- 博客(15)
- 收藏
- 关注
RSS订阅原创 自然语言处理|推荐系统|深度学习|CV等AI各领域综述论文分享
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。本资源整理了人工智能相关领域一些经典的综述性论文，涉及自然语言处理，推荐系统...
2021-05-29 21:58:21
299
原创 复旦大学肖仰华老师-知识图谱-概念与技术
知识图谱（ Knowledge Graph）的概念由谷歌2012年正式提出，旨在实现更智能的搜索引擎，并且于2013年以后开始在学术界和业界普及。目前，随着智能信息服务应用的不断发展，知识图谱已被广泛应用于智能搜索、智能问答、个性化推荐、情报分析、反欺诈等领域。另外，通过知识图谱能够将Web上的信息、数据以及链接关系聚集为知识，使信息资源更易于计算、理解以及评价，并且形成一套Web语义知识库。知识图谱以其强大的语义处理能力与开放互联能力，可为万维网上的知识互联奠定扎实的基础，使Web 3.0提出...
2021-05-29 21:57:13
804
原创 2021年科研-适用于科学家的Twitter-助力科研生涯腾飞-分享
本书介绍本书将引导读者使用Twitter的来龙去脉，涵盖三个级别：初学者，中级和高级。除非另有说明，否则将在示例和说明中使用Twitter桌面浏览器网站。在桌面浏览器上使用Twitter和使用Twitter的智能手机应用程序之间有一些小差异。但是，这些应用程序非常相似，因此可以转让本书中的说明。值得注意的是，尽管我试图使本指南适用于所有领域的研究科学家，但从我作为心理学和生物医学科学科学家的角度编写的这本指南，这意味着我使用的一些示例和我提及的规范可能并非与所有人相关。运用读者的...
2021-05-22 21:35:43
249
原创 计算机学科必读-现代中央处理器的性能分析与调试-分享
本书介绍本书主要对那些处理性能关键的应用程序和进行低级优化的软件开发人员编写。仅举几个领域为例:高性能计算、游戏开发、数据中心应用(如脸书、谷歌等)。但本书的范围并不限于上述行业。本书对于任何想要更好地理解他们的应用程序的性能并知道如何对其进行诊断和改进的开发人员来说都是非常有用的。作者希望这本书提供的材料将帮助读者发展新的技能，这些技能可以应用到他们的日常工作中。读者应该有最低限度的C/C++编程语言背景，才能理解这本书的例子。mf hq：https://mp...
2021-05-22 21:34:41
174
1
原创 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
事件抽取技术是从非结构化信息中抽取出用户感兴趣的事件，并以结构化呈现给用户。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。其中，触发词识别和事件类型分类可合并成事件识别任务。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。论元识别和角色分类可合并成论元角色分类任务。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...
2021-05-22 21:33:17
706
原创 21年最新-自然语言处理系统性入门学习指南中文版分享
本教程致力于帮助同学们快速入门NLP，并掌握各个任务的SOTA模型。1.系统入门方法2. 各任务模型list汇总：文本分类、文本匹配、序列标注、文本生成(todo)、语言模型3. 各任务综述&技巧：文本分类、文本匹配、序列标注、文本生成、语言模型如何系统地入门机器学习是一门既重理论又重实践的学科，想一口吃下这个老虎是不可能的，因此学习应该是个循环且逐渐细化的过程。资源整理自网络，源地址：https://githu...
2021-05-15 21:35:32
187
原创 计算机视觉（CV）领域Transformer最新论文及资源整理分享
Transformer由论文《Attention is All You Need》提出，现在是谷歌云TPU推荐的参考模型。Transformer模型最早是用于机器翻译任务，当时达到了SOTA效果。Transformer改进了RNN最被人诟病的训练慢的缺点，利用self-attention机制实现快速并行。并且Transformer可以增加到非常深的深度，充分发掘DNN模型的特性，提升模型准确率。本资源整理了至2021年transformer应用于计算机视觉（CV）领域最新的论文、代码...
2021-05-15 21:34:57
1150
原创 互联网从业必备技能-bash编程入门到精通教程
Shell 是一个用 C 语言编写的程序，它是用户使用 Linux 的桥梁。Shell 既是一种命令语言，又是一种程序设计语言。 Shell 是指一种应用程序，这个应用程序提供了一个界面，用户通过这个界面访问操作系统内核的服务。 Ken Thompson 的 sh 是第一种 Unix Shell，Windows Explorer 是一个典型的图形界面 Shell。资源整理自网络，源地址：https://github.com/denysdovhan/bash-han...
