人工智能发展图鉴

机器学习相关内容
最新推荐文章于 2025-12-04 16:26:39 发布
原创 最新推荐文章于 2025-12-04 16:26:39 发布 · 292 阅读 · 0 ·
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：

#机器学习

由于未提供博客具体内容，暂无法生成包含关键信息的摘要。

人工智能发展史（从起步到磅礴）以及浪潮阶段
xiao77224li的博客
06-04 6809
随机森林是将多个有差异的弱学习器(决策树)Bagging并行组合，通过建立多个的拟合较好且有差异模型去组合决策，以优化泛化性能的一种集成学习方法。从论文里可以了解到，GPT-1具有1.17个参数，采用了12层的Transformer 解码器结构，使用5GB的无标注文本数据，在8个GPU上训练了一个月，然后再进行人工监督的微调。训练相结合的理念（该方法在当时计算力上还是有很多挑战，基本上都是和链式求导的梯度算法相关的），这也解决了单层感知器不能做非线性分类的问题，开启了神经网络新一轮的高潮。
人工智能顶尖人才数据图鉴2022(1).pdf
08-24
大厂如腾讯、阿里巴巴、华为、百度和字节跳动在人工智能领域的人才储备最为丰富，各公司根据自身业务特点，如支付、物流、金融科技等，发展AI应用。 在招聘策略上，小巨头企业的人才需求增长强劲，而科技大厂则采取...
图解人工智能发展史和人工智能全景图
cherry的专栏
04-09 1858
图解人工智能发展史和人工智能全景图
人工智能发展图解
遇见1995
07-11 798
一图带你了解人工智能简史
audyxiao001的博客
01-29 4090
一图带你了解人工智能简史
人工智能发展史
热门推荐
十年以上架构设计经验，专注于软件架构和人工智能领域，对机器视觉、NLP、音视频等领域都有涉猎
12-03 1万+
人工智能（AI）的发展史是一段跨越数十年的旅程，涵盖了从早期理论探索到现代技术革新的广泛内容。人工智能的发展历程展示了从最初的概念探索到现代技术突破的演变。尽管经历了多次起伏，但AI领域持续进步，不断拓展其应用范围和影响力。
中国AI发展图鉴：5亿用户背后的产业力量
2501_93865404的博客
10-22 267
我国已形成覆盖基础层、框架层、模型层、应用层的全产业链，涵盖芯片、算力、数据、平台等所有环节。专利领域更是领跑全球，申请量达157.6万件，占全球38.58%，北京、广东等五省市贡献了全国60.62%的专利量。从消费端的智能助手到产业端的工业质检，中国AI正从技术突破走向规模化应用，夯实了全球领先的产业基础。《生成式人工智能应用发展报告（2025）》的数据令人振奋：我国生成式AI用户规模达5.15亿人，普及率36.5%，短短半年增长2.66亿人，折射出AI普惠化的深刻趋势。
昇思MindSpore AI框架发展图鉴
Kenji_Shinji的博客
12-04 159
昇思MindSpore AI框架发展图鉴。昇思MindSpore AI框架发展图鉴。
2024年中国人工智能人才发展报告
09-02 2226
导读：人工智能作为新一轮产业变革的核心驱动力，正在深刻改变着人们的生产生活方式，为经济社会发展注入了新动能。当前人工智能正呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。作为引领未来的战略性产业，我国人工智能要保持竞争优势，需要加强人才队伍建设。2024年，人工智能（AI）产业发展迅猛，对人才的需求也日益旺盛。本报告分析了2024年人工智能人才的发展现状、需求特点、能力素质要求以及...
人工智能顶尖人才数据图鉴
09-16 412
导读：2022上半年，行业变革给招聘环境带来了前所未有的变化。底层技术周期的更迭带来行业兴衰更替，互联网行业的海量人才吸纳按下暂停键，人工智能被寄予希望成为下一个风口。关注公众号：【互联互通社区】，回复【人工智能顶尖人才】获取全部报告内容。新一轮人才流动已经开始，互联网的行业光环逐渐消失，人工智能的崛起为技术人才带来新的职业红利期。从互联网到以人工智能为代表的新兴行业，成为可以预见的人才迁徙必经之...
脉脉·人工智能顶尖人才数据图鉴2022 @ShowMeAI研究中心
12-29
【人工智能顶尖人才数据图鉴2022】揭示了当前人工智能领域的招聘趋势和人才分布状况。这份由脉脉和ShowMeAI研究中心联合发布的报告指出，科技大厂仍然是人工智能招聘的主导力量，但小巨头如Shopee和小红书的需求增长...
精选资源
脉脉人工智能顶尖人才数据图鉴2022.pdf
11-18
2022年，随着行业变革，人工智能（AI）逐渐成为下一个行业热点，吸引了大量技术人才的注意。相较于互联网行业的招聘放缓，AI领域展现出强大的人才需求，尤其是在核心岗位上。这场人才迁移的趋势明显，从互联网行业...
【机器学习】23-25 决策树 & 树集成
weixin_54010404的博客
12-02 1026
本文系统性地介绍了决策树模型及其相关算法。首先阐述了决策树的基本结构与学习过程，重点讨论了如何通过最大化信息增益选择最优划分特征，并详细解释了熵作为纯度衡量指标的计算方法。文章涵盖了分类树与回归树的构建逻辑，包括离散特征处理（独热编码）和连续特征阈值选择。 进一步，文章深入探讨了决策树集成方法，重点分析了随机森林算法通过放回抽样和特征随机选择来增强模型鲁棒性的机制。特别介绍了XGBoost算法的核心优势：自适应样本权重调整、内置正则化和高效实现。最后，文章对比了决策树集成与神经网络的应用场景。
【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
12-02 860
【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
【模式识别与机器学习（15）】机器学习算法-主成分分析
hiliang521的博客
12-02 860
【模式识别与机器学习（15）】主成分分析
机器学习（一）
weixin_52554463的博客
12-01 930
机器学习学习笔记
当AI遇见MEMS：机器学习如何优化微振镜的控制与可靠性预测
最新发布
m0_57847742的博客
12-04 1100
您认为在控制优化与可靠性预测这两个方向中，哪一项的产业化落地会更快，面临的障碍更小？
用Python玩转GAN：让AI学会“造假”的艺术
2303_77568009的博客
12-03 1500
本项目基于PyTorch实现了生成对抗网络（GAN），用于生成手写数字图像。通过搭建生成器和判别器的卷积神经网络结构，采用对抗训练策略，成功在MNIST数据集上训练出能够生成逼真数字图像的模型。实践过程中解决了GPU环境配置、Windows多进程加载数据、网络优化等关键技术问题，最终实现了从随机噪声到清晰数字图像的端到端生成。该实践加深了对深度学习框架使用、模型训练调优及GAN原理的理解，为机器学习算法学习提供了完整案例。
学习笔记二十三：支持向量机-间隔与支持向量
dengdaijc的专栏
12-02 691
本文介绍了支持向量机(SVM)的基本原理。SVM通过在样本空间中寻找最优划分超平面来实现分类，其核心思想是最大化分类间隔以提高泛化能力。关键概念包括：划分超平面的数学表示（由法向量和位移项定义）、支持向量（决定超平面位置的最近样本点）以及间隔（反映分类置信度）。SVM的基本型是一个凸二次规划问题，通过最小化法向量范数平方来最大化间隔，同时满足所有样本正确分类的约束条件。该方法具有理论严谨、模型稀疏、全局最优等优势，是经典的分类学习算法。
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