Datawhale AI 冬令营-学习

原创 已于 2024-12-09 18:12:46 修改 · 138 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：

#人工智能 #语言模型 #自然语言处理 #深度学习 #神经网络

于 2024-12-09 18:04:39 首次发布
2024年Datawhale AI冬令营-童话故事家Demo
qq_61897993的博客
12-15 1134
由于时间问题，目前的开发过程暂时告一段落，现在达到了可以使用命令行调用童话故事家大模型生成pcm语音文件来朗读故事的功能。但是声音AI特质明显，界面不美观，这将是我进一步修改的内容。敬请期待下一期的进一步优化~~~t=O83Apcm在线播放http://pcm.stanwind.com/
2024年Datawhale AI冬令营-童话故事家Demo进阶版！！！
qq_61897993的博客
12-21 1201
一次非常酣畅淋漓的Datawhale AI大模型实践之旅，简单学习了LoRA，学习了数据集的构建格式，学习了如何寻找数据集（GitHub、HuggingFace、魔搭），在群友的帮助下接触到了cursor ai（开发人员的得力助手）。在优快云里面看了几篇关于cursor ai的博客，也都是今年九月份左右的，看起来是新推出的内容。推荐小伙伴们也去玩一玩。t=O83A。
Datawhale AI冬令营 - 学习笔记
aquame的博客
12-09 204
跟着官方教程尝试了3个应用（嬛嬛，网络小说，法律），挺有意思的。12月有幸参加了Datawhale AI冬令营。不过，对于数据集这块还是一知半解，继续学习吧。），引用对应的数据集。（可先上传好数据集）3.将模型发布为服务（授权应用）。
Datawhale AI冬令营-学习笔记-task1
awadakendagua_的博客
12-10 816
很多企业训练出来的通用模型，我们在使用时并不能很好得解答我们生活中的疑惑，故我们需要一些定制专属大模型来解答在特殊情境下的特定问题，通过投喂一些特定的数据，使得让专属模型在特定领域有着更出色的表现。本次学习将，通过五个简单的步骤，不写一行代码，打造一个模仿甄嬛语气、风格的专属聊天模型——。
Datawhale AI冬令营-学习笔记-task2
awadakendagua_的博客
12-15 190
定制垂类大模型 = 优质数据集 + 开源大模型
Datawhale Al冬令营--学习1
lllllllmmz的博客
12-24 233
第一个task：AI辅助编程--番茄钟，真的太丝滑了，大家快来报名参加。只动了几下鼠标，就生成了一个番茄钟。
Datawhale AI 冬令营 ----番茄钟制作
m0_71902458的博客
12-28 608
借助AI编程，很方便的一点是，使用IDE开发时，AI会帮你思考下面语句可能会写什么，自动帮你生成接下来的一行代码。给MarsCode的prompt:请你基于html、tailwind css、javascript设计一个简洁、美观、大方且具有呼吸感的番茄时钟，要求UI简洁美观大方，同时具有呼吸感，开始计时、暂停计时、重置计时的功能能完美实现。1.1prompt是给AI的指令，决定了AI回复的上限和下限，极大塑造了AI回复内容的内容、风格和整体质量。想法一：做一个目标识别的程序，比如拍照识别猫的种类。
Datawhale 2025 AI冬令营 --15分钟，定制你的第一个专属模型！
m0_46696662的博客
12-09 603
学习必备：讯飞星辰Maas平台、相关数据集。
datawhale AI 冬令营--番茄时钟
m0_51302647的博客
12-24 159
告诉ai，想要实现的项目，ai来帮我写，感觉很不错，可以提高我的创造力。
Datawhale AI 冬令营---案例1角色模拟
qq_54875340的博客
12-09 677
随着大模型技术的不断发展，各式各样的Agent可以轻松被开发出来，本文基于讯飞星辰Maas平台,完成一款角色模拟Agent的开发。总体上，通过讯飞平台开发一款Agent还是很轻松的。
Datawhale AI 冬令营---第一期角色模拟_思考题
2301_80187217的博客
12-11 1560
本文系对 Datawhale AI 冬令营第一期角色模拟环节中的有意思的思考题进行深入拓展探讨，如有错误，恳请各位各位大佬批评指正，共同在学术与技术层面实现成长与进步。
定制专属大模型（以《甄嬛传》为例）（Datawhale AI 冬令营）
karios0085的博客
12-09 1063
