一些收藏~

这篇博客汇总了作者在网上找到的优质技术资源,包括xgboost的深入理解、word2vec CBOW和skip-gram的介绍,BERT和Transformer模型解析,NLP中Transformer的应用,对比学习(Contrastive Learning)和多任务学习(Multi-Task Learning)的探讨,ElasticSearch的基本使用,PyTorch和Kaggle实践,以及图神经网络和扩散模型的入门资料。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

网上垃圾文章太多,这里收藏碰到过优秀的文章和靠谱的作者。

xgboost

通俗理解kaggle比赛大杀器xgboost_v_JULY_v的博客-优快云博客_kaggle xgboost

word2vec CBOW skip-gram

百度网盘-链接不存在

bert, Transformer

https://github.com/google-research/bert/

Bert模型tensorflow源码解析(详解transformer encoder数据运算) - 简书

bert代码解读——framework - daiwk-github博客

https://fancyerii.github.io/2019/03/09/transformer-illustrated/#位置编码positional-encoding

Jay Alammar – Visualizing machine learning one concept at a time.

The Annotated Transformer (the annotated Transformer)

NLP transformer assemble

https://mp.weixin.qq.com/s?src=11&timestamp=1583399644&ver=2198&signature=21uCsZwPSh1RWbRyYRfI3jY5on7vfactlrwnIInhksM20TIeNGIP9VM9JqGanexBGLbvBDrc92T4ZogAe6YrJwdfvFkZ*UVRpLyTL7dYfGgDHljuAD9eRBLJQVf9UAyr&new=1

Contrastive Learning

simCLR: The Illustrated SimCLR Framework

MoCo: 小全读论文《Momentum Contrast for Unsupervised Visual Representation Learning》(MoCo)_FatMigo的博客-优快云博客_momentum 论文

Multi-Task Learning

多任务学习(Multi-Task Learning,MTL):SB,MMOE,SNR_Leon_winter的博客-优快云博客_多任务学习

ES 

快速入门:ElasticSearch最新版快速入门详解_且听_风吟的博客-优快云博客_elasticsearch快速入门

分词:ElasticSearch中文分词,看这一篇就够了_且听_风吟的博客-优快云博客_elasticsearch 分词

入门课程:https://edu.youkuaiyun.com/learn/25965

pytorch

PyTorch 数据并行处理 - PyTorch官方教程中文版

kaggle

机器学习系列(3)_逻辑回归应用之Kaggle泰坦尼克之灾_寒小阳的博客-优快云博客_泰坦尼克 逻辑回归

author

工程师milter - 简书 (GAN, LSTM写的都非常好)

VR

pico sdk doc:Documentation - Pico Developer Platform

pico demo:GitHub - picoxr/support: Pico Technical Support

pico 开发教程:Pico VR Neo3开发入门教程(2)——射线传送,移动_哔哩哔哩_bilibili

3D视觉:计算机视觉之三维重建(深入浅出SfM与SLAM核心算法)——3.单视几何_哔哩哔哩_bilibili

Graph

图神经网络从入门到入门 - 知乎

https://github.com/leichaocn/graph_representation_learning

Diffusion

​​​​​​​由浅入深了解Diffusion Model - 知乎

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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