求职清单!AI商业落地企业Top100;『数据科学:理论、模型、算法与分析』电子书;超快多线程DataFrame 8K★;前沿论文 | ShowMeAI资讯日报

很厉害的语音克隆TTS:coqui-ai TTS的使用过程 我录了几句话,十几秒的音频,然后就能克隆输出了,我用GPU,速度很快,3秒内就输出了,当然这和传的音频还有合成文字的长度有关系。这一串tts_models--multilingual--multi-dataset--xtts_v2 是程序自动创建的目录,如果模型下载失败,这个目录会直接删掉的,注意。coqui-ai开源的TTS,它的特色我总结为:可以上传自己的一段人声音频(哪怕就几句),它就能给你克隆了,并且把你要说的文字给转成语音读出来。如果想自己训练啥的,就下载源码按教程弄吧,这里就不说了。 阅读详情

👀日报合辑 | 📆电子月刊 | 🔔公众号下载资料 | 🍩@韩信子

📢 亿欧智库 ·『2022中国AI商业落地研究报告』与『TOP100企业』发布

亿欧在2022世界人工智能大会『AI商业落地论坛』上发布《2022中国AI商业落地研究报告》及《2022中国AI商业落地TOP100企业榜单》,从政策支持、技术发展、产业融合、投融资市场等角度出发,结合国内外竞争格局变化,解析2022年中国人工智能产业背景。

从产业应用上看,AI 已经广泛应用到了金融、智慧城市、制造、交通、医疗等各个领域。尤其是随着数字经济的发展,在产业数字化、智能化转型的过程中,AI在传统行业中的参与度会逐渐提升,这也为AI的应用打开了更大的空间。

基于上述AI的发展趋势,可以看到人工智能已经进入了『市场买单』的阶段。亿欧智库今年也设立了新的榜单研究纬度,从价值、效率与服务、安全、业务拓展与场景实践能力等4各方面,对中国人工智能企业进行研究,并输出2022中国AI商业落地TOP100榜单。

工具&框架

🚧 『PyCantonese』Python粤语NLP库

https://github.com/jacksonllee/pycantonese

https://pycantonese.org/

PyCantonese 是一个用于粤语语言学和自然语言处理(NLP)的 Python 库,支持的功能包括:语料库数据、解析和转换工具、解析粤语文本、停用词、分词、词性标注。

🚧 『hologram』跨平台终端图像查看器

https://github.com/edluffy/hologram.nvim

hologram 是 Neovim 的一个跨平台终端图像查看器,可扩展且速度快,用 Lua 和 C 语言编写。它可以在 macOS 和 Linux 上工作,目前支持 Kitty 图形协议。

🚧 『ModelFun』 一站式自动化开源标注平台

https://github.com/CLUEbenchmark/modelfun

https://www.modelfun.cn/doc

ModelFun Flow 数据自动化标注流程。通过构建标注规则,并训练投票模型构建自动化标注引擎,对指定类别的数据进行批量化自动标注。并通过分析标注结果及错误样本数,对标注规则进行快速迭代,提升数据标注质量。

🚧 『MATE』一套用于交互式程序分析的工具,重点是用代码属性图在 C 和 C++ 代码中寻找错误

https://github.com/GaloisInc/MATE

https://galoisinc.github.io/MATE/

MATE 是一套用于交互式程序分析的工具,用于寻找 C 和 C++ 代码中的漏洞。MATE 使用代码属性图(CPG)将特定应用和低级漏洞分析统一起来,从而能够发现高度特定应用的漏洞,这些漏洞取决于目标 C/C++ 程序的实现细节和高级语义。

🚧 『Polars』Rust/Python/Node.js 的超快多线程 DataFrame 7.9K Star

https://github.com/pola-rs/polars

https://www.pola.rs/

Polars 是一个用 Rust 实现的 DataFrames 库,使用 Apache Arrow Columnar Format 作为内存模型,具备极高的效率和优化过的操作。

