AI：Machine Learning & Data Science

原创 已于 2025-03-14 17:54:26 修改 · 1.1k 阅读 · 13 ·
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

于 2025-03-14 17:30:03 首次发布

机器学习与数据科学

左侧

机器学习 Machine Learning

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

它是人工智能核心，是使计算机具有智能的根本途径。机器学习 - 入门

开发语言 Development language

工作环境 Work Environment

数据分析

  • 数值计算

最低0.47元/天 解锁文章
Machine Learning and Data Science (1)
stellalxy的博客
06-05 540
机器学习数据分析学习笔记（1）
计算机科学速成课 Crash Course Computer Science 第三十四集 机器学习&人工智能 Machine Learning & Artificial Intelligence
WULH
03-11 1546
计算机科学速成课 Crash Course Computer Science 第三十四集 机器学习&人工智能 Machine Learning & Artificial Intelligence 机器学习算法让计算机可以从数据中学习，然后自行做出预测和决定，能自我学习的程序很有用，比如判断是不是垃圾邮件。虽然有用，但是我们不会说它有人类一般的智能，虽然AI和ML这两个词经常混着用，...
AI应用开发全景图：Awesome AI & Data Science 资源梳理
加入“Super Entity”，与全能开发团队共探AI智能体与数字人项目，开启前沿技术之旅。
07-17 846
AI与数据科学是当前最热门的技术领域。本文基于 Awesome AI & Data Science 资源，系统梳理主流工具、知识体系、开发流程与实践案例，结合生态全景、代码、思维导图、饼图、最佳实践和常见问题，助力中国开发者高效入门与进阶。AI 与数据科学为开发者提供了无限可能。善用 Awesome 资源，结合最佳实践，能大幅提升开发效率和项目质量。未来，随着大模型、AutoML、MLOps、AIGC 等新技术的发展，AI 生态将持续扩展，成为开发者创新与成长的重要平台。先掌握主流库与工具，逐步深入。
Machine Learning 和 Data Science 的最佳公共数据集
qq_37851620的博客
09-02 1856
外国自媒体mlmemoirs根据github、福布斯、CMU官网等信息，整理了一个最佳机器学习公共数据集的榜单
DATA 305 Machine Learning Techniques for Data Science 2025Matlab
hopisthing的博客
02-12 376
Java Python DATA305For academic year 2025Machine Learning Techniques for Data ScienceData Science uses machine learning methods to fit data and make predictions.In this course you wilearn how to explore data in order to identify the appropriate ethical a
9、ECML PKDD 2023: A Premier Event in Machine Learning and Data Mining
http9protocoller的博客
05-19 73
ECML PKDD 2023, held in Turin, Italy from September 18-22, is a premier European conference focusing on advancements in machine learning and data mining. The event featured 255 paper presentations, three insightful keynote talks by leading experts, numerou
Python 人工智能 Machine Learning 机器学习基础知识点详细教程（更新中）
唤醒手腕
10-11 791
人工智能（Artificial Intelligence，AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。它试图了解智能的实质，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。人工智能的研究领域涵盖了机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能是计算机科学的一个分支，它涉及到计算机科学、心理学、哲学和语言学等学科。可以说，人工智能几乎涉及到了自然和社会科学的所有学科，其范围已远远超出了计算机科学的范畴。人工智能应用领域。
Machine Learning and Data Mining（机器学习与数据挖掘）
weixin_30512785的博客
01-22 2609
Problems[show] Classification Clustering Regression Anomaly detection Association rules Reinforcement learning Structured prediction Feature engineering Feature learning Online lea...
数据挖掘(data mining)，机器学习(machine learning)，和人工智能(AI)的区别是什么？ 数据科学(data science)和商业分析(business analytics
LSG_Dawn的博客
