聚集机器学习、信息安全

人工智能时代，大语言模型层出不穷，但语言的本质是什么呢？本文深入探讨了语言（包括语言和文字）的本质。

自然语言处理（NLP）的发展史是一部人类试图用机器理解自我的探索史。从20世纪中叶至今，这项技术经历了四个关键阶段，每个阶段都折射出人类认知方式的重大转变。

汉语词汇是语言中能够独立运用的最小的语言单位，是语言中的原子结构。由于中文缺乏类似英文的空格分隔，分词的准确性直接影响后续任务（如机器翻译、情感分析）的效果。因此，对中文进行分词就显得至关重要。

技术文档不仅是知识传承的载体，更是团队协作的桥梁，它在产品成功的背后扮演着至关重要的角色。本文将详细介绍如何撰写一份优秀的技术文档，帮助你成为技术文档撰写的专家。

近日，IBM中国宣布撤出在华的两大研发中心，这一消息在IT行业内掀起了轩然大波。这一决定不仅直接影响了数百名IT从业者的职业命运，更引发了我们对全球化背景下中国IT产业竞争力和未来发展方向的深刻思考。

在快节奏的IT行业中，开发者们面对的是日益复杂的项目需求、不断更新的技术栈以及紧迫的交付期限，选择合适的编程工具不仅关乎个人的工作效率，更是团队整体竞争力的体现。

近日，OpenAI宣布将在秋季推出代号为“草莓”的新AI模型，这一消息如同春风拂面，不仅因为其从数学殿堂迈向了营销创意的广阔天地，更因为它触及了一个深刻的话题：全能型AI与专业型AI，谁将主导未来的市场与人心？

《黑神话：悟空》以其惊艳的画面、深邃的文化底蕴和前沿的技术应用，不仅在国内引发了巨大轰动，更在国际舞台上赢得了无数赞誉，成为了国产游戏的一张闪亮名片。

2024年2月15日，OpenAI在其官网发布了《Video generation models as world simulators》，提出了作为世界模拟器的视频生成模型Sora。

Python作为一种高级编程语言，其简洁明了的语法使得它成为“一行代码魔术师”们的首选工具。本文通过20个Python实例来展示这些魔术师的神奇之处。

机器学习领域的五本经典书籍推荐。

贝叶斯公式通过简洁的数学形式，将人类的基本感知与高级推理相结合，定义了人类对世界的认知过程。根据贝叶斯公式，我们不断获取有效的知识，英国靠它破译二战德军密码，医疗业靠它辅助诊断，银行业靠它发放贷款，互联网靠它推荐商品，而人工智能更是靠它实现了飞跃

本文介绍了使用python实现数字蛇形方阵，包括顺时针和逆时针。

判断输入是否为汉字/是否为数字的python实现。

词频统计是自然语言处理的基本任务，针对一段句子、一篇文章或一组文章，统计文章中每个单词出现的次数，在此基础上发现文章的主题词、热词。本文介绍了词频统计的基本方法，并配有代码实现。

泰坦尼克号生还预测是机器学习领域著名的数据科学竞赛平台kaggle的入门经典，本文对该数据的处理、分析、训练、预测进行了全流程介绍。

本文概略介绍了Python类、文件操作及正则表达式的基本使用。

泰坦尼克号生还预测是机器学习领域著名的数据科学竞赛平台kaggle的入门经典。本文对该数据的处理、分析、训练、预测进行了全流程介绍。

时间序列（Time Series）是一种重要的结构化数据形式，本文详细介绍了使用Python对时间序列进行处理。

本文介绍了自然语言处理中的21个基本概念，包括语言、词、分词、词法分析、句法分析、语义分析等。

Gephi的布局模块（Layout）可根据某种策略按照需要对节点和边进行排布，使图形既具有合理性，也易于视觉识别。布局算法是Gephi的核心，默认提供12种布局算法，包括力引导布局、辅助编调整布局。

词袋模型（Bow，Bag of Words）不考虑文本中词与词之间的上下文关系，仅仅只考虑所有词的权重（与词在文本中出现的频率有关），类似于将所有词语装进一个袋子里，每个词都是独立的。生成文本的词袋模型分为三步：- 分词（tokenizing）- 统计词频（counting）- 特征标准化（normalizing）

TF-IDF（Term Frequency - Inverse Document Frequency）表示“词频-逆文本频率”。词频（TF，Term Frequency ）表示给定词语在文件或语料中出现的频率（归一化以屏蔽长短文件的差异）；逆文本频率（IDF，Inverse Document Frequency）是一个词语重要性的度量。

Gephi被称为“数据可视化领域的Photoshop”，是一款开源免费跨平台基于JVM的复杂网络分析软件，本文介绍Gephi的基本使用，方便大家快速开展网络分析。

本文介绍了Python的五大常用对象：列表（list）、字典（dict）、集合（set）、字符串（string）、元组（tuple）。

一个python小程序：实现罗马数字转阿拉伯数字

素数（prime number）也叫质数，为大于1的且除1和本身以外不再有其他因数的自然数，与之相对的是合数，素数有无限个，本文使用Python实现计算小于N的素数个数。

艾伦·麦席森·图灵（Alan Mathison Turing，1912年6月23日－1954年6月7日），英国数学家、逻辑学家，被称为计算机科学理论之父、人工智能之父，今天正好是其110周年诞辰。《科学美国人》曾这样评价图灵的一生：“个人生活隐秘又喜欢大众读物和公共广播，自信满怀又异常谦卑。一个核心的悖论是，他认为电脑能够跟人脑并驾齐驱，但是他本人的个性却是率性而为、我行我素、无法预见，一点也不像机器输出来的东西。”...

2013年，Google团队发表了word2vec工具，可以将所有的词向量化，这样就可以定量的去度量词与词之间的关系，挖掘词之间的联系。本文简要介绍了skip-gram（跳字模型）与CBow（连续词袋模型）的原理以及两种高效训练方法Negative Sampling（负采样）和Hierarchical Softmax（层次Softmax），并给出了具体事例以及代码实现。

语言模型（Language Model）通过对句子的上下文特征进行数学建模，来回答一个问题：出现的句子是否合理。 语言模型是自然语言的基础，广泛应用于机器翻译、语音识别、拼写纠错、输入法、手写体识别等。