自定义博客皮肤VIP专享

*博客头图：

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览 取消 提交

自定义博客皮肤

-+
上一步保存

林夕

Unlimited learning is great, but unlimited application of that knowledge is potentially dangerous.

  • 博客(119)
  • 资源 (27)
  • 收藏
  • 关注
排序：
按最后发布时间
按访问量
RSS订阅

原创 可解释性机器学习：从入门到实战

机器学习的巨大成功导致AI应用的爆炸式增长。 研究人员已经将AI用于了各种任务。 不断持续的进步有望产生一个自主系统，它能够感知，学习，做出决策和采取独立行动。 但是，这些系统如果无法向人类解释为何作出这样的决策，那么它们的有效性将会受到限制。如果用户要理解，信任和有效管理新兴的人工智能”合作伙伴“，那么可解释的AI将至关重要。

2019-12-18 19:28:23 14919 2

原创 常用损失函数和评价指标总结

1. 损失函数：2.评价指标：2.1 回归问题：1. MSE： 均方误差（Mean Square Error），范围 [0,+∞)[0,+∞)[0,+∞)MSE=1n∑i=1n(y^i−yi)2M S E=\frac{1}{n} \sum_{i=1}^{n}\left(\hat{y}_{i}-y_{i}\right)^{2}MSE=n1​i=1∑n​(y^​i​−yi​)22. RM...

2019-09-24 22:21:56 11879 1

原创 声音(音乐)分类综述

[1] 手把手教你打造一个曲风分类机器人[2] 怎样用深度学习发现一首歌属于哪个流派？[3] Finding the genre of a song with Deep Learning — A.I. Odyssey part. 1[4] 私人定制——使用深度学习Keras和TensorFlow打造一款音乐推荐系统[5] Building a Music Recommender with ...

2019-02-21 17:19:18 13505 1

原创 Kaggle-Quora Insincere Questions Classification-Solution

Quora Insincere Questions Classification寒假期间参加了Kaggle的一个比赛-QIQC，作为第一个认真参加的Kaggle比赛，最后这个结果实属幸运，感谢啸宇哥和 W^2e的帮助，现在简单记录下比赛中学到的东西。1. 数据预处理数据预处理是这类任务非常重要的一个环节。由于数据是直接爬取，所以数据是非常脏的，首先就要进行数据预处理。数据预处理的另一个作用就...

2019-02-15 20:05:19 1782

原创 NLP预训练模型-Transformer：从原理到实战

[1]AllenNLP 使用教程[[2]]

2019-01-18 08:47:54 7724 5

翻译 情感分析：几乎包括你需要知道的所有（二）

情感分析是从书面或口头语言中，对特定主题，理解观点的自动过程。在世界上，我们每天生成2.5QB字节的数据，情感分析已成为理解这些数据的关键工具。 这使得公司能够获得关键的见解，并自动化各种流程。但是，它是如何实现的呢？有哪些不同的方法？ 它需要注意什么，限制是什么？ 你如何在业务中使用情感分析？接下来，您将找到这些问题的答案，以及您需要了解的，关于情感分析的所有内容。 无论你是经验丰富的...

2018-10-28 21:35:24 27733 5

原创 AI Challenger 细粒度用户评论情感分析 (baseline 0.62)

比赛官网：https://challenger.ai/competition/fsauor2018关于情感分析的详细介绍，请参阅我的前一篇文章：https://zhuanlan.zhihu.com/p/44580856先给大家提供一个baseline，线上大概0.62，还可以继续调参。多跑几次，简单融合可以继续提分。代码很简单，使用GPU运行快，修改文件路径既可很快复现。1.运行环境：系...

2018-09-18 21:42:24 17336 70

翻译 情感分析：几乎包括你需要知道的所有（一）

1.情感分析教程：有一份几乎为所有人准备的情感分析教程，包括程序员，非程序员，营销人员，数据分析师，代理人，销售人员等等。 在本节中，我们将分享各种各样的教程，以便您可以找到适合自己的情绪分析。1.1 为程序员准备的情感分析教程：对于那些对代码和API很熟悉的人，您可以快速找到各种分步指南和资源。 Python是关于数据分析，机器学习和NLP（包括情感分析）教程的最常用编程语言，但...