博文&分享

👍 『k8s tutorials』k8s 教程

https://github.com/guangzhengli/k8s-tutorials

k8s 作为云原生时代的操作系统,学习它的必要性不言而喻!这是一份非常优质的 k8s 教程,需要注意的是,教程侧重于实战引导,以渐进式修改代码的方式,从最基础的 container 容器的定义开始,经过 pod、deployment、servcie、ingress、configmap、secret 等资源直到用 helm 来打包部署一套完整服务。

👍 『Data Science: Theories, Models, Algorithms, and Analytics』数据科学:理论、模型、算法与分析 · 免费书

https://srdas.github.io/MLBook/

PDF下载:https://srdas.github.io/Papers/DSA_Book.pdf

作者 Sanjiv Ranjan Das 是 Santa Clara 大学商学院金融与数据科学教授。这本书是作者为其课程《Machine Learning with R》开发整理的课堂笔记。包含以下章节:

  • The Art of Data Science / 数据科学的艺术
  • The Very Beginning: Got Math? / 起步:数学基础
  • Open Source: Modeling in R / 开源:R语言建模
  • MoRe: Data Handling and Other Useful Things / 更多:数据处理与其他
  • Being Mean with Variance: Markowitz Optimization / 方差均值:马科维茨优化
  • Learning from Experience: Bayes Theorem / 从经验中学习:贝叶斯定理
  • More than Words: Extracting Information from News / 自然语言:从新闻中提取信息
  • Virulent Products: The Bass Model / 巴斯模型
  • Extracting Dimensions: Discriminant and Factor Analysis / 提取维度:判别和因子分析
  • Bidding it Up: Auctions / 竞标:拍卖
  • Truncate and Estimate: Limited Dependent Variables / 截断和估计:有限的因变量
  • Riding the Wave: Fourier Analysis / 乘风破浪:傅里叶分析
  • Making Connections: Network Theory / 建立联系:网络理论
  • Statistical Brains: Neural Networks / 统计大脑:神经网络
  • Zero or One: Optimal Digital Portfolios / 零或一:最佳数字投资组合
  • Against the Odds: Mathematics of Gambling / 对抗赔率:赌博数学
  • In the Same Boat: Cluster Analysis and Prediction Trees / 聚类分析和预测树

数据&资源

🔥 『awesome-deep-learning』深度学习单细胞分析相关文献列表

https://github.com/OmicsML/awesome-deep-learning-single-cell-papers

🔥 『Open Speech Corpora』面向ASR、TTS和其他语音技术的开放语音数据集列表

https://github.com/coqui-ai/open-speech-corpora

研究&论文

可以点击 这里 回复关键字 日报,免费获取整理好的论文合辑。

科研进展

  • 2022.08.27 『目标检测』 YOLOX-PAI: An Improved YOLOX Version by PAI
  • 2022.09.01 『强化学习』 Transformers are Sample Efficient World Models
  • 2022.08.13 『机器学习』 Adan: Adaptive Nesterov Momentum Algorithm for Faster Optimizing Deep Models

⚡ 论文:YOLOX-PAI: An Improved YOLOX Version by PAI

论文时间:27 Aug 2022

领域任务:Object Detection,目标检测

论文地址:https://arxiv.org/abs/2208.13040

代码实现:https://github.com/alibaba/EasyCV

论文作者:Xinyi Zou, Ziheng Wu, Wenmeng Zhou, Jun Huang

论文简介:We develop an all-in-one computer vision toolbox named EasyCV to facilitate the use of various SOTA computer vision methods./我们开发了一个名为EasyCV的一体化计算机视觉工具箱,以促进各种SOTA计算机视觉方法的使用。

论文摘要:我们开发了一个名为EasyCV的一体化计算机视觉工具箱,以促进各种SOTA计算机视觉方法的使用。最近,我们在EasyCV中加入了YOLOX-PAI,这是YOLOX的改进版。我们进行了消融研究,研究一些检测方法对YOLOX的影响。我们还为PAI-Blade提供了一个简单的使用方法,它被用来加速基于BladeDISC和TensorRT的推理过程。最后,我们在单个NVIDIA V100 GPU上,在1.0毫秒内达到COCO dateset上的42.8 mAP,这比YOLOv6要快一点。在EasyCV中还设计了一个简单而有效的预测器api来进行端对端对象检测。代码和模型现在可以在以下网站获得:https://github.com/alibaba/EasyCV

