深度学习实战
文章平均质量分 57
普通网友
这个作者很懒,什么都没留下…
展开
-
iPhone上运行 70亿参数大模型,来自陈天奇团队最新成果
来源 | 量子位 | 公众号 QbitAI跑大语言模型的门槛,已经降低到一部iPhone了。当然安卓版本也有,只要手机RAM够6G,听上去是不是比用2060还要震撼?而且这次还是开箱即用的版本!这个项目名为MLC LLM,与之前的WebLLM同出自知名学者陈天奇团队。截止目前已在GitHub上斩获超6800星。目前可以测试的模型有羊驼家族(基于LLaMA)的RedPajama和Vicuna。可选模型参数分别为30亿和70亿,与很多在线Demo规模也相当了。原创 2023-06-09 17:10:35 · 115 阅读 · 0 评论 -
陶哲轩宣布主持白宫生成式AI工作组,李飞飞、Hassabis发表演讲
对于每天执行的任务,我已经开发了足够的技术来优化我的工作流程,人工智能工具对我来说并没有太多的增值。对于那些我有一些专业知识,但很少实践的任务,人工智能工具是有帮助的:通常我可以用它们来创建输出的初稿,然后我可以验证和修改,或至少作为灵感来源使用。他博客中表示,这一小组主要研究生成式人工智能技术在科学和社会产生更广泛的影响,包括流行的基于文本的大语言模型(如ChatGPT),图像生成的扩散模型(如DALL-E2、Midjourney),以及科学应用模型(如蛋白质设计或天气预报)。原创 2023-05-19 19:09:27 · 159 阅读 · 0 评论 -
OpenAI被曝将发布全新开源大模型,网友:GPT平替?
来源 | 量子位 | 公众号 QbitAIOpenAI终于要了!最新爆料,他们正准备发布全新的开源语言模型。GPT-2之后,这尚属。不少网友戳戳手表示期待:这是要发自己的开源平替了吗?毕竟目前最好的开源模型与GPT-4还相差较远。仅参数这方面,一个200亿,一个1.3 万亿个,就差了三个数量级。原创 2023-05-19 19:07:44 · 113 阅读 · 0 评论 -
3.6万亿token、3400亿参数,谷歌大模型PaLM 2细节遭曝光
并且在前段时间泄露的一份谷歌内部文件中,谷歌内部研究人员表达了这样一种观点:虽然表面看起来 OpenAI 和谷歌在 AI 大模型上你追我赶,但真正的赢家未必会从这两家中产生,因为第三方力量「开源」正在悄然崛起。其实这样做的不只谷歌一家,OpenAI 也缄口不言其最新多模态大模型 GPT-4 的细节。在官宣 PaLM 2 之初,就有网友根据 Chinchilla 定律预测其参数量,ta 预测 PaLM 2 模型家族的参数结果为 80B / 90B / 100B 不等,和这次爆料的 340B 还是差距很大的。原创 2023-05-19 19:03:59 · 284 阅读 · 0 评论 -
华为孟晚舟当值首秀:2030年AI算力将增长500倍!