2018-09-14 22:19:13 29725 17

原创 xlearn安装与实战

一、Introduction机器学习中的又一个利器，广泛用于Kaggle或类似的数据比赛。　xlearn的优势：1.通用性好，包括主流的算法（lr, fm, ffm 等），用户不用再切换于不同软件之间２.性能好,测试 xLearn 可以比 libfm 快13倍，比 libffm 和 liblinear 快5倍3.易用性和灵活性，xLearn 提供简单的 python 接口...

2018-05-20 15:21:20 12695 11

原创 VoxelFM：学习稳健的 CT 视觉特征，实现面向临床任务的高效迁移

VoxelFM 是一个不使用影像—报告配对文本、而是用 DINO 风格自蒸馏学习的 3D CT 基础模型。作者将骨干网络冻结，只训练轻量级 probe，在分类、回归、生存分析、定位、分割、报告生成和实例检索七类任务上进行评估。论文的核心结论是：在当前 CT 数据规模下，基础模型首先应当成为稳健的视觉特征提取器，而不是优先追求端到端的视觉语言生成器。现有 CT 基础模型常把目标设为通用视觉语言模型，但可靠的视觉语言预训练需要大量高质量、成对的 CT 与放射科报告，而这类数据在 CT 领域仍然有限。

2026-09-28 19:52:45 327

原创 【万字长文】Rufus-Air：开放式 LLM 后训练配方——详细总结，了解大模型到底是如何训练的

Rufus-Air 是一个面向 GLM-4.5-Air-Base（106B 总参数，12B 激活）的开放后训练配方，采用多阶段串行流程：SFT → Reasoning RL → Coding RL → Instruction-Following RL → General/Coding/Search Agent → RLHF。核心思想为：以高质量 SFT 建立能力下限，通过难度过滤实现自动课程学习，按奖励可靠性排序阶段（先确定性验证，后 LLM judge），并依赖 MoE 路由、沙箱、批量采样等基础设施保障

2026-09-28 09:26:21 439

原创 万字长文 强化学习：从入门到精通的 10 个 Level【Level3：Actor-Critic】

本文以篮球进攻为类比，深入解析强化学习中的Actor-Critic框架。将球员（Actor）比作决策者，其策略（Policy）决定动作选择；教练（Critic）则评估当前局面价值（V(s)），预测未来收益。通过区分Reward（实际结果）、Return（G，真实轨迹回报）、Value（V，长期平均收益）与Q值（动作价值），揭示了Advantage的计算逻辑。最终阐明：Critic学习的是状态价值函数，而Actor基于优势调整策略，为PPO、GRPO等算法奠定基础。

2026-09-20 19:47:44 63

原创 万字长文 强化学习：从入门到精通的 10 个 Level【Level2：REINFORCE】

REINFORCE是最早的Policy Gradient算法，核心思想是：通过奖励信号指导LLM参数更新，使高奖励的生成轨迹更可能被重复。其关键在于利用“log-likelihood梯度”与奖励相乘，实现非可微奖励下的策略优化。公式为∇θJ = 𝔼[R(τ)∇θlogπθ(τ)]，本质是“奖励加权的SFT”，即正向提升好回答概率，负向降低差回答概率。该方法通过log trick将乘积概率转为求和，支持逐token训练，是强化学习中连接策略与奖励的基石。

2026-09-16 19:47:34 169

原创 万字长文 强化学习：从入门到精通的 10 个 Level【Level1】

在大语言模型（LLM）的强化学习中，核心概念为：Policy = LLM，即模型根据当前上下文（state）输出下一个 token 的概率分布；Action 是生成一个 token；Trajectory 是从开始到结束的一整串生成过程，等价于一条 response；Reward 是对轨迹质量的评分，用于指导模型优化。三者构成闭环：通过采样轨迹并获取奖励，更新策略参数，使高奖励响应更可能出现。理解这三词是掌握 LLM 强化学习的第一步。

2026-09-16 19:21:19 106

原创 ICML 2025 经典论文，SFT Memorizes, RL Generalizes 详细解读

SFT 更擅长教模型“答案应该长什么样”，RL 更擅长教模型“什么策略真正能解决问题”。SFT OR RL↓↓↓我认为这也是这篇论文对于现在 2026 年 reasoning model、VLM post-training，以及你关心的医疗垂直模型训练最值得留下来的结论。ICML 2025 / PMLR 页面。