⚡ 论文:Transformers are Sample Efficient World Models

论文时间:1 Sep 2022

领域任务:reinforcement-learning,强化学习

论文地址:https://arxiv.org/abs/2209.00588

代码实现:https://github.com/eloialonso/iris

论文作者:Vincent Micheli, Eloi Alonso, François Fleuret

论文简介:Deep reinforcement learning agents are notoriously sample inefficient, which considerably limits their application to real-world problems./深度强化学习代理有样本效率低下问题,这大大限制了它们对现实世界问题的应用。

论文摘要:深度强化学习代理有样本效率低下问题,这大大限制了它们对现实世界问题的应用。最近,许多基于模型的方法被设计来解决这个问题,其中在世界模型的想象中学习是最突出的方法之一。然而,虽然与模拟环境的几乎无限的互动听起来很吸引人,但世界模型必须在很长一段时间内是准确的。在Transformers在序列建模任务中成功的激励下,我们介绍了IRIS,一个在由离散自动编码器和自回归Transformers组成的世界模型中学习的数据高效的代理。在Atari 100k基准测试中,IRIS只用了相当于两个小时的游戏时间,就取得了1.046的人类归一化平均分,并在26个游戏中的10个游戏中优于人类。我们的方法为没有前瞻搜索的方法设定了一个新的技术状态,甚至超过了MuZero。为了促进未来对Transformers和世界模型的研究,我们将我们的代码库发布在 https://github.com/eloialonso/iris

⚡ 论文:Adan: Adaptive Nesterov Momentum Algorithm for Faster Optimizing Deep Models

论文时间:13 Aug 2022

领域任务:Machine Learning, Optimization and Control, 机器学习,优化与控制

论文地址:https://arxiv.org/abs/2208.06677

代码实现:https://github.com/sail-sg/adan , https://github.com/frgfm/Holocron , https://github.com/lucidrains/Adan-pytorch

论文作者:Xingyu Xie, Pan Zhou, Huan Li, Zhouchen Lin, Shuicheng Yan

论文简介:Then Adan adopts NME to estimate the first- and second-order moments of the gradient in adaptive gradient algorithms for convergence acceleration./然后Adan采用NME来估计自适应梯度算法中梯度的一阶和二阶矩,以加速收敛。

论文摘要:自适应梯度算法借鉴了重球加速的移动平均思想,准确估计梯度的一阶和二阶矩,以加速收敛。然而,在理论上和许多经验案例中,Nesterov加速比重球加速收敛得更快,但在自适应梯度设置下,对它的研究却很少。在这项工作中,我们提出了ADAptive Nesterov momentum算法,简称Adan,以有效加快深度神经网络的训练。Adan首先对虚无的Nesterov加速进行了重构,开发了一种新的Nesterov动量估计(NME)方法,它避免了在外推点计算梯度的额外计算和内存开销。然后,Adan采用NME来估计自适应梯度算法中梯度的一阶和二阶矩,以实现收敛加速。此外,我们证明Adan在非凸随机问题(如深度学习问题)上,在O(ϵ-3.5)的随机梯度复杂度内找到了一个ϵ-近似的一阶静止点,与最知名的下限相匹配。广泛的实验结果表明,Adan在视觉变换器(ViTs)和CNN上都超过了相应的SoTA优化器,并为许多流行的网络,如ResNet、ConvNext、ViT、Swin、MAE、LSTM、Transformer-XL和BERT,设定了新的SoTA。更令人惊讶的是,Adan可以使用SoTA优化器一半的训练成本(epochs),在ViT和ResNet等网络上获得更高的或相当的性能,而且对大范围的minibatch大小,例如从1k到32k,也表现出极大的容忍度。我们希望Adan能够通过降低训练成本和减轻在不同架构上尝试不同优化器的工程负担来促进深度学习的发展。代码发布在 https://github.com/sail-sg/Adan

我们是 ShowMeAI,致力于传播AI优质内容,分享行业解决方案,用知识加速每一次技术成长!