围绕着数字化,华为在基础软件领域,已发布欧拉和鸿蒙操作系统、毕昇编译器、高斯数据库、昇思AI框架等,并将OpenEuler(欧拉)、OpenHarmony贡献给开放原子开源基金会,通过软件开源发展产业生态。孟晚舟表示,2026年全球数字化转型支出将达到3.4万亿美元,这是整个产业链的新蓝海,无论是正在进行数字化转型的企业,还是支撑数字化转型的企业,均面临巨大的市场空间和经济收益。孟晚舟表示,就任轮值董事长后,依照公司《治理章程》,我们是体制的接班、制度的接班,从来都不是个人接班,而是集体领导。原创 2023-04-28 18:39:23 · 1733 阅读 · 0 评论 -
杭州一公司开出20万月薪/320万年薪抢人!ChatGPT掀起AI热潮,AIGC人才被爆抢
今天,猎聘发布的《2023Q1就业趋势大数据报告》显示,与ChatGPT紧密相关的三个领域分别是:代表其核心新技术的AI大模型、代表产品形态的对话机器人、代表产品功能的AIGC(人工智能生成内容),其中大模型领域是众多企业家躬身入局的最爱。根据招聘的岗位要求,计算机、数学相关专业博士,具有扎实的计算机或机器学习算法基础,在相关方向知名国际会议发表过论文;一位3年工作经验的NLP算法工程师,同时拿到了四家公司的offer ,一时不知道如何选择,在脉脉上在线求助同行网友。机器视觉招聘年薪中位数最高,为54万。原创 2023-04-28 18:37:11 · 2538 阅读 · 0 评论 -
ChatGPT已过时?Auto-GPT迅速走红,无需人类插手自主解决复杂任务,GitHub标星5万
Auto-GPT 的迷人之处,在于它能够对 AI 的运行步骤做拆分,真正把 GPT 模型出色的文本生成能力转化为可用功能。在前面的 Chef-GPT 示例中,它的“思考”方式如下:“我将搜索即将到来的节假日,据此创建出独特的食谱。有鉴于此,新型应用 Auto-GPT 应运而生,它允许 AI 自主行动 — 即实现“自我提示”,并彻底改变我们对于这项技术的看法和感受。无论是 AGI 的开端、还是 AI 标准化道路上的重要一步,Auto-GPT 的出现必然引发新的哲学思考。也许只有时间能给出答案。原创 2023-04-21 19:02:32 · 537 阅读 · 0 评论 -
狂买GPU、四处挖人,马斯克:我要做理解宇宙的TruthGPT
早在今年 2 月,马斯克就在 Twitter 上表示,“我们需要的是 TruthGPT”,同时呼吁人们关注大 AI 模型引发的风险,特别是 OpenAI 制造的模型。他曾在 Twitter 上表示,自己离开 OpenAI 是因为必须专注于特斯拉和 SpaceX,但他也提到了自己与 OpenAI 团队的分歧,“特斯拉正在竞争一些与 OpenAI 相同的人,我不同意 OpenAI 团队想要做的一些事情。他补充称,“它有积极的一面,也有消极的一面,有巨大的前景也有巨大的能力,但随之而来的危险也是巨大的。原创 2023-04-21 18:52:52 · 1843 阅读 · 2 评论 -
爆爆爆!!Deep Mind与Google Brain合并,成立 Google DeepMind 新部门
将我们的才能和努力结合起来,将加速引领我们走向一个 AI 帮助解决人类面临的最大挑战的世界,我非常高兴能够领导这个部门,并与你们所有人一起建设它。通过与谷歌各产品领域的优秀同事密切合作,我们有一个真正的机会来提供人工智能研究和产品,从而极大地改善数十亿人的生活,改变行业,推动科学发展,并为不同的社区服务。惊人的谷歌大脑和 DeepMind 团队的研究进展奠定了当前 AI 行业的大部分基础,从深度强化学习到 Transformers,我们现在作为这个新的合并单位的一部分要做的工作将创造下一波改变世界的突破。原创 2023-04-21 18:50:58 · 438 阅读 · 0 评论 -
“心机boy”马斯克:明面上呼吁暂停先进AI研发,背地里悄悄买1万块GPU推进大模型项目