2026-09-10 09:10:26 314

原创 4400 美元，从零训练一个 2B 大模型：清华 PuRo-2B 如何用 RTX 5090 把预训练成本打下来？

Llama、Qwen、Gemma 等模型可以下载权重，但真正决定模型能力的预训练数据、数据顺序、优化器配置、中间 checkpoint、训练失败记录往往并没有完全开放。OLMo、SmolLM、Pythia、YuLan 等工作进一步推动了所谓的：不仅开放模型，还开放数据、代码和训练方法。但问题依然存在。PuRo-2B 这篇论文试图解决的，正是这个问题。作者没有 H100/H200 集群，而是使用消费级；没有昂贵的私有数据清洗流水线，而是尽可能使用公开数据；

2026-09-09 11:48:35 99

原创 Nature Medicine | 谷歌最新医疗Agent 论文 Multimodal AMIE 深度拆解

Google DeepMind 把原来的医学对话系统 AMIE 升级成了一个能够在问诊过程中主动请求图片/ECG/临床文档、理解它们、根据新证据动态修改鉴别诊断，并继续追问的多模态诊断 Agent，然后用 105 个模拟远程医疗病例与真实全科医生做了随机、盲法 OSCE 式比较。([Nature][2])不是“Gemini 能看医学图片”。真正重要的是：也就是：Multimodal perception+State tracking+Uncertainty-driven active informa

2026-09-03 17:39:19 336

原创 Skill评估论文详细总结，如何评估一个Skill 的质量

引言：我们最近在做医疗相关的 Agent，需要实现大量的 Skill，在实现的过程中就想到了有几个问题，这些 skill 涉及到特别专业的知识，我们如何确定我们实现的 skill 的好坏呢。不能完全依赖最终任务执行的精度，因为没有办法将问题归咎于 Skill 的质量。对此进行调研总结，是否有相关的论文研究。相关综述已经明确指出：只使用任务级成功率作为奖励，会把混在一起，很难判断提升到底来自哪里。最新工作开始把 Skill 作为独立的“实验干预变量”进行评测。

2026-09-02 16:09:43 387

原创 微软 SkillAxe：让 Agent 的技能在执行中自我打磨，LLM 会写 Skill，但写出来为什么没用？

让同一个 Agent 在同一个任务上分别有 Skill 和无 Skill 地执行，再将行为差异拆成可定位的故障，最后据此改写 Skill。但它带来的工程观念很重要：第一，LLM 能生成结构漂亮的 Skill，不代表能生成真正有效的 Skill。第二，Skill 的主要价值往往是提高执行可靠性和任务覆盖，而不是直接提升模型的抽象智能。第三，Skill 评价不能只有一个通过率，必须区分触发、内容、遵循、路径覆盖和整体影响。

2026-09-02 15:46:25 397

原创 TLive-Omni：阿里如何构建面向直播电商的 Omni 多模态模型？

作者还评测了 MMBench、RealWorldQA、VLMsAreBlind、OCRBench、CC-OCR、MVBench、MLVU、Video-MME、LongVideoBench、MMVU、Charades-TL、ActivityNet-TL、QVHighlights-TL，以及 AVUT、WorldSense、DailyOmni、FutureOmni 等通用 Image/Video/Omni benchmark。例如同一机位下，主播可能依次介绍材质、价格、优惠和退货政策。

2026-08-27 17:18:32 321

原创 ICLR2026｜解放军总医院联合南大、吉大等机构，共同提出首个「脊柱诊疗大模型」SpineGPT

案例对比：在对「青少年特发性脊柱侧凸」病例的分析中，SpineGPT 提供了包含 72 个详细的临床处理流程，涵盖了完整的影像发现、AI 诊断、患者和医生导向的治疗建议、风险管理和术后问题管理。脊柱疾病的临床诊疗，需要复杂的推理过程：整合 X 光、CT、MRI 等多模态影像的发现，并将病灶精确定位到特定的椎体层面（Level-Aware Reasoning），以确定严重程度并规划干预措施。SpineMed-450K 和 SpineBench 的发布，为未来的 AI 研究提供了一个高实用性的基线。

2026-08-26 10:16:38 244

原创 万字长文：2025 年必读论文，LLM 进展与预测

随着2025年接近尾声，我想回顾一下这一年大语言模型领域的一些最重要的发展，反思仍然存在的局限性和尚未解决的问题，并分享一些对未来可能走向的思考。正如我每年常说的，2025年对大语言模型和AI来说是极为丰硕的一年，今年，进步丝毫没有饱和或放缓的迹象。