2021-05-15 21:34:22
117
原创 2021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。本简书包含NLP任务（例如机器翻译，问题解答和对话系统）的最新研究进展。本简书内容主要包括：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。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...
2021-05-09 16:24:46
977
原创 计算机科学|人工智能相关领域历史最全免费课程整理分享
计算机科学是系统性研究信息与计算的理论基础以及它们在计算机系统中如何实现与应用的实用技术的学科。它通常被形容为对那些创造、描述以及转换信息的算法处理的系统研究。计算机科学包含很多分支领域；有些强调特定结果的计算，比如计算机图形学；而有些是探讨计算问题的性质，比如计算复杂性理论；还有一些领域专注于怎样实现计算，比如编程语言理论是研究描述计算的方法，而程序设计是应用特定的编程语言解决特定的计算问题，人机交互则是专注于怎样使计算机和计算变得有用、好用，以及随时随地为人所用。本资源整理了计算...
2021-05-09 16:23:24
98
原创 21年深度学习-深度学习神经网络高效处理
本书介绍本书系统性讲解深度神经网络（DNN）相关的关键原理和技术。DNNs目前广泛用于许多人工智能应用，包括计算机视觉、语音识别和机器人学。虽然数字神经网络在许多人工智能任务中提供了最先进的精度，但它是以高计算复杂性为代价的。因此，能够有效处理深度神经网络以提高关键指标(如能效、吞吐量和延迟)而不牺牲准确性或增加硬件成本的技术对于在人工智能系统中广泛部署DNN至关重要。 bs最新hq：https://mp.weixin.qq.com/s?__biz=MzIxNDgzNDg3N...
2021-05-09 16:22:22
281
1
原创 2021CV必读-从头开始的计算机图形学
本书介绍在最新动画电影的精美图像和流行视频游戏的真实环境的背后，隐藏着一些神秘的算法。本书旨在揭开这些算法的神秘面纱，并向您展示，计算机图形可以非常简单。 zx获qu：https://mp.weixin.qq.com/s?__biz=MzIxNDgzNDg3NQ==&mid=2247492811&idx=2&sn=9744d93fd18dd8ae16f9dd8f004bcc58&chksm=97a32f1fa0d4a609cf5b3e...
2021-05-05 12:14:01
291
原创 麻省理工学院-面向生命科学的深度学习2021
课程描述提出了解决生命科学中计算问题的创新方法，重点是基于深度学习的方法与传统方法的比较。主题包括蛋白质-DNA相互作用，染色质可及性，法规变异解释，医学影像理解，病历理解，治疗设计和实验设计（干预措施的选择和解释）。专注于机器学习模型的选择，鲁棒性和解释。团队使用TensorFlow或其他框架完成了一个多学科的最终研究项目。提供对每个生命科学问题的全面介绍，但要依靠学生理解概率问题的表述。修读研究生版的学生可以完成其他作业。 kc视pin获qu：https://mp...
2021-05-05 12:12:58
373
原创 机器学习新书-解决几乎任何机器学习问题路径
本书介绍在处理机器学习问题时，通常有两种类型的数据(和机器学习模型)监督数据:总是有一个或多个目标与之相关联。无监督数据:没有任何目标变量。有监督的问题比无监督的问题更容易解决。要求预测一个值的问题被称为监督问题。例如，如果问题是预测给定历史房价的房价，比如医院、学校或超市的存在，到最近的公共交通工具的距离等。是一个有监督的问题。类似地，当我们被提供猫和狗的图像，并且我们预先知道哪些是猫，哪些是狗，并且如果任务是创建预测所提供的图像是猫还是狗的模型，则该问...
2021-05-05 12:11:49
339
原创 语义分析（Semantic Analysis）历史最全数据集、论文、工具等资源分享
语义分析(Semantic Analysis)指运用各种机器学习方法，学习与理解一段文本所表 示的语义内容。一段文本通常由词、句子和段落来构成，根据理解对象的语言单位不同，语义分析又可 进一步分解为词汇级语义分析、句子级语义分析以及篇章级语义分析。一般来说，词汇级语 义分析关注的是如何获取或区别单词的语义，句子级语义分析则试图分析整个句子所表达的 语义，而篇章语义分析旨在研究自然语言文本的内在结构并理解文本单元(可以是句子从句 或段落)间的语义关系。本资源整理了语义分析相关的资源，包...
2021-05-05 12:10:41
592
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人