大模型（Large Language Model，LLM）是通过大规模的文本数据训练得到的语言模型，具有强大的文本生成、理解和推理能力。以ChatGPT为代表的生成式人工智能（GenAI）工具，基于大模型技术在多个领域取得了显著成果。这些模型通常由数十亿到数万亿的参数组成，并通过在海量数据上进行预训练，学习到各种语言任务的知识。大模型的优势在于其高度通用性，可以用于从日常对话到专业领域的知识问答、创作生成等多种任务。
Datawhale AI冬令营（第二期）动手学AI Agent--Task3：学Agent工作流搭建，创作进阶Agent
qq_26249811的博客
01-02 1142
本文介绍了工作流在Agent开发中的重要性，以及支付宝百宝箱中工作流的应用和设计方法。通过工作流，我们可以将记忆、工具调用、步骤规划等丝滑地结合起来，搭建起完整的Agent框架。文章还以高中学习小助手为例，展示了工作流设计的具体过程，包括选题调研、功能模块设计、组合工作流、模块测试和迭代优化等步骤。
Datawhale AI冬令营 大模型微调&应用开发学习
2401_84407045的博客
12-15 801
0基础30分钟左右打造一个专属聊天模型
Math - 中心化，标准化和归一化
guoqx的专栏
12-30 827
摘要：归一化是将数据转换为统一尺度的处理方法，消除量纲差异，便于比较与分析。常见方法包括Min-Max缩放（线性映射到固定区间）和Z-score标准化（均值0，标准差1）。Min-Max适用于需要固定范围的情况，但对异常值敏感；Z-score适用于单位不同或存在离群值的场景。归一化在数据分析、信号处理和机器学习中广泛应用，需根据数据分布和算法需求选择合适方法，并注意保存参数以确保一致性。流程包括数据清洗、方法选择、拟合转换和效果评估。
人工智能基础篇：概念性名词浅谈（第十五讲）
m0_53104033的博客
12-31 853
本文介绍了两种改进的自编码器模型。正则自编码器通过在损失函数中添加正则化项，实现了对稀疏表示、噪声鲁棒性等特性的学习，突破了传统自编码器的容量限制。随机编码器则通过向编解码器注入噪声，形成生成模型架构，其训练目标是最小化输入与重构间的负对数似然。文章还特别介绍了针对矩阵数据的改进版本MRAE及其在异常检测中的应用。这些模型通过不同的正则化机制，有效提升了自编码器的特征学习能力。
2025年终总结
李梨同学的博客
12-31 825
以往，想把一个产品从想法变成现实，往往离不开一整条由“螺丝钉”拼出来的流水线：需求评审、产品对接、研发排期、测试上线，每一步都要仰赖他人的时间与资源。我试图推倒技术的高墙，用通俗有趣的语言，把晦涩的AI原理“翻译”给更多人听。这条路注定充满了不确定性。正是这风暴般的时代，打破了旧有的壁垒，赋予了像我这样曾经“不务正业”的个体前所未有的杠杆。这一年，我拒绝做一个默默敲代码的“独行侠”，决定走出去，构建自己的知识品牌。三年后再次站在时间的节点回望，这一年于我而言，是从“被浪推着走”到“学会造浪”的转折点。
6神经网络框架
疯帽子的博客，满脑子都是些“为什么乌鸦像写字台”的问题
12-27 1920
本文系统介绍了神经网络的基本框架和发展过程。首先指出线性模型的局限性，说明其无法拟合复杂非线性关系。接着引入分段线性曲线和Sigmoid函数，通过参数调节实现曲线拟合。随后详细阐述了神经网络的构建过程：从单输入扩展到多特征输入，引入矩阵运算简化表达式，并说明激活函数的作用。最后介绍深度学习中ReLU激活函数的优势，其简单计算特性可有效组合成复杂曲线。全文通过数学公式和图示相结合，清晰展现了神经网络从线性模型到深度学习框架的演进逻辑。
GitHub 热榜项目 - 日榜(2026-1-1)
最新发布
CoderJia的学习之路
01-01 935
本期GitHub热榜显示AI应用开发正全面渗透各技术领域，前沿项目聚焦于解决实际工程问题。Gemini的电脑使用预览和Timescale的pg-aiguide展示了AI与开发工具深度整合，通过MCP服务器提升代码生成质量。Pathway框架和docetl系统凸显流式ETL与LLM管道技术成熟，推动实时数据分析与RAG应用落地。同时，来自ResembleAI的Chatterbox和TrendRadar分别代表语音合成与智能信息聚合的技术突破，Deep-Live-Cam则体现单图视频生成技术的平民化趋势。这些项
2019谷歌AI机器学习应用冬令营：申请全攻略
"这篇资料主要介绍了2019年谷歌针对学生的招聘流程，特别是谷歌中国校园项目的申请细节，包括活动的名称、申请开放日期、活动时间等，并特别提到了谷歌AI机器学习应用冬令营的相关信息，如申请方法、截止日期、举办...
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