关键的技术更新和里程碑。
TechLead
2023-12-14
9430
深度解析 PyTorch Autograd:从原理到实践
自动微分(Automatic Differentiation,简称 Autograd)是深度学习和科学计算领域的核心技术之一。它不仅在神经网络的训练过程中发挥着至关重要的作用,还在各种工程和科学问题的数值解法中扮演着关键角色。
TechLead
2023-12-13
7930
从规则到神经网络:机器翻译技术的演化之路
机器翻译(Machine Translation, MT)是人工智能领域的一项关键技术,旨在实现不同语言之间的自动翻译。自从20世纪中叶首次提出以来,机器翻译已从简单的字面翻译演变为今天高度复杂和精准的语义翻译。这项技术的发展不仅彻底改变了全球信息交流的方式,而且对于经济、政治和文化交流产生了深远影响。
TechLead
2023-12-05
8850
点击加载更多
社区活动
AI代码助手快速上手训练营
鹅厂大牛带你玩转AI智能结对编程
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档