Datawhale AI夏令营

最新推荐文章于 2025-12-20 19:32:34 发布
原创 最新推荐文章于 2025-12-20 19:32:34 发布 · 191 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

虽然有一定的前端基础，但对于当前AI盛行的时代来说，学习python、机器学习、深度学习等内容时不可待，通过过往经验来看，直接参加项目来提升技能是最快的方式，但是这一次的项目让我理解到基础能力还是需要先储备好的，不然自己都没有太清晰的思路。所以从这次比赛中我收获的就是基础打好再通过项目实战提升技能再反复巩固基础！

Eivi
关注
Datawhale AI 夏令营 讯飞机器翻译挑战赛学习笔记
Eight_J的博客
07-21 980
基于术语词典干预的机器翻译挑战赛选择以英文为源语言，中文为目标语言的机器翻译。本次大赛除英文到中文的双语数据，还提供英中对照的术语词典。参赛队伍需要基于提供的训练数据样本从多语言机器翻译模型的构建与训练，并基于测试集以及术语词典，提供最终的翻译结果。训练集：双语数据 - 中英14万余双语句对（用于运行学习算法）开发集：英中1000双语句对（用于调整参数，选择特征，以及对学习算法作出其它决定。有时也称为留出交叉验证集（hold-out cross validation set）。
DataWhale AI夏令营
07-12
DataWhale AI夏令营
Datawhale AI 夏令营
qjcjcq的博客
07-14 702
在一开始，因为对于这一方面的了解十分有限（可以说是玩完完全全的小白），我便跟着Datawhale的飞书指引跑了一遍baseline，虽然很快地得到了一个submit，但是说实话，根本没有搞明白发生了什么。虽然依旧有点懵（因为之前对于这一方面只有非常粗浅地认识，一下子出现的许多专有名词让我理解起来有些许的困难），但是这并不是问题，之后的时间可以慢慢地进行学习。总的来说，Task 1的学习为我打开了一扇新世界大门，有着许多新的知识等待着我去了解，期待着下一部分的学习。（虽然在代码里的解析其实已经很详细了）
Datawhale AI夏令营2024 Task3
m0_46680352的博客
07-04 1224
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档。
Datawhale AI 夏令营（第五期）
weixin_52520094的博客
08-23 1447
category_labels = ["非机动车违停", "机动车违停", "垃圾桶满溢", "违法经营"]baseline的代码实现了一个完整的目标检测流程，从环境准备、数据加载与预处理、到模型训练与推理，以及最终的结果保存。首先，代码安装了必要的工具，并从指定的 URL 下载了训练集和测试集的压缩文件，随后解压这些文件以便使用。接着，代码通过cv2读取视频文件并提取视频帧，同时使用pandas读取 JSON 格式的标注文件，从中提取出目标的类别和边界框等信息。
Datawhale AI夏令营大模型技术：模型微调
one_mouse的博客
07-06 717
AI夏令营 #Datawhale #夏令营。
夏日智启：我的Datawhale AI夏令营探索之旅
一名在读大学生，正在学习深度学习，会定期分享一些该领域内容。欢迎大家一起交流学习~
07-10 2028
Datawhale 成立于2018年，是国内AI领域最大的开源学习组织，汇集了众多领域院校和知名企业的优秀学习者，聚合了一群有开源精神和探索精神的团队成员。Datawhale 以「for the learner，和学习者一起成长」为使命，鼓励真实地展现自我、开放包容、互信互助、敢于试错和勇于担当。下面是Datawhale的相关信息，感兴趣的可以关注了解下：公众号：DatawhaleGitHub 名称：Datawhale · GitHub累计有10w star，全球排名前100的组织。
大一小白参加DataWhale夏令营纪实 #DataWhale AI 夏令营
Nakkhon的博客
07-28 1763
#DataWhale AI 夏令营
Datawhale AI 夏令营-task1
ghost_him的博客
07-14 1187
