Datawhale团队第八期录取名单！

最新推荐文章于 2024-07-12 15:56:08 发布
最新推荐文章于 2024-07-12 15:56:08 发布
阅读量1.5k 收藏
点赞数 2
文章标签： 人工智能 大数据 编程语言 java 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Datawhale/article/details/127399548
版权

 Datawhale团队 

公示：Datawhale团队成员

Datawhale成立三年多了，从一开始的12个人，学习互助，到提议建立开源组织，做更多开源的事情，帮助更多学习者，也促使我们更好地成长。于是有了我们的使命：“for the learner，和学习者一起成长”，希望成为对学习者最有价值的开源组织。

文末阅读原文，可申请加入Datawhale

三年的时间，Datawhale从发布第一个开源教程《PumpkinBook-南瓜书》。

83c8162480f735f203ada2b92b78fe07.png

惊喜于周老师分享。

427b0d31fab4dc4549d18479045f254c.jpeg

我们一直在不断沉淀人工智能领域各个细分知识点的学习教程ÿ

最低0.47元/天 解锁文章
Datawhale
关注
  • 2
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Datawhale团队第七期录取名单！
Datawhale
04-05 468
Datawhale团队公示：Datawhale团队成员Datawhale成立三年了，从一开始的12个人，学习互助，到提议建立开源组织，做更多开源的事情，帮助更多学习者，也促使我们更好地成长。于是有了我们的使命：“for the learner，和学习者一起成长”，希望成为对学习者最有价值的开源组织。文末阅读原文，可申请加入Datawhale三年的时间，Datawhal...
Datawhale团队第二期录取名单！
Datawhale
07-18 722
Datawhale团队公示：Datawhale组织成员Datawhale已经成立一年半了，从一开始的12个人，学习互助，到提议建立开源组织，做更多开源的事情，帮助更多学习者，也促进我...
分享回顾｜新岁序开，2023 和Jina AI共同码梦！
Jina AI 的博客
01-17 970
在坚持开放协作精神、具备全球影响力的 Jina AI 开源社区，每天都有来自世界各地的开发者来到这里，因为技术产生联结，因为联结产生共创。一直以来，我们都为拥有这样一个全球化、多元化和高速发展的社区而感到自豪和感激！就在昨晚 20 点，Jina AI 社区举办了「Nice????Meet You·兔年迎新面对面」活动，联合了8位合作伙伴，与100多位社区开发者、4000 多位观看直播的观众一起回...
Datawhale第五期组队学习团队成员
Datawhale
03-18 1152
第三期集训团队成员 集训 准负责人 奖惩助教 算法梳理 苏静 康兵兵 算法梳理进阶 黑桃 胡稳 算法实践 刘广月 杨煜 算法实践进阶 排骨 龙俊豪 编程 吕雪杰 孙超 统计学 王佳鑫 许辉 Leetcode 于鸿飞 杨皓博 Python 叶梁 张云鹏 准负责人 准负责人建立各自的集训群和集训报名群 准负责人对接李碧涵确定集训内容和准负责人职责（除新...
Datawhale团队第一期录取名单！
Datawhale
05-09 1688
Datawhale作者：Datawhale成员Datawhale已经成立一年半了。Datawhale从一开始的12个人，学习互助，到提议建立开源组织，做更多开源的事情，帮助更多的学...
leetcode有效期-Datawhale-Coding:Datawhale-编码
07-07
leetcode有效期 Datawhale-Coding All Tasks Task 1：数组和链表（2天） 时间：2019-08-03 21:00 - 2019-08-05 21:00 讨论&CR时间: 2019-08-05 21:00 - 2019-08-05 22:30 【数组】 实现一个支持动态扩容的数组 实现...
Datawhale：动手深度学习第一次打卡！
01-20
标题中的“动手深度学习第一次打卡！”表明这是一次学习深度学习的实践记录，特别是与循环神经网络（RNN）相关的动手操作。描述中提到的代码片段是使用PyTorch库来构建和初始化一个简单的RNN模型，同时加载了一个...
DataWhale:DataWhale组织的相关教程，笔记与实现
03-17
DataWhale组织相关干预 介绍 本repo主要用于放置DataWhale组织的相关教材实践与笔记。
Datawhale从零开始数据挖掘第三次打卡
12-21
数字特征为 [‘power’, ‘kilometer’, ‘v_0’, ‘v_1’, ‘v_2’, ‘v_3’, ‘v_4’, ‘v_5’, ‘v_6’, ‘v_7’, ‘v_8’, ‘v_9’, ‘v_10’, ‘v_11’, ‘v_12’, ‘v_13’,‘v_14’ ] 类别特征为[‘name’, ...
datawhale_19_RecommandNews:Datawhale第19期学习推荐系统实践（新闻推荐）学习打卡
03-11
在本项目"Datawhale第19期学习推荐系统实践（新闻推荐）学习打卡"中，我们将探讨如何构建一个新闻推荐系统。推荐系统是信息过滤的一种有效手段，它能够根据用户的兴趣和行为历史，为用户个性化地推荐感兴趣的内容。...
开源学习组织：Datawhale
热门推荐
Datawhale
06-05 1万+
Datawhale是什么？ http://www.datawhale.club/ Datawhale是一个专注于AI领域的开源组织，致力于构建一个纯粹的学习圈子，帮助学习者更好地成长。我们专注于机器学习，深度学习，编程和数学等AI领域的内容学习，我们不是内容的生产者，我们向优秀的资料和优秀的学习者致敬。 我们将渴望改变的小伙伴聚集在一起，共同构建一个互促高效的学习氛围；我们将一群有能力有想法的...