现在来看,彼时的集体呼吁更像是一场“暗渡陈仓”的闹剧,也是马斯克以及一众被 OpenAI 生态伙伴们甩在身后的科技巨头们的缓兵之计,毕竟签名者中就有正亲自参与 AI 模型研究和部署的人士,比如 Stability AI 的 CEO Emad Mostaque。他和一众反对继续研发 AI 的业内大佬们给出的理由是:我们已经有了 GPT-4,现在应该先缓一缓,别急着搞出比它更强大的新型 AI 系统。有媒体报道,实际上,马斯克反对的不是 AI,而是 OpenAI 和 GPT。整理 | 冬梅、核子可乐。原创 2023-04-14 19:26:17 · 576 阅读 · 0 评论 -
比尔·盖茨最新分享:ChatGPT的发展,不止于此
微软将GPT描述为“副驾驶”(Copilot),我们把它完全集成到 Office 的产品中,帮助改进用户的工作,比如帮助你编写电子邮件,管理你的收件箱。这是因为 AI 对你的问题的上下文理解不够好,它不知道是应该说一个不存在的酒店名字,还是告诉你有可用房间的真实酒店。人工智能,对个人而言,更像是一个数字人助理:它看你最近的电子邮件,了解你参加的会议,阅读你读过的文章,以及了解你不想被打扰的事情。这是一个有趣的观察模型,它说明AI的情感表达很像人类了,但这并不是一个有意义的独立性指标。人声鼎沸,十分热闹。原创 2023-03-31 19:43:01 · 3963 阅读 · 1 评论 -
历史最全机器学习/深度学习/人工智能专业术语表中英对照表
本资源收录了机器学习课程用到的相关术语,涉及机器学习基础、机器学习理论、Applied Math、SVM、Ensemble、DNN、Regularization、Matrix Factorization、Optimization、CNN、 Auto Encoder、RNN、Representation、Network Embedding、GAN、Adversarial Learning、Online Learning、Reinforcement Learning、AutoML、Graphic Model、T原创 2023-03-04 20:19:28 · 150 阅读 · 0 评论 -
深度学习神经网络结构设计及可视化开源工具整理分享
在训练庞大的深度神经网络,为了能够更好的理解运算过程,需要使用可视化的工具将其过程进行描述,比如,在tensorflow中使用TensorBoard 来绘制图像生成的定量指标图以及附加数据。本资源整理了深度学习神经网络结构设计或可视化相关的开源工具,分享给大家。原创 2023-02-18 12:28:24 · 238 阅读 · 0 评论 -
840个最优的机器学习python开源项目整理分享
本资源包含了840个很棒的机器学习开源项目,总共270万颗星分为32个类别。所有项目均按项目质量得分排名,该得分是根据从GitHub和不同程序包管理器自动收集的各种指标计算得出的。原创 2023-02-18 12:26:15 · 197 阅读 · 0 评论 -
23年校招DL/NLP/推荐系统/ML/算法基础面试必看300问及答案
2020年校招已经开始了,在疫情全球肆虐的背景下,全球就业情况异常艰难,加上美国对中国企业打压持续升级,对于马上开始秋招找工作的毕业生而言,更是难上加难。我们不能凭一己之力改变现状,但我们可以凭借自己的努力改变自己,想要找到心仪的工作,唯有提升自己的硬件实力。因此,推荐本资源,整理了300多道算法岗位相关的面试题目并给出了详细的答案,涉及算法基础知识、推荐系统、机器学习、深度学习、自然语言处理、数学基础知识、数据预处理等相关问题,由互联网一线资深的面试官整理,非常值得深入学习,温故而知新。原创 2023-02-18 12:24:45 · 597 阅读 · 0 评论 -
2023年最新5000道校招常用编程面试题分享(附详细题解)
截止到2021年最新,本资源整理了近5000道校招常用面试题,并附带详细的解题思路及代码,包含leetcode,校招笔试题,面试题,算法题,语法题。内容涉及多次跳转,点击文末“阅读原文“”查看资源详情。原创 2023-01-23 10:44:55 · 156 阅读 · 0 评论 -
历史最全最新时间序列分析相关必读论文、教程及综述资源整理分析