◉ 点击 日报合辑,在公众号内订阅话题 #ShowMeAI资讯日报,可接收每日最新推送。

◉ 点击 电子月刊,快速浏览月度合辑。

◉ 点击 这里 ,回复关键字 日报 免费获取AI电子月刊与论文 / 电子书等资料包。

声音克隆项目coqui-aiTTS实战(大模型实战) coqui-aiTTS是一个开源的文本转语音(TTS)项目,旨在提供高质量的声音克隆和语音合成功能。它利用深度学习技术,能够模仿特定说话人的声音特征,实现个性化的语音输出。该项目支持多语言,并提供了训练工具,允许用户使用自己的数据集来创建定制的TTS模型。coqui-aiTTS的目标是为开发者和研究者提供一个灵活、强大的TTS解决方案,可用于各种应用场景,如虚拟助手、有声读物或个性化语音界面等。(CUDA驱动11.8) 阅读详情

相关推荐

coqui-ai/TTS 安装使用

Coqui AI的TTS是一款开源深度学习文本转语音工具,以高质量、多语言合成著称。它提供超过1100种语言的预训练模型库,能够轻松集成到各种应用中,并允许用户通过简单API进行个性化声音训练与微调。其技术亮点包括但不限于低资源适应性(如YourTTS模型可处理有限或零样本数据),实时流式传输功能(支持200毫秒级延迟)以及强大的跨语言克隆能力。model文件下载需要vpn,如果无法下载,可以在。

weixin_44270183的博客 6738

Coqui TTS 安装与测试

本篇记录一下 Coqui TTS 的安装测试以及(重点)踩坑经历。Coqui-TTS 的主要作者是德国人,这个库似乎之前和 Mozilla 的 TTS ()有千丝万缕的关系,但是现在后者的 TTS 已经停止更新,而 Coqui TTS 更新一直很稳定,是目前少数几个更新比较稳定的开源语音库。

Haulyn5的博客 1万+

【韭菜拾遗】Coqui TTS: a deep learning toolkit for Text-to-Speech

Coqui TTS是高级文本到语音生成的库。它建立在最新研究的基础上,旨在实现易于训练,速度和质量的最佳权衡。TTS配备了预验证的模型,用于测量数据集质量的工具,并且已经以20多种语言用于产品和研究项目。...

小哲的博客 2805

语音合成工具Coqui TTS安装及体验

先介绍两种免费的语音合成工具 balabolka 官网 http://balabolka.site/balabolka.htm 是一种基于微软Speech API (SAPI)的免费语音合成工具,只是简单的发音合成,效果比较生硬

信箱神、得引擎 1万+

03-25 周一 论文阅读 Train Large, Then Compress: Rethinking Model Size for Effcient Trainning and Inference

由于硬件资源有限,训练深度学习模型的目标通常是在训练和推理的时间和内存约束下最大限度地提高准确性。我们研究了在这种情况下模型大小的影响,重点研究了受计算限制的NLP任务的Transformer模型:自监督预训练和高资源机器翻译。我们首先表明,尽管较小的Transformer模型每次迭代执行得更快,但更宽、更深的模型收敛的步骤要少得多。此外,这种收敛的加速通常超过了使用更大模型的额外计算开销。因此,计算效率最高的训练策略是违反直觉地训练非常大的模型,但在少量迭代后停止。

不当初 1387

pycantonese:Python中的粤语语言学和NLP

pycantonese:Python中的粤语语言学和NLP

认知度规:通过量化思考深度与结构实现意义空间化建模——深入研究报告(世毫九实验室原创研究)

《认知度规:思维深度与结构的空间化建模》 摘要:本研究提出认知度规理论框架,通过微分几何方法将人类思维的深度与结构转化为高维黎曼流形的内蕴度量。区别于传统语义向量空间,该理论将思考深度映射为局部空间缩放因子,认知结构转化为流形曲率特征,实现意义生成的可计算建模。研究建立了从量化指标到度规张量的数学构造方法,通过72小时递归对话实验验证了语义距离与测地线长度的强相关性(r≥0.82)。应用场景涵盖教育评估、AI对齐、创意辅助等领域,为认知科学和人工智能提供了新的量化研究路径。当前理论在跨文化归一化、神经验证等