07-31 1606
  数据挖掘(data mining)，机器学习(machine learning)，和人工智能(AI)的区别是什么？ 数据科学(data science)和商业分析(business analytics)之间有什么关系？ 本来我以为不需要解释这个问题的，到底数据挖掘(data mining)，机器学习(machine learning)，和人工智能(AI)有什么区别，但是前几天因为有个学弟...
DataScience-And-MachineLearning-Handbook-For-Coders-人工智能大模型实战应用资源
07-07
《DataScience And MachineLearning Handbook For Coders》是一份专门面向程序员群体的实战应用资源，它将理论知识与实践技能相结合，旨在帮助编码者快速融入人工智能领域的实战应用。 这份资源手册涵盖了从数据...
【模式识别与机器学习（8）】主要算法与技术（下篇：高级模型与集成方法）之 元学习与集成方法：组合多个学习器来提高整体性能
hiliang521的博客
12-02 874
【模式识别与机器学习（8）】主要算法与技术（下篇：高级模型与集成方法）之 元学习
TensorRT笔记（5）：研究timingCache
ouliten的博客
12-02 1041
在里出现了大量的timingCache，但是当时没有取研究这是干啥的，本文就来解析一下。样例都基于上面的文章。
大模型应用：大模型 MapReduce 全解析：核心概念、中文语料示例实现.12
minhuan的专栏
12-03 1142
本文介绍了MapReduce编程模型及其在大模型训练中的应用。MapReduce通过"分治-并行-聚合"思想处理大规模数据，传统Hadoop MapReduce侧重结构化数据计算，而大模型MapReduce则针对自然语言处理任务。文章详细对比了两者在架构、处理对象和核心算力等方面的差异，并提供了中文词频统计的Python实现示例，包括单机版和分布式版本。分布式实现利用多进程模拟集群计算，展示了数据分片、Map、Shuffle和Reduce的完整流程。
人工智能的基石之三：硬件
最简单的方法，解决最实际的问题。
12-05 574
高性能硬件是人工智能的基石，尤其是在机器学习和深度学习领域，海量数据是常态。从充当计算机大脑的中央处理器 (CPU) 到加速计算的图形处理器 (GPU)，硬件的作用是提供处理和运行复杂数据算法所需的原始能力。
AI泡沫什么时候破？
脑极体
12-04 490
而AI企业面对的短期形势，可能更为严峻。而AI公司和技术服务商，为了迎合决策者或拿下B端大项目，往往不计成本的低价竞标，无视人工成本的驻场开发，技术价值让位于领导偏好，企业自身也深陷人效黑洞，沦为挣辛苦钱的技术外包。To B/G不赚钱，To C也卖不上价，所以目前AI领域唯一清晰的商业模式，就是类似英伟达的“卖铲人”模式，卖加速卡和算力的企业成了这一轮AI浪潮的最大受益人。去伪存真之后，资本会冷却，叙事会修正，共识会重新凝聚，而那些持续追问“AI如何创造真实价值”的人，会与行业一同穿越周期，走向成熟。
昇腾平台 vLLM 部署与性能优化实战：高吞吐推理落地指南
热门推荐
二哈喇子！
12-01 2万+
昇腾平台vLLM部署与性能优化实战摘要
【AI是否能替代IT从业者？】
博文致力于人工智能算法的探索研究；前后端分离项目的技术分享交流；专升本计算机基础课程内容讲解；各种中间件技术分享
12-03 1056
2025年IT行业面临AI深度重构：基础开发、测试、运维岗位替代率超60%，但AI相关新兴岗位激增380%。人类在复杂系统设计、伦理决策和跨界融合领域仍具不可替代性。微软等企业实践显示，人机协作可使效率提升40%。从业者需转型高价值领域（如Agent开发、大模型工程），掌握"技术+领域"双轨能力。AI本质是职业生态重构器，持续学习者的薪资溢价可达150%。建议立即评估岗位AI暴露指数，优先学习分布式架构优化、多智能体开发等技能。
建筑数字孪生与AI：工地数据化与智能决策解析
Azhiyuanshijie的博客
12-04 259
数字孪生整合BIM模型、无人机影像、传感器数据，构建工地虚拟模型。施工状态、材料使用、设备运行数据被实时采集，支撑预测与优化。服务，将算法嵌入实际施工管理系统，实现数据采集、分析、优化和决策闭环。系统可与BIM、ERP集成，形成完整数字孪生解决方案。通过虚拟映射和AI算法，施工过程从经验驱动转向数据驱动。数字孪生+AI，让工地变成“数据实验室”，提升效率、降低风险，并推动建筑企业迈向智能化时代。，企业可展示施工技术实力，实现品牌影响力和潜在客户转化。：AI提出最优施工方案，提升效率和安全。
【农作物谷物识别系统】Python+TensorFlow+Django+人工智能+深度学习+卷积神经网络算法
最新发布
子午的博客
12-05 667
农作物谷物识别系统，基于TensorFlow搭建卷积神经网络算法，通过对11种常见的谷物图片数据集（‘大米’, ‘小米’, ‘燕麦’, ‘玉米渣’, ‘红豆’, ‘绿豆’, ‘花生仁’, ‘荞麦’, ‘黄豆’, ‘黑米’, ‘黑豆’）进行训练，最后得到一个识别精度较高的模型，然后搭建Web可视化操作平台。技术栈项目前端使用Html、CSS、BootStrap搭建界面。后端基于Django处理逻辑请求基于Ajax实现前后端数据通信选题背景与意义。
构建数据科学模型：使用AIF360与Watson Machine Learning
使用AIF360可以增加模型的透明度，确保人工智能应用对所有人公平无偏。 3. 熊猫（Pandas） Pandas是一个广泛使用的Python数据处理库，它提供快速、灵活且表达能力强的数据结构，旨在使“关系”或“标签”数据的操作...
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

打赏作者

Thomas Kant

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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