2026-02-13 09:38:14 902

原创 论文推荐：最新榜单评估VLM的富文本理解

1. 📌 元数据概览：2. ✨ 核心观点与亮点：3. 📚 论文的核心内容，模型结构，关键术语/概念：4. 🌟 实验结果：5. 🔄 总结归纳：6.❓引发思考的问题：

2024-04-28 09:39:58 1445

原创 每日论文推荐：我们距离GPT-4V有多远，最接近GPT-4V的开源多模态大模型

📌 元数据概览：✨ 核心观点与亮点：📚 论文的核心内容，模型结构，关键术语/概念：🌟 实验结果：🔄 总结归纳：❓ 引发思考的问题：

2024-04-28 09:26:17 1442

原创 每日论文推荐：微软提出最强小模型Phi-3

📌 元数据概览：标题：这篇论文的标题是“Phi-3 Technical Report: A Highly Capable Language Model Locally on Your Phone”，从标题可以推测，论文可能讨论的是一种能够在手机上本地运行的高度能语言模型。作者：由 Microsoft 的团队撰写，这是一个在人工智能和机器学习领域具有深厚背景和专业知识的团队。链接：论文的链接是 https://arxiv.org/pdf/2404.14219.pdf，这是预印本服务器 arXiv

2024-04-26 09:36:50 1158

原创 每日论文推荐：LLaMA3的低比特量化效果详细总结

📌 元数据概览：标题：这篇论文的标题是“How Good Are Low-bit Quantized LLAMA3 Models? An Empirical Study”，它可能探讨的是低比特权量化技术在LLAMA3模型上的应用效果和性能。作者：论文的作者包括来自香港大学、北京航空航天大学、苏黎世联邦理工学院等机构的研究人员。他们的专业领域可能涉及计算机科学、机器学习和人工智能。链接：论文的具体网址是 https://arxiv.org/pdf/2404.14047.pdf，这个链接指向了论文的

2024-04-26 09:34:11 1558

原创 每日论文推荐：字节提出视觉定位token来提升VLM模型的定位能力

论文提出了一个名为Groma的新型多模态大型语言模型，该模型具备局部化的视觉感知能力，能够更好地处理区域级别的任务，如区域字幕和视觉定位。

2024-04-23 09:28:44 1528

原创 每日论文推荐：字节最新提出大规模的以文本中心的视觉指令微调来提升VLM模型

这篇论文提出了一个创新的方法来生成大规模、高质量的VQA指令调整数据集，并通过该数据集训练的TextSquare模型在多个基准测试中取得了优异的性能。这项工作不仅为开源模型提供了一个追赶闭源模型的途径，也为未来如何进一步提升数据量和质量提供了有价值的见解。

2024-04-23 09:13:30 875

原创 每日论文推荐：Prismatic VLMs VLM设计经验总结

本文通过一系列实验探索了视觉条件语言模型（VLMs）的设计空间，提出了改进训练的关键见解，并发布了PRISM系列模型，这些模型在多个基准测试中超越了现有的开源VLMs。

2024-04-22 09:29:32 1845

原创 每日论文推荐：LLaVA-Gemma基于Gemma的多模态基础模型

📌 元数据概览：标题：“LLaVA-Gemma: Accelerating Multimodal Foundation Models with a Compact Language Model”作者：Musashi Hinck, Matthew L. Olson, David Cobbley, Shao-Yen Tseng, Vasudev Lal；来自Intel Labs的Cognitive AI团队。链接：arXiv:2404.01331 https://arxiv.org/pdf/2404

2024-04-22 09:23:40 909

原创 新研究突破！斯坦福提出 Octopus v2模型让AI代理在手机上运行更快、更准确

3…

2024-04-07 09:36:29 1131

原创 国内20家公司大模型岗位面试经验汇总

淘天集团的大模型研究将主要围绕两个场景展开：一是搜广推，二是逛逛的内容化。团队组建工作由淘天集团CEO戴珊、淘天集团CTO若海、阿里妈妈CTO郑波等人共同牵头。介绍链接。如何训练ocr任务实验的setting，ocr任务影响如何高分辨率训练，再在小分辨率上，会不会崩掉输出bbox有没有好的方式HR基本信息确认：考研进入电子科技大，为什么为什么进入了诺亚代表性的工作如何解决问题的，国内在做语言大模型的多一些。国内在做多模态大模型的如何评测，评估这些大模型的。如何看待刷榜的问题。

