归档 / 话题
深度学习
“深度学习”话题下的全部文章。
-
从偶然的发现到必然的革命：语义计算如何催生AIGC
引言：一次意外的发现，一个时代的开启 2013年，人工智能（AI）的历史被一个看似简单的向量等式悄然改写。托马斯·米科洛夫（Tomáš Mikolov）及其在谷歌的团队在研发Word2Vec模型时，无意中发现了一个令…
-
国王 – 男人 + 女人 = 女王：一场美丽的意外如何让AI读懂世界
我们每天都在与人工智能对话，无论是使用搜索引擎、翻译软件，还是与智能助手聊天。这些AI似乎能“理解”我们的话语，但这背后并非真正的意识，而是一场精妙的数学与语言学的共舞。其核心魔法，便是将冰冷的文字转化为可以计算的“…
-
AI大神最新解读：欢迎来到“软件3.0”时代，人人都是程序员
最近，特斯拉前 AI 总监、OpenAI 的创始成员之一，AI 领域的传奇人物安德烈·卡帕西（Andrej Karpathy）发表了一篇关于 GPT 现状的深度长文，引起了广泛关注。你可能每天都在用类似 ChatGP…
-
吴恩达提出「懒人提示词」：结构化 Prompt 不香了，Prompt 工程师要凉？
AI 领域的权威人物，被誉为“AI 教父”的吴恩达（Andrew Ng）最近分享了一个引人深思的观点，可能会改变我们与大语言模型（LLM）互动的方式。
-
AIGC的进化：从”能做”到”如何做得更好”的预期转变
从惊喜到期待：AIGC的发展阶段变迁 记得去年第一次用MidJourney生成图片时，那种"这居然是由AI生成的！短短一年间，AIGC（人工智能生成内容）已经从令人惊喜的新奇事物，变成了我们日常工作生活中不可或缺的工…
-
机器学习之类别特征处理
它的原始输入通常是字符串形式，大多数算法模型不接受数值型特征的输入，针对数值型的类别特征会被当成数值型特征，从而造成训练的模型产生错误。Label encoding Label Encoding是使用字典的方式，将每…
-
机器学习入门
拥抱人工智能，从机器学习开始 背景： 自“阿尔法狗”（AlphaGo）完胜人类围棋顶尖高手后，有关人工智能（AI）的讨论就从未停歇。工业4.0方兴未艾，人工智能引领的工业5.0时代却已悄然苏醒。
-
Python数据分析7步(Iris数据集)
数据： iris.csv Python数据分析7步 1 导入库 2 导入数据 Iris数据集是一个经典的多变量数据集，由英国统计学家和生物学家罗纳德·费舍尔（Ronald Fisher）在1936年引入，用于展示他的…
-
垂直领域的开源模型、数据集及评测基准。
Awesome Domain LLM 自以ChatGPT为代表的大语言模型出现以后，掀起了新一轮研究和应用浪潮，出现了许多包括LLaMA、ChatGLM、Baichuan、Qwen等在内的通用模型。随后，来自不同领域…
-
《动手学大模型》系列编程实践教程
About 《动手学大模型Dive into LLMs》系列编程实践教程 sjtullm.gitbook.io/dive-into-llms 项目动机 《动手学大模型》系列编程实践教程，由上海交通大学2024年春季《…
-
【案例】我是如何用Coze搭建乔尔事务所Bot的
我是如何用Coze搭建乔尔事务所Bot的 [乔尔事务所]() Albert是乔尔事务所的第一个bot，这篇文章梳理了搭建bot的思路，内容大多来自于对Albert的采访，重新排版整理后穿插了一些设计过程中的想法。为什…
-
企业内部如何更好落地大模型
在微软推出 Copilot 后，工作场景中如何落地 LLM 很快成为业内关注的重点。钉钉、飞书等办公软件也快速在最新版本中集成 AI 功能。对于软件企业而言，在已有的软件上增加 AI 功能，并带来新产值，已经被 No…
-
黄仁勋集齐Transformer论文七大作者，对话一小时
文 / 腾讯科技 郭晓静 2017年，一篇具有里程碑意义的论文——《Attention is All You Need》横空出世，它首次引入了基于自注意力机制的Transformer模型，这一创新架构摆脱了传统的RN…
-
吴恩达教授分享：如何用AI构建复杂的工作流程获得良好结果
吴恩达教授提出的四步法，用于构建复杂的AI工作流程和获得良好结果： 这四步法提供了一条清晰的路径，从初始测试到最终通过协同工作完成复杂任务，是开发AI应用和优化业务流程的有效方法。解释 编写初始Prompt ：编写一…
-
普通人也能理解的 Transformer
闪念基因 引言 如今爆火的大模型，GPT-3，BERT 等，通过大量的参数和数据，为我们提供了前所未有的自然语言处理能力，使得机器能够更好地理解和生成人类的语言。