本资源整理了用于时间序列分析 (AI4TS) 的 AI 的论文列表(包含可用代码)、教程和关于最近综述论文,包括时间序列、时空数据、事件数据、序列数据、时间点过程等,相关Top AI Conferences and Journals,一旦被接受的论文在相应的顶级AI会议/期刊上公布,就会尽快(最早)更新。杂项(选定):WWW、AISTAT、CIKM、ICDM、WSDM、SIGIR、ICASSP、CVPR、ICCV 等。有关顶级 AI 会议和期刊上各个领域(DL、ML、DM、CV、NLP、语音等)原创 2023-01-23 10:42:59 · 283 阅读 · 0 评论 -
推荐系统徐偏差(debias)相关的技术、论文及代码整理分享
近些年来关于推荐系统的研究主要集中在如何设计更好的模型来适应用户行为数据,进而提升推荐质量。然而,由于用户行为数据是观察所得(Observational)而不是实验所得(Experimental),因此会存在各种偏差(bias),如用户对物品的选择偏差、系统对物品的曝光偏差等,直接拿模型拟合数据而忽视偏差会导致性能欠佳,在一定程度上也损害了用户对推荐系统的体验和信任,因此,去除推荐系统偏差(Recommendation debias)已经成为推荐系统领域研究的一个新方向。原创 2023-01-15 11:19:13 · 219 阅读 · 0 评论 -
历史最全事件抽取任务分类、经典论文、模型及数据集整理分享
事件抽取任务可分解为4个子任务: 触发词识别、事件类型分类、论元识别和角色分类任务。事件识别判断句子中的每个单词归属的事件类型,是一个基于单词的多分类任务。角色分类任务则是一个基于词对的多分类任务,判断句子中任意一对触发词和实体之间的角色关系。本资源对近年来事件抽取方法总结,包括中文事件抽取、开放域事件抽取、事件数据生成、跨语言事件抽取、小样本事件抽取、零样本事件抽取等类型,DMCNN、FramNet、DLRNN、DBRNN、GCN、DAG-GRU、JMEE、PLMEE等方法。原创 2023-01-15 11:09:34 · 342 阅读 · 0 评论 -
最近几年-基于深度学习自然语言处理的推荐系统-必读论文整理分享
基于内容的推荐(Content-based Recommendation)是信息过滤技术的延续与发展,它是建立在项目的内容信息上作出推荐的,而不需要依据用户对项目的评价意见,更多地需要用机器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料。因此,对于推荐内容的理解对于推荐系统来说非常重要的。本资源整理了基于自然语言处理内容理解的推荐系统,整理了最近几年NLP在推荐系统中相关的应用,涉及基于知识图谱的推荐、基于文本的推荐及广告、基于对话系统的推荐、基于上下文推荐和可解释下推荐。原创 2022-12-31 15:32:53 · 583 阅读 · 0 评论 -
2022最新深度学习自然语言处理模型及原理细节汇编
本简书整理了基于深度学习模型的自然语言处理(NLP)的模型研究的最新趋势。它涵盖了深度学习模型(如递归神经网络(RNN),卷积神经网络(CNN)和强化学习)背后的理论描述和实现细节,用于解决各种NLP任务和应用常见。整合与NLP研究相关最新的重要信息,例如:最新的结果,新的概念和应用,新的基准数据集,代码/数据集等等。一个合作项目,专家研究人员可以根据他们最近的发现和实验结果提出更改建议(例如,合并SOTA结果)。创建一个友好而开放的资源,以帮助指导研究人员和任何有兴趣学习应用于NLP的现代技术的从业者。原创 2022-12-20 00:27:57 · 512 阅读 · 0 评论 -
自然语言处理竞赛相关比赛项目、比赛经验、工具、算力平台资源分享
2021年6月开放本项目的notion页面,NLPer-Arsenal-Notion ,主要收录我们整理的trick说明与实验验证,内容实时更新,欢迎大家一起参与NLPer-Arsenal开源项目。下图是我们的项目导航图,以竞赛流程为主干,项目章节和notion对应的内容为分支。当您查看本项目时可以按序查看竞赛流程对应的项目章节,同时您也可以在我们的notion中查看一些竞赛相关的内容。资源整理自网络,源地址:https://github.com/TingFree/NLPer-Arsenal。原创 2022-12-20 00:18:24 · 999 阅读 · 0 评论 -
