- 博客(9)
- 收藏
- 关注
RSS订阅原创 Datawhale AI 夏令营第四期 大模型应用开发 学习笔记
为了对人类语言的内在规律进行建模，研究者们提出使用语言模型（language model）来准确预测词序列中 下一个词或者缺失的词的概率。目前已经有四代语言模型了。
2024-08-11 22:45:40
1485
原创 Datawhale Al 夏令营 第三期 物质科学赛道
1.构建一个能够准确预测碳氮成键反应产率的预测模型。2.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。3.利用训练集数据对开源大语言模型进行微调以预测反应的产率。其实是三种方向。
2024-07-27 23:31:12
486
原创 Datawhale Al 夏令营 第三期 社会科学赛道
此次比赛主要针对泛指短时间内的电能量交易市场。市场中有大量发电机组（供给者，会发电并卖出电力）按照交易规则，在指定的平台上采取确定电能的交易量和价格。这些电能会被输送给个体户、商业用户等，从而利用市场机制实现资源优化配置。在最理想的情况下，市场，没有任何博弈行为。每个发电机组都诚实报价，市场出清价格稳定可靠，达到最优效率。从而不同机组之间有复杂的博弈行为这就让市场出清价格难以估计。因此，本次比赛要求针对电力现货市场价格和市场博弈主体（549个发电机组）的信息，用ABM方法，使最终。
2024-07-27 23:18:32
796
原创 Datawhale AI 夏令营 第二期 机器学习 Task3 学习笔记 尝试使用深度学习方案
1.日期变量1.特征是提分的关键2.模型的融合效果不理想需要另取其他模型3.深度学习不适合本次竞赛,数据量比较少,效果不理想4.细微调参可影响分数。
2024-07-20 21:58:18
1957
原创 Datawhale AI夏令营 第二期 NLP方向 Task3 基于Transformer解决机器翻译任务
Transformer的主要组件包括。其核心是利用，使每个位置的表示不仅依赖于当前位置，还能够直接获取其他位置的表示。自从提出以来，Transformer模型在机器翻译、文本生成等自然语言处理任务中均取得了突破性进展，成为NLP领域新的主流模型。
2024-07-19 13:26:52
728
原创 Datawhale AI夏令营 第二期 机器学习 Task2 入门lightgbm，开始特征工程
首先介绍一下什么是LightGBMLightGBM（Light Gradient Boosting Machine）是一个实现GBDT算法的框架，能够支持高效率的并行训练，并且具有更快的训练速度、更低的内存消耗、更好的准确率、支持分布式可以快速处理海量数据等优点。
2024-07-16 21:56:19
1717
原创 Datawhale AI 夏令营第二期机器翻译方向 Task1学习笔记
训练的数据集来源于的基于术语词典干预的机器翻译挑战赛baseline代码来源于。
2024-07-14 20:13:24
423
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人