2024-04-05 10:59:08 2017

原创 字节新作：图像生成质量超越DiT

综合以上内容，VAR模型通过创新的“下一尺度预测”方法，在图像生成领域取得了突破性进展，不仅性能超越了现有的强模型，还展现了与大型语言模型相似的缩放定律和零样本泛化能力，为视觉生成和统一学习提供了新的视角和工具。主张：VAR模型通过重新定义图像自回归学习为从粗糙到精细的“下一尺度预测”，与传统的栅格扫描“下一标记预测”不同，这种方法简单直观，使自回归变换器能够快速学习视觉分布，并在图像生成方面首次超越了扩散变换器。🌟每日更新最新高质量论文，关注我，时刻关注最新大模型进展。

2024-04-05 10:24:54 1353

原创 Google最新论文：有限的标注和时间内提升文档信息提取的效率和准确性 Noise-Aware Training（NAT）

3…

2024-04-03 09:41:21 550

原创 首个根据美国行政命令进行红队测试的开源多语言模型：AURORA-M

3…

2024-04-03 09:27:07 735

原创 探索ChartLlama，一个由GPT-4驱动的多模态LLM，它正在革新我们理解和创造图表数据的方式！

作者：Yucheng Han, Chi Zhang, Xin Chen, Xu Yang, Zhibin Wang, Gang Yu, Bin Fu, Hanwang Zhang。标签：Multimodal LLM, Chart Understanding, Chart Generation, GPT-4, Instruction Tuning。标题：ChartLlama: A Multimodal LLM for Chart Understanding and Generation。

2024-04-02 09:41:57 830

原创 CMU神秘token贡献ChatGPT安全措施|【2023-0802】【第八期】

一、大咖观点：二、大模型评测：三、大模型实用教程：四、大模型原理：五、类ChatGPT模型：六、商业投资：

2023-08-08 08:18:52 451

原创 LLaMA2可商用|GPT-4变笨|【2023-0723】【第七期】

一、大咖观点：傅盛：ChatGPT时代如何创业 - BOTAI - 博客园Google 已经被OpenAI 超越了吗？| AlphaGo 之父深度访谈《人民日报》：大模型的竞争，是国家科技战略的竞争WAIC 2023 | 张俊林：大语言模型带来的交互方式变革二、大模型评测：Llama 2宇宙大爆炸！伯克利实测排第8，iPhone本地可跑，一大波应用免费玩，LeCun狂转关于GPT-4在变笨，有人写了篇论文证实了这一点三、大模型实用教程：VS Code整合AI助手改变游戏规则，

2023-07-25 08:24:13 1773

原创 ChatGPT解释器详细教程|Bard上手指南|【2023-0716】【第六期】

点击加入->【智子纪元-AIGC】技术交流群一、大咖观点：三、大模型实用教程：四、大模型原理：五、类ChatGPT模型：六、商业投资：

2023-07-18 08:55:45 768

原创 ChatGPT开发【一】：打造与ChatGPT默契互动的绝佳输入格式

Chatgpt由Openai最先进的型号和gpt-4提供支持。我们可以使用OpenAI API使用或GPT-4构建自己的应用程序。聊天模型将一系列消息作为输入，然后返回AI写的消息作为输出。本指南用一些示例API调用说明了聊天格式。

2023-07-11 08:48:43 1758

LK光流算法，双线性插值算法讲解
光流(Optical flow or optic flow)是关于视域中的物体运动检测中的概念。用来描述相对于观察者的运动所造成的观测目标、表面或边缘的运动。 -wikipedia 光流计算所需要满足的两个光学特性假设： 亮度恒定：目标像素点的亮度在帧间运动时亮度（灰度值）保持恒定； 运动微小：像素点不会跟随时间而剧烈变化;

2020-09-30

简明python教程中文版
python入门

2017-08-12

电子科技大-计算机视觉第一次作业(2017最新版)
电子科技大，计算机视觉作业，2017最新版，根据原版网站答案进行修改得到，疏漏之处，还请多多见谅。 材料网址：http://pages.cs.wisc.edu/~dyer/cs766/hw/hw1/