中文医疗领域自然语言处理相关数据集、经典论文资源蒸馏分享
CMeKG 1.0包括:6310种疾病、19853种药物(西药、中成药、中草药)、1237种诊疗技术及设备的结构化知识描述,涵盖疾病的临床症状、发病部位、药物治疗、手术治疗、鉴别诊断、影像学检查、高危因素、传播途径、多发群体、就诊科室等以及药物的成分、适应症、用法用量、有效期、禁忌证等30余种常见关系类型,CMeKG描述的概念关系实例及属性三元组达100余万。本子任务的数据集包括训练集和测试集。本子任务的数据集包括训练集(非目标场景和目标场景的标注数据、各个场景的非标注数据)和测试集(目标场景的标注数据。原创 2022-11-12 17:51:37 · 821 阅读 · 0 评论 -
绝对干货推荐-人工智能本科学位的完整4年课程规划
编译器是读者编写的每个程序的核心,对于人工智能从业者来说,了解它们的工作原理也很重要,这样读者才能成为有能力的工程师。这样的课程将使读者充分了解如何构建复杂的软件系统,重点关注已记录和测试的模块化,结构良好的组件。该课程的灵感主要来自于自己所修的课程,基于个人经验,认为目前想要从事人工智能相关工作,需具备的必不可少的技能。涵盖数据库管理系统背后的原理,重点是诸如关系数据模型,索引,架构和事务之类的主题。涵盖了对不同人工智能领域的广泛调查,例如搜索,游戏,逻辑,图模型,机器学习以及这些算法的应用。原创 2022-10-22 09:47:54 · 315 阅读 · 0 评论 -
绝对干货推荐-人工智能本科学位的完整4年课程规划
编译器是读者编写的每个程序的核心,对于人工智能从业者来说,了解它们的工作原理也很重要,这样读者才能成为有能力的工程师。这样的课程将使读者充分了解如何构建复杂的软件系统,重点关注已记录和测试的模块化,结构良好的组件。该课程的灵感主要来自于自己所修的课程,基于个人经验,认为目前想要从事人工智能相关工作,需具备的必不可少的技能。涵盖数据库管理系统背后的原理,重点是诸如关系数据模型,索引,架构和事务之类的主题。涵盖了对不同人工智能领域的广泛调查,例如搜索,游戏,逻辑,图模型,机器学习以及这些算法的应用。原创 2022-10-22 09:47:24 · 169 阅读 · 0 评论 -
绝对干货推荐-人工智能本科学位的完整4年课程规划
编译器是读者编写的每个程序的核心,对于人工智能从业者来说,了解它们的工作原理也很重要,这样读者才能成为有能力的工程师。这样的课程将使读者充分了解如何构建复杂的软件系统,重点关注已记录和测试的模块化,结构良好的组件。该课程的灵感主要来自于自己所修的课程,基于个人经验,认为目前想要从事人工智能相关工作,需具备的必不可少的技能。涵盖数据库管理系统背后的原理,重点是诸如关系数据模型,索引,架构和事务之类的主题。涵盖了对不同人工智能领域的广泛调查,例如搜索,游戏,逻辑,图模型,机器学习以及这些算法的应用。原创 2022-10-22 09:46:35 · 218 阅读 · 0 评论 -
-2022最新对比学习(Contrastive Learning)相关必读论文整理分享
举例来说,在自编码器中对数据样本编码成特征再解码重构,这里认为重构的效果比较好则说明模型学到了比较好的特征表达,而重构的效果通过pixel label的loss来衡量。自监督学习属于无监督学习范式的一种,特点是不需要人工标注的类别标签信息,直接利用数据本身作为监督信息,来学习样本数据的特征表达,并用于下游任务。Contrastive Learning(对比式方法)这类方法则是通过将数据分别与正例样本和负例样本在特征空间进行对比,来学习样本的特征表示。原创 2022-10-22 09:45:32 · 455 阅读 · 0 评论 -
自然语言处理481个公开数据集和基准任务整理分享
自然语言处理( Natural Language Processing, NLP)以语言为对象,利用计算机技术来分析、理解和处理自然语言的一门学科,即把计算机作为语言研究的强大工具,在计算机的支持下对语言信息进行定量化的研究,并提供可供人与计算机之间能共同使用的语言描写。包括自然语言理解( NaturalLanguage Understanding, NLU)和自然语言生成( Natural LanguageGeneration, NLG)两部分。原创 2022-10-14 22:20:17 · 374 阅读 · 0 评论 -
