从零入门AI for Science（AI+化学）#Datawhale夏令营

最新推荐文章于 2025-12-17 17:41:55 发布
原创 最新推荐文章于 2025-12-17 17:41:55 发布 · 1.9k 阅读 · 30 ·
CC 4.0 BY-SA版权
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。
文章标签：

#人工智能 #transformer #机器翻译

最低0.47元/天 解锁文章
凛lin0717
关注
从零入门AI for Science（AI+经济）Datawhale暑期训练营
ffhhsxvhh的博客
07-28 1913
注意，这里ABM的Agent不是大语言模型中的Agent，更接近强化学习中的Agent概念ABM（Agent-Based Modeling），即基于个体的建模，是一种模拟系统复杂行为的工具。它通过模拟个体（代理）的行为和相互作用，来研究系统整体的动态变化。ABM有很多应用案例，例如康威的生命游戏（Game of Life），新冠传染病传播模型、政府企业博弈模型、鸟群模型……你会发现这和DW数学建模教程中的微分方程和动力系统。
从零入门AI for Science#Datawhale AI夏令营
2301_81894120的博客
07-28 841
先这样，还没弄清楚怎么写，等我完善siRNA数据集的深度学习模型训练框架1. 依赖库的导入。
从零入门AI for Science（AI+化学）#Datawhale AI 夏令营
Jisam的博客，对技术充满好奇！
07-25 879
从零入门AI for Science（AI+化学）#Datawhale AI 夏令营
Datawhale AI夏令营-AI+物质化学 Task1 学习笔记
wmx_0719的博客
07-28 703
构建一个能够准确预测碳氮成键反应产率的预测模型。通过对反应中所包含的反应底物、添加剂、溶剂以及产物进行合理的特征化，运用机器学习模型或者深度学习模型拟合预测反应的产率。
DataWhale AI夏令营 AI+物质化学笔记（2）
Kectiazium的博客
07-30 1165
分子指纹是一种分子的抽象表征，它将分子转化（编码）为一系列比特串，然后可以很容易地在分子之间进行比较。分子指纹通过将分子的结构特征进行提取和哈希（Hashing）处理，生成一系列的比特向量。这些比特向量代表了分子的独特特征，使得分子之间的比较变得简单和可量化。每个比特位通常对应于一种分子片段或特征。（1）提取结构特征：首先，需要从分子中提取出关键的结构特征，这些特征可能包括特定的化学子结构（如羟基、苯环、氮原子等）、键的类型和连接方式等。
从零入门 AI for Science（AI+药物) 笔记 #Datawhale AI 夏令营
Jisam的博客，对技术充满好奇！
08-03 2094
从零入门 AI for Science（AI+药物) 笔记 #Datawhale AI 夏令营
从零入门 AI for Science（AI+药物) #Datawhale AI 夏令营
Jisam的博客，对技术充满好奇！
07-25 1842
从零入门 AI for Science（AI + 药物) #Datawhale AI 夏令营
从零入门 AI for Science（AI+药物）#AI夏令营 #Datawhale #夏令营
m0_59952822的博客
07-29 326
（目前只是无脑冲了一下baseline，后续认真解读了代码会补上这部分）1.小白零基础 30 分钟 速通指南。（1）首先确保你已经安装了。（3）运行（此时已经。
从零入门AI for Science（AI+化学）
W_o_rld的博客
07-29 752
#夏令营#datawhale夏令营
##Datawhale AI夏令营 之 AI for Science（AI+药物）#深度学习 #task 3
2301_76567616的博客
08-02 485
多折交叉训练（K-Fold Cross-Validation）是一种常用的机器学习评估方法，它将数据集分为K个等大的子集，其中K-1个子集用于训练模型，剩下的1个子集用于验证模型的性能。这个过程重复K次，每次使用不同的子集作为验证集，其余的子集作为训练集。最后，我们可以使用保存的模型进行预测，或者使用模型融合技术来提高预测的准确性。由于我刚接触py和机器学习，还有很多知识没有进行学习，task3的内容就不在进行详解了(涉及到一些很厉害的知识，我不会hh，正在进行学习中)在Python中，可以使用。
以太联的自愈功能与看门狗机制解析
suzhou_speeder的博客
12-15 1068