Deepfake是一种使用人工智能技术生成的伪造媒体，特别是视频和音频，它们看起来或听起来非常真实，但实际上是由计算机生成的。这种技术通常涉及到深度学习算法，特别是生成对抗网络（GANs），它们能够学习真实数据的特征，并生成新的、逼真的数据。Deepfake技术虽然在多个领域展现出其创新潜力，但其滥用也带来了一系列严重的危害。在政治领域，Deepfake可能被用来制造假新闻或操纵舆论，影响选举结果和政治稳定。经济上，它可能破坏企业形象，引发市场恐慌，甚至操纵股市。
Datawhale AI 夏令营学习笔记（2）
Kesenal的博客
07-17 2134
最后，我们保存得到的预测数据并提交，得到分数。# 6. 保存结果文件到本地# 1. 导入所需模块import sysimport osimport gc# 2. 读取训练集和测试集# 使用 read_csv() 函数从文件中读取训练集数据，文件名为 'train.csv'# 使用 read_csv() 函数从文件中读取测试集数据，文件名为 'train.csv'# 3. 进行特征工程# 合并训练数据和测试数据，并进行排序# 历史平移# 窗口统计# 进行数据切分# 确定输入特征。
【Datawhale AI 夏令营第三期学习笔记Taks1】 跑通baseline #Datawhale AI 夏令营
07-28
【Datawhale AI 夏令营第三期学习笔记Taks1】 跑通baseline #Datawhale AI 夏令营
AI 工具实战测评：从技术性能到场景落地的全方位解析
hello world/linux
12-16 772
幽冥大陆(五十四)ASR C语言识别到自动化软件——东方仙盟筑基期
最新发布
cybersnow精通 28 门计算机语言，凭借其超凡的技术能力，成功开发过上万个应用，广泛涉及政府、商业、个人等众多领域，甚至在检察院、环保局、公安局等专业场景中也大放异彩。不仅熟练掌握单片机和物联网开发，在软件架构设计方面更是独树一帜，自创了跨平台软件
12-20 690
ASR（Automatic Speech Recognition，自动语音识别）技术在软件自动化命令领域正掀起一场变革。它使得软件系统能够理解人类语言，并依据指令自动执行任务。通过 ASR，用户无需手动输入复杂的命令或进行繁琐的界面操作，只需说出指令，软件就能精准响应。在自动化脚本编写中，ASR 可以实时将语音转化为代码命令。例如，在编写 Python 自动化脚本时，用户说出 “创建一个名为‘data’的列表”，ASR 系统就能将其转化为对应的 Python 代码data = []。
多模态赋能情绪理解：Qwen3-VL+LLaMA-Factory 的人脸情绪识别实战
Lab4AI的博客
12-17 832
本项目依托Lab4AI平台，基于LLaMA-Factory成功对Qwen3-VL进行了完整的微调流程。我们将传统的人脸情绪识别任务与多模态大语言模型（MLLM）相结合，探索了MLLM在视觉情绪理解中的应用。通过微调Qwen3-VL，我们成功将传统的分类任务转化为多模态推理任务，显著提升了模型在复杂场景下的鲁棒性和准确率。这一方案不仅在人脸情绪识别上取得了显著提升，还为其他视觉任务的多模态大模型应用提供了新的思路，具有广泛的应用前景。
全品类电商AI助手诞生，AI试衣+万饰穿戴+图生视频，覆盖全链路
Dreamshop_AI的博客
12-19 906
DreamshopAI升级推出三大核心功能，全面革新电商视觉生产流程：AI试衣功能通过智能识别服装款式和材质，7-15天模特拍摄缩短至几分钟；万饰穿戴功能突破品类限制，精准还原珠宝、箱包等商品的材质细节；图生视频功能将静态图片转化为高质量短视频，大幅降低视频制作门槛。系统基于千万级电商数据训练，能自动适配不同市场需求，并推出AI试衣屏Dreamfit实现线上线下体验闭环。此次升级使AI成为电商运营的核心生产力工具，将传统视觉制作效率提升3倍以上，推动电商行业进入智能化新阶段。
[LLM]AIM: Adaptive Inference of Multi-Modal LLMs via Token Merging and Pruning
天下事有难易乎？为之，则难者亦易矣；不为，则易者亦难矣。人之为学有难易乎？学之，则难者亦易矣；不学，则易者亦难矣。
12-20 376
本文提出AIM框架，一种无需训练的多模态大语言模型(MLLMs)推理加速方法。通过双阶段设计：在LLM前基于相似度合并视觉Token，在LLM内基于注意力重要性剪枝Token，显著