AGI 之 【Hugging Face】 的【问答系统】的 [构建问答系统] / [ 构建基于评论的问答系统 ] 的简单整理
仙魁XAN
07-12 773
AGI，即通用人工智能（Artificial General Intelligence），是一种具备人类智能水平的人工智能系统。它不仅能够执行特定的任务，而且能够理解、学习和应用知识于广泛的问题解决中，具有较高的自主性和适应性。AGI的能力包括但不限于自我学习、自我改进、自我调整，并能在没有人为干预的情况下解决各种复杂问题。AGI能做的事情非常广泛：跨领域任务执行：AGI能够处理多领域的任务，不受限于特定应用场景。自主学习与适应：AGI能够从经验中学习，并适应新环境和新情境。
人工智能在自动驾驶中的目标检测研究
zhumin726的专栏
07-10 668
视觉识别技术在自动驾驶中的目标检测扮演着不可或缺的角色。通过不断优化目标检测算法，结合最新的深度学习技术，自动驾驶车辆将能够更加准确、安全地感知周围环境，实现真正的无人驾驶。视觉识别技术使得车辆能够像人类一样“看”到周围环境，通过图像处理和深度学习算法，实现对周围目标的检测和识别。我们将详细讨论目标检测的基本原理、常用算法、最新进展、已有的开源项目及其在自动驾驶中的应用和挑战。通过这些详细的讨论和分析，我们可以更好地理解人工智能在自动驾驶中如何通过视觉识别进行目标检测，并进一步推动这一技术的研究和应用。
聊聊如何在内网下构建大模型微调环境
python1234567_的博客
07-12 699
LlamaFactory新版更新后，还是比较方便，只是说llamafactory-cli命令的确是有点蒙，踩个坑就好了。对于LlamaFactory微调来说，本身不难，毕竟都是配置；主要是在内网环境下的依赖包拉取安装是真麻烦，但其实也还好。走一遍的话，还是可以学到很多的。​。
YOLOv10改进 | 特殊场景检测篇 | 轻量级的低照度图像增强网络IAT改进YOLOv10暗光检测（全网独家首发）
Snu77的博客
07-11 1万+
本文给大家带来的改进机制是轻量级的变换器模型：Illumination Adaptive Transformer (IAT)，用于图像增强和曝光校正。其基本原理是通过分解图像信号处理器（ISP）管道到局部和全局图像组件，从而恢复在低光或过/欠曝光条件下的正常光照sRGB图像。具体来说，IAT使用注意力查询来表示和调整ISP相关参数，例如颜色校正、伽马校正。模型具有约90k参数和约0.004s的处理速度，能够在低光增强和曝光校正的基准数据集上持续实现优于最新技术（State-of-The-Art, SOTA）
人力资源人工智能依赖于良好的数据
最新发布
yongyoudayee的博客
07-12 579
人力资源不断发展(HR)人工智能在技术领域(AI)它已经成为改变游戏规则的力量。人工智能驱动的工具有望简化人力资源流程，提高管理能力，彻底改变员工体验。然而，这些人工智能解决方案的有效性仅取决于算法的复杂性或计算硬件的能力。事实上，这种模式的很大一部分取决于一个基本的——良好的数据。
CV06_Canny边缘检测算法和python实现
https://github.com/foxpup11?tab=repositories
07-11 824
https://www.bilibili.com/video/BV1qU4y1U7aK/?spm_id_from=333.337.search-card.all.click&vd_source=7dace3632125a1ef7fd32c285eb2fbac
阿里发布大模型发布图结构长文本处理智能体，超越GPT-4-128k
夕小瑶科技说
07-09 866
随着大语言模型的发展，处理长文本的能力成为了一个重要挑战。虽然有许多方法试图解决这个问题，但都存在不同程度的局限性。最近，阿里巴巴的研究团队提出了一个名为GraphReader的新方法，通过将长文本组织成图结构，并利用智能体来探索这个图，成功提升了模型处理长文本的能力。GraphReader的核心思想是将长文本分解成关键元素和原子事实，构建成一个图，然后让智能体在这个图中探索和推理。这种方法不仅能有效处理超长文本，还在多跳问答等复杂任务上取得了优异表现。
Datawhale第三期
09-01
Datawhale第三期的任务涉及到了预训练模型、数据集增强、排序算法和数组与链表。根据引用中的描述，这一期的任务中只选择了任务三的其中两种方法，分别是预训练模型和数据集增强。同时，引用提到了关于排序算法的任务，包括归并排序、快速排序、插入排序、冒泡排序、选择排序和堆排序。此外，引用提到了数组和链表的任务。所以，Datawhale第三期的任务涵盖了预训练模型、数据集增强、排序算法以及数组和链表。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [Datawhale第三期CV方向任务三学习记录](https://blog.csdn.net/bb1ink/article/details/132504529)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [leetcode卡-Datawhale-DatasSructure-Sorting-binarySearch:Day3-DataWhale-D](https://download.csdn.net/download/weixin_38731075/20047898)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [leetcode有效期-Datawhale-Coding:Datawhale-编码](https://download.csdn.net/download/weixin_38530211/20050746)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值