历史最全元学习相关综述、模型策略数据集分类整理分享
元学习希望使得模型获取一种学会学习调参的能力,使其可以在获取已有知识的基础上快速学习新的任务。元学习则是先通过其它的任务训练出一个较好的超参数,然后再对特定任务进行训练。元学习(meta-learning)是过去几年最火爆的学习方法之一,各式各样的 paper 都是基于元学习展开的。深度学习模型训练模型特别吃计算硬件,尤其是人为调超参数时候,更需要大量的计算。资源整理自网络,下载及获取见源地址:https://github.com/oneHuster/Meta-Learning-Papers。原创 2022-10-03 19:25:16 · 346 阅读 · 0 评论 -
历史最全元学习相关综述、模型策略数据集分类整理分享
元学习希望使得模型获取一种学会学习调参的能力,使其可以在获取已有知识的基础上快速学习新的任务。元学习则是先通过其它的任务训练出一个较好的超参数,然后再对特定任务进行训练。元学习(meta-learning)是过去几年最火爆的学习方法之一,各式各样的 paper 都是基于元学习展开的。深度学习模型训练模型特别吃计算硬件,尤其是人为调超参数时候,更需要大量的计算。资源整理自网络,下载及获取见源地址:https://github.com/oneHuster/Meta-Learning-Papers。原创 2022-10-03 19:24:33 · 257 阅读 · 0 评论 -
历史最全元学习相关综述、模型策略数据集分类整理分享
元学习希望使得模型获取一种学会学习调参的能力,使其可以在获取已有知识的基础上快速学习新的任务。元学习则是先通过其它的任务训练出一个较好的超参数,然后再对特定任务进行训练。元学习(meta-learning)是过去几年最火爆的学习方法之一,各式各样的 paper 都是基于元学习展开的。深度学习模型训练模型特别吃计算硬件,尤其是人为调超参数时候,更需要大量的计算。资源整理自网络,下载及获取见源地址:https://github.com/oneHuster/Meta-Learning-Papers。原创 2022-10-14 22:06:04 · 140 阅读 · 0 评论 -
深度学习/机器学习技术发展核心算法、策略、数据集及框架整理分享
本资源整理了深度学习、机器学习技术发展历程中重要地标性的模型、算法,以及相关的经典论文;一些重要的基准数据集,重要的深度学习框架等核心资源。原创 2022-09-24 20:06:42 · 408 阅读 · 0 评论 -
历史最全机器学习/深度学习/人工智能专业术语表中英对照表
本资源收录了机器学习课程用到的相关术语,涉及机器学习基础、机器学习理论、Applied Math、SVM、Ensemble、DNN、Regularization、Matrix Factorization、Optimization、CNN、 Auto Encoder、RNN、Representation、Network Embedding、GAN、Adversarial Learning、Online Learning、Reinforcement Learning、AutoML、Graphic Model、T原创 2022-09-18 10:54:39 · 138 阅读 · 0 评论 -
中文文本纠错相关经典论文、数据集、系统等资源分享
中文文本纠错又分为中文拼写纠错(Chinese Spelling Check, CSC)和语法纠错(Grammatical Error Correction, GEC)。中文拼写纠错任务对中文文本中的拼写纠错(别字、别词)进行检测和纠正。语法纠错任务纠正文本中不同类型的错误,包括拼写、标点、语法等类型错误。资源整理自网络,源地址:https://github.com/destwang/CTCResources/blob/main/README_ZH.md#%E5%AE%9A%E4%B9%89。原创 2022-09-18 10:52:46 · 413 阅读 · 0 评论 -