看门狗(Watchdog)是一种硬件或软件实现的定时器机制，其核心功能是监控系统或程序的运行状态，防止程序跑飞或陷入死循环。案例：车载以太网交换机通过硬件看门狗实时监测链路状态，若检测到链路中断(如3ms内未收到心跳包)，立即启用备用路径，确保刹车、转向等关键系统永不掉线。案例：某智能工厂的PLC(可编程逻辑控制器)采用软件看门狗，若主程序因干扰死机，看门狗机制自动重启PLC，恢复生产流程。三者协同工作，实现“设备-交换机-网络”三级自愈，显著提升网络可靠性、降低运维成本，并为企业数字化转型提供坚实基础。
多模态赋能情绪理解：Qwen3-VL+LLaMA-Factory 的人脸情绪识别实战
最新发布
Lab4AI的博客
12-17 490
本项目依托Lab4AI平台，基于LLaMA-Factory成功对Qwen3-VL进行了完整的微调流程。我们将传统的人脸情绪识别任务与多模态大语言模型（MLLM）相结合，探索了MLLM在视觉情绪理解中的应用。通过微调Qwen3-VL，我们成功将传统的分类任务转化为多模态推理任务，显著提升了模型在复杂场景下的鲁棒性和准确率。这一方案不仅在人脸情绪识别上取得了显著提升，还为其他视觉任务的多模态大模型应用提供了新的思路，具有广泛的应用前景。
Transformer架构的原理是什么？
SACKings的博客
12-15 708
对于“Thinking”这个词，它的输出向量可能包含了90%它自己的信息和10%“Machines”的信息。而对于“Machines”，它的输出可能包含了70%它自己的信息和30%“Thinking”的信息。Transformer 架构的原理是理解现代大模型（如 GPT、BERT、T5 等）的基石。正是因为这些原理上的优势，Transformer才取代了RNN和CNN，成为了当今AI大模型时代的统治性架构。的（打乱输入顺序，输出可能不变），它没有内置的位置概念。Q·K 然后Softmax。
AIDD-人工智能药物设计-扩散模型热力学：从 AI 提取物理能量
itwangyang520的博客
12-14 1083
扩散模型的核心是加噪与去噪。这对业界的启示是，要实现精准医疗，特别是针对耐药突变的药物设计，不能仅依赖大语言模型（Large Language Model, LLM）处理序列。他们从文献和数据库中挖掘了过去被忽略的细节：氨基酸的替换、插入、缺失，以及关键的磷酸化修饰，最终整理出 4032 对新的激酶 - 配体数据。GeneGPT 曾展示了大语言模型（LLM）在生物医药领域的潜力，而 OpenBioLLM 提出了不同于 GeneGPT 单体（Monolithic）架构的方案：组建由「专家」构成的团队。
vLLM推理引擎教程4-离线推理功能
benben044的专栏
12-12 1152
本文介绍了使用vLLM框架优化推理性能的多种方法。主要内容包括：1）基础文本生成、对话式推理、文本分类和嵌入提取四种任务的基本实现；2）自动前缀缓存功能，通过共享KV缓存加速长上下文处理；3）使用YARN方法扩展模型上下文长度；4）多模态任务处理示例（Whisper语音识别）；5）底层LLMEngine API的使用。文章通过具体代码示例展示了如何设置参数实现各类推理优化，包括温度调节、top-p采样、缓存复用等技巧，适用于文本生成、分类、嵌入等多种NLP任务场景。
观成科技:Zloader木马家族加密流量分析
GCKJ_0824的博客
12-12 856
摘要：Zloader木马最初作为银行木马Zeus的下载器，现被广泛用于勒索软件投递。其采用多种加密通信技术规避检测：1）DGA技术生成随机域名；2）DNS隧道隐藏数据；3）HTTPS加密通信；4）Websocket掩码加密。最新版本通过会话密钥强化DNS隧道加密。观成科技利用AI模型结合TLS指纹检测HTTPS加密流量，持续通过行为分析和机器学习应对加密威胁。研究表明，恶意软件正不断升级流量对抗技术，凸显加密流量检测的重要性。（149字）
nl2sql技术实现自动sql生成之Spring AI Alibaba Nl2sql
疾风sxp的博客
12-15 947
上一节我们在介绍了自然语言转sql的基本思路，今天我们通过实操来解决这一技术实现，通过Spring AI Alibaba开源的nl2sql框架进行这块技术的讲解。
零基础入门人工智能：中学数学轻松学AI
首先，课程会从“什么是人工智能”讲起，区分强人工智能与弱人工智能的概念，澄清公众对AI的常见误解——例如AI并非拥有自我意识的“机器人”，而是一套基于数据驱动的决策系统。接着，课程将深入讲解机器学习...
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