方见华 523

cantonese-corpus:粤语分词工具

粤语分析 采用pycantonese作为粤语语料库以及预料分析工具 分词工具 采用jieba分词工具进行分词,jieba的分词字典需要从pycantonese里面获得 用法 ./data/init_dict.txt 初始化的分词,可以加入一些常用的词,格式是[单词] [词频] [词性]。 例如: 嗰度 120 r word_dictionary.py 创建分词字典,运行即可在./data/下面创建分词字典dict.txt word_segment.py 分词工具, 运行查看分词结果

STORM:为强化学习基于高效随机Transformer的世界模型

23年10月来自北理工和清华的论文“STORM: Efficient Stochastic Transformer based World Models for Reinforcement Learning”。

yorkhunter的博客 1457

大模型之三十二-语音合成TTS(coqui)

大模型之三十二-语音合成TTS(coqui)

一文了解向量数据库在RAG中扮演的角色

向量数据库:AI新纪元的基石。探索如何通过这一创新技术优化RAG,提高语言模型的信息处理能力

2401_82452722的博客 2456

【亲测免费】 PyCantonese:粤语语言学与自然语言处理的Python库

PyCantonese:粤语语言学与自然语言处理的Python库 项目介绍 PyCantonese 是一个开源的Python库,专注于粤语语言学和自然语言处理(NLP)。该库提供了多种功能,旨在帮助研究者和开发者更方便地处理粤语文本数据。PyCantonese 目前支持的功能包括但不限于:访问和搜索语料库数据、Jyutping罗马字转换工具、粤语文本解析、停用词处理、分词和词性标注等。 项目技术分...

gitblog_00902的博客 894

细聊Oracle通过ODBC数据源连接SQL Server数据库

    类似文章搜索引擎上有很多,内容大致相同,今天所谓细聊是因为我在借鉴这些文章时候走了些弯路,所以写此文,为自己备忘,同时如果能为初涉此处知识点的小伙伴提供些帮助就更好了,废话不多说。    我的应用场景:    项目系统使用oracle数据库,与客户的第三方系统供应商实现资源共享,对方为sql server数据库;    我的测试开发环境为64bitwin7PC机,本机上装有64位Oracl...

xueren_83的博客 1万+

AI / DATA SCIENCE / MACHINE LEARNING

人工智能/数据科学/机器学习综述:   https://zhuanlan.zhihu.com/p/26645993 顶会排名:    https://www.zhihu.com/appview/p/28037164

jialibang的博客 404

CloudCompare横截面工具实战:从点云切片到轮廓提取的完整流程

本文详细介绍了CloudCompare软件中Cross Section工具的核心功能与实战流程。从交互式裁剪框的精准操控,到包络线提取的参数设置与优化,再到内部轮廓提取及批量处理技巧,完整解析了如何从三维点云中高效提取建筑立面、隧道断面等关键轮廓信息,是点云数据处理与分析的实用指南。

weixin_29290963的博客 286

AUTOSAR从入门到精通-【自动驾驶】特斯拉全自动驾驶(FSD)

特斯拉全自动驾驶系统(Full-Self Driving,简称FSD)是特斯拉公司开发的高级驾驶辅助系统,旨在通过神经网络技术实现环境感知与车辆控制,在驾驶员监督下完成导航、转向、变道、泊车等操作。‌ 该系统自2021年发布Beta测试版以来持续迭代,最新版本为2025年10月推出的v14版本。‌FSD v14版本基于端到端神经网络架构,取代了传统代码逻辑,通过数百万视频片段训练模型,以模仿人类驾驶决策。‌ 其功能覆盖住宅区街道、城市道路及高速公路,支持交通信号识别、自动变道和环岛通行等场景。

getusushu的博客 573

coqui-ai/TTS 安装

apt update#在目录下建py环境#激活环境# Coqui TTS 要求 Python >=3.9 且 <3.12;你的环境满足就行。

tiantiantbtb的博客 993

Java 类与对象 -- Java 语言的类与对象、构造器、static、final、包和 JAR

本篇文章我们将深入了解 Java 语言中的类与对象,探讨构造器、`static`、`final`、包和 JAR 文件。这些概念是面向对象编程的核心,对于理解和掌握 Java 至关重要。