最近几年-基于深度学习自然语言处理的推荐系统-必读论文整理分享
基于内容的推荐(Content-based Recommendation)是信息过滤技术的延续与发展,它是建立在项目的内容信息上作出推荐的,而不需要依据用户对项目的评价意见,更多地需要用机器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料。因此,对于推荐内容的理解对于推荐系统来说非常重要的。本资源整理了基于自然语言处理内容理解的推荐系统,整理了最近几年NLP在推荐系统中相关的应用,涉及基于知识图谱的推荐、基于文本的推荐及广告、基于对话系统的推荐、基于上下文推荐和可解释下推荐。原创 2022-09-03 17:36:40 · 395 阅读 · 0 评论 -
2022自然语言处理各类任务中的对比学习必读论文、视频、PPT、数据集等整理分享
当前的 NLP 模型严重依赖于有效的表示学习算法。对比学习是一种学习embedding的技术,这样相似的数据样本对具有接近的表示,而不同的样本彼此远离。它可用于使用不同损失函数的有监督或无监督设置,以生成特定于任务或通用目的的表示。这第一行作品不仅在各种 NLP 任务中提供了有希望的性能改进,而且还提供了所需的特征,例如与任务无关的句子表示、忠实的文本生成、零样本和少样本设置中的数据高效学习等。本资源整理NLP各个任务中与对比学习算法相关的论文、视频、PPT、数据集等资源,分享给大家。原创 2022-09-03 17:35:33 · 434 阅读 · 0 评论 -
基于深度学习的搜索、推荐、广告系统最全最新论文分享分享
推荐系统是有效的信息过滤工具,由于互联网接入的增加、个性化趋势和计算机用户习惯的改变,这种工具非常普遍。尽管现有的推荐系统成功地产生了不错的推荐,但是它们仍然面临着诸如准确性、可伸缩性和冷启动等挑战。在过去的几年中,推荐系统中的研究热点之一是,深度学习的引入以提高推荐质量。资源整理自网络,资源获取见源地址:https://github.com/guyulongcs/Awesome-Deep-Learning-Papers-for-Search-Recommendation-Advertising。...原创 2022-08-27 21:45:13 · 217 阅读 · 0 评论 -
NLP面试高频知识点整理分享(附详细中文答案)
本项目是作者们根据个人面试和经验总结出的自然语言处理(NLP)面试准备的学习笔记与资料,该资料目前包含 自然语言处理各领域的 面试题积累。资源整理自网络,源地址:https://github.com/km1994/NLP-Interview-Notes。...原创 2022-08-27 21:41:40 · 684 阅读 · 0 评论 -
历史最全深度学习经典架构、模型及技巧及其代码实现整理分享
深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。深度学习是一个复杂的机器学习算法,在语音和图像识别方面取得的效果,远远超过先前相关技术。深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向,它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。......原创 2022-08-13 20:12:59 · 396 阅读 · 0 评论 -
<爆>2022中文版-《海外博士申请指南-材料准备、时间线、套磁、面试及录取》免费分享
留学申请是一段比较孤独的探索之路,激烈地与外界碰撞并获得自己的定位和发展框架,尤其是对于没有海外经历的同学,其中有很多东西需要适应。而在那些迷茫不安的日子里,太多太多的无私帮助无数次让我热泪盈眶,在我极端焦虑的时候给我力量,并让我带着更积极的期待与憧憬拥抱未来的不确定性,没有那些帮助我的申请会完全不一样。也就是说在决定了要申请博士以后,大家需要做的就是选择学校和具体的博士项目、准备材料、填写网申和准备面试,为了提高入选的机会通常还可以提前联系项目内的老师(套磁)。大家可以选择性接收自己需要的信息。...原创 2022-08-07 19:39:48 · 569 阅读 · 0 评论