2017-09-26

MATLAB双目图计算图像深度
双目视觉是模拟人类视觉原理，使用计算机被动感知距离的方法。从两个或者多个点观察一个物体，获取在不同视角下的图像，根据图像之间像素的匹配关系，通过三角测量原理计算出像素之间的偏移来获取物体的三维信息

2017-10-18

AI Challenger用户评论情感分析
“AI Challenger 全球AI挑战赛”是面向全球人工智能人才的开源数据集和编程竞赛平台，致力于满足AI人才成长对高质量丰富数据集的需求，推动AI在科研与商业领域结合来解决真实世界的问题。AI Challenger以服务、培养AI人才为使命，打造良性可持续的AI科研与应用新生态。2017年首届大赛发布了千万量级的数据集、一系列兼具学术与产业意义的竞赛、超过200万人民币的奖金，吸引了来自全球65个国家的8892支团队参赛，成为目前国内规模最大的科研数据集平台、以及最大的非商业化竞赛平台。AI Challenger 2018带来十余个全新的数据集与竞赛，以及超过300万人民币的奖金，“用AI挑战真实世界的问题

2019-08-04

coursera-吴恩达-机器学习-代码和文档
吴恩达，机器学习，全部作业的源代码和文档，全部作业均已完成。大家参照代码，完成自己的作业。

2017-10-18

哈希算法-求文档相似度
The book is based on Stanford Computer Science course CS246: Mining Massive Datasets (and CS345A: Data Mining). The book, like the course, is designed at the undergraduate computer science level with no formal prerequisites. To support deeper explorations, most of the chapters are supplemented with further reading references. The Mining of Massive Datasets book has been published by Cambridge University Press. You can get a 20% discount by applying the code MMDS20 at checkout. By agreement with the publisher, you can download the book for free from this page. Cambridge University Press does, however, retain copyright on the work, and we expect that you will obtain their permission and acknowledge our authorship if you republish parts or all of it. We welcome your feedback on the manuscript.

2018-03-29

算法设计与分析 课件和考试试卷
肖鸣宇：在香港中文大学师从图灵奖获得者姚期智先生，从事理论计算机方向博士学习三年获得博士学位。清华大学、京都大学、巴黎第九大学等高校访问学者。科研方向包括：算法与计算复杂度分析，图论及图算法，智能算法，最优化，参数算法等。 研一上课的全部课件和考试试卷

2018-08-12

数据分析与数据挖掘
邵俊明：男，电子科技大学教授。受国家留学基金委LMU-CSC（慕尼黑大学-留学基金委）项目资助，于2008年赴德国慕尼黑大学计算机科学系世界著名数据挖掘小组攻读博士学位。在攻读博士期间，主要从事数据挖掘的理论研究极其在脑科学等交叉学科的应用研究，其相关论文发表在数据挖掘的三大顶级会议（ACM SIGKDD，IEEE ICDM，SIAM SDM）及权威期刊 IEEE TKDE上。在数据挖掘理论研究的同时，并致力于将其应用于大脑神经影像及水文水资源等交叉学科领域，取得一批原创性研究成果

2018-08-12

AI Challenger 细粒度用户评论情感分析
AI Challenger 全球AI挑战赛”是面向全球人工智能人才的开源数据集和编程竞赛平台，致力于满足AI人才成长对高质量丰富数据集的需求，推动AI在科研与商业领域结合来解决真实世界的问题。AI Challenger以服务、培养AI人才为使命，打造良性可持续的AI科研与应用新生态。2017年首届大赛发布了千万量级的数据集、一系列兼具学术与产业意义的竞赛、超过200万人民币的奖金，吸引了来自全球65个国家的8892支团队参赛，成为目前国内规模最大的科研数据集平台、以及最大的非商业化竞赛平台。AI Challenger 2018带来十余个全新的数据集与竞赛，以及超过300万人民币的奖金，“用AI挑战真实世界的问题

2018-12-15

文本分析--停用词集合
（结合哈工大停用词表、四川大学机器智能实验室停用词库、百度停用词表等）

2018-09-17

电子科技大学-杨春图论课件及往年题
图论〔Graph Theory〕是数学的一个分支。它以图为研究对象。图论中的图是由若干给定的点及连接两点的线所构成的图形，这种图形通常用来描述某些事物之间的某种特定关系，用点代表事物，用连接两点的线表示相应两个事物间具有这种关系。