栗筝i的博客 5041

coqui-ai TTS 初步使用

下载的文件解压出来一般有:config.json model_file.pth scale_stats.npy 这些文件,config.json里面的scale_path要改为解压出来的scale_stats.npy对应的文件路径。代码中的文件路径也要指定,当然你也可以放到~/.local/tts/models 这个是linux的默认路径,具体路径可以到site-package tts的源码中改

BLOCKGOLD.E的博客 1497

MATLAB - 机械臂手眼标定(眼在手内) - 估计安装在机器人上的移动相机的姿态

执行手眼校准有助于操作配备末端执行器(简称 “手”)的机械臂,该末端执行器依赖于摄像头提供的视觉数据。一旦完成了眼在手外的校准,机械臂就能准确地移动到摄像头识别的特定像素位置。这种能力是执行精确拾放任务(如分类、堆垛和分拣)的基础,即使在摄像机的确切位置和方向未知的情况下也是如此。机器人-摄像机系统有两种构型:眼在手内和眼在手外。在眼在手内构型中,摄像头直接安装在机器人手臂的末端执行器上。相反,在眼在手的构型中,摄像头固定在一个静止的物体上,机器人手臂在其视野内。

机器人控制与仿真应用 3357

第1讲|AI产品经理全景图谱:不是“会用AI工具”,而是能对AI产品结果负责

本文从岗位本质出发,系统拆解 AI 产品经理的职责、岗位类型与能力模型,帮助读者理解 AI PM 与传统 PM 的核心差异,明确自己适合的转型方向,并建立“对 AI 产品结果负责”的产品认知。

从零开始,掌握网络安全。提供全面的网络安全教程、攻防演练技巧和行业动态。 1019

Coqui AI TTS 开源项目教程

Coqui AI TTS 是一个用于高级文本到语音生成的深度学习工具包。它经过研究和生产环境的实战测试,提供了丰富的功能和模型,支持多种语言的文本到语音转换。Coqui AI TTS 不仅支持预训练模型,还提供了工具来训练新模型和微调现有模型。 ### 主要特点 - **多语言支持**:支持超过1100种语言的预训练模型。 - **模型训练工具**:提供工具来训练新模型和微调现有模型。 - **...

gitblog_00227的博客 789

【WRF-Urban数据集】中国60个城市的1 km分辨率城市冠层参数(UCPs)

中国60个城市的1 km分辨率城市冠层参数(UCPs)

WW、forever的博客 1069

Coqui AI 开放语音语料库指南

--- ## 项目介绍 **Coqui AI 的开放语音语料库** 是一个致力于促进语音识别技术发展的开源项目。它汇集了多种语言的音频数据,旨在降低语音技术入门门槛,鼓励开发者、研究人员及爱好者参与到语音识别模型的训练中来。通过提供高质量的多语言语音数据集,该项目支持创建更加包容且高效的声音处理算法。 --- ## 项目快速启动 ### 安装依赖 在开始之前,请确保你的系统已安装Git...

gitblog_00699的博客 566

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

【AI】1692- OpenAI Whisper + FFmpeg + TTS:动态实现跨语言视频音频翻译

本文作者系360奇舞团前端开发工程师摘要:本文介绍了如何结合 OpenAI Whisper、FFmpeg 和 TTS(Text-to-Speech)技术,以实现将视频翻译为其他语言并更换声音的过程。我们将探讨如何使用 OpenAI Whisper 进行语音识别和翻译,然后使用 FFmpeg 提取视频音轨和处理视频,最后使用 TTS 技术生成新的语音并替换原视频的音轨。通过这种方式,我们可以为视频添...

pingan8787 1254

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 331

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

上一篇: 2022!影响百万用户金融信用评分,Equifax被告上法庭,罪魁祸首——『数据漂移』!
下一篇: 数据驱动!精细化运营!用机器学习做客户生命周期与价值预估!
ShowMeAI
博客等级 码龄5年 6514粉丝 672原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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

ShowMeAI

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