2018-11-27

Pattern Recognition and Machine Learning
The dramatic growth in practical applications for machine learning over the last ten years has been accompanied by many important developments in the underlying algorithms and techniques. For example, Bayesian methods have grown from a specialist niche to become mainstream, while graphical models ha

2018-03-10

kaggle入门-Titanic
The sinking of the RMS Titanic is one of the most infamous shipwrecks in history. On April 15, 1912, during her maiden voyage, the Titanic sank after colliding with an iceberg, killing 1502 out of 2224 passengers and crew. This sensational tragedy shocked the international community and led to better safety regulations for ships.

2018-01-30

简明python教程英文原版
python的经典入门资料

2017-08-12

Mining of Massive Datasets
The book is based on Stanford Computer Science course CS246: Mining Massive Datasets (and CS345A: Data Mining). The book, like the course, is designed at the undergraduate computer science level with no formal prerequisites. To support deeper explorations, most of the chapters are supplemented with further reading references. The Mining of Massive Datasets book has been published by Cambridge University Press. You can get a 20% discount by applying the code MMDS20 at checkout. By agreement with the publisher, you can download the book for free from this page. Cambridge University Press does, however, retain copyright on the work, and we expect that you will obtain their permission and acknowledge our authorship if you republish parts or all of it. We welcome your feedback on the manuscript.

2018-03-29

MATLAB相机标定工具箱（最新版）
Bouguet的Matlab标定工具箱立体标定，可单目自标定及双目互标定。用法参见：http://www.vision.caltech.edu/bouguetj/calib_doc/

2017-10-22

Matlab相机标定图片
Matlab相机标定，所用图片，一共包含20张图片，教程可见博客 http://my.youkuaiyun.com/

2017-10-22

机器学习实战
部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。

2017-09-12

算法导论-第三版-高清PDF-带书签
该书是一本十分经典的计算机算法书籍，与高德纳（Donald E.Knuth）的《计算机程序设计艺术》（The Art Of Computer Programming）相媲美。 《算法导论》由Thomas H.Cormen、Charles E.Leiserson、Ronald L.Rivest、Clifford Stein四人合作编著（其中Clifford Stein是第二版开始参与的合著者）。本书的最大特点就是将严谨性和全面性融入在了一起。

2018-03-08

集体智慧编程
本书以机器学习与计算统计为主题背景，专门讲述如何挖掘和分析Web上的数据和资源，如何分析用户体验、市场营销、个人品味等诸多信息，并得出有用的结论，通过复杂的算法来从Web网站获取、收集并分析用户的数据和反馈信息，以便创造新的用户价值和商业价值。全书内容翔实，包括协作过滤技术（实现关联产品推荐功能）、集群数据分析（在大规模数据集中发掘相似的数据子集）、搜索引擎核心技术（爬虫、索引、查询引擎、PageRank算法等）、搜索海量信息并进行分析统计得出结论的优化算法、贝叶斯过滤技术（垃圾邮件过滤、文本过滤）、用决策树技术实现预测和决策建模功能、社交网络的信息匹配技术、机器学习和人工智能应用等。, 本书是Web开发者、架构师、应用工程师等的绝佳选择。

2017-10-17

魔鬼数学大数据时代
一本精彩绝伦的书。一个数学界的超级明星为你揭示混沌的世界表象之下隐藏的数学思维之美，教你运用数学思维的力量，做出更准确的工作与生活决策。《魔鬼数学》运用数学方法分析和解决了很多的日常生活问题，帮助数学门外汉习得用数学思维思考问题的技能。

2017-10-17

Mastering Machine Learning with Python in six Steps.zip
This book is your practical guide towards novice to master in machine learning with Python in six steps. The six steps path has been designed based on the “Six degrees of separation” theory that states that everyone and everything is a maximum of six steps away. Note that the theory deals with the quality of connections, rather than their existence.

2018-02-27

成电图像处理第一次作业
1.在“sampleimages”文件夹中有四张照片，请使用MATLAB读取并保存这四张照片到文件夹“savedimages”中，所有图片需要被转换成灰度图片，并用“jpg”“bmp”“png”和“tiff”格式分别保存。

2017-09-28

OpenCV滚动条的创建示例程序
OpenCV滚动条的创建示例程序

2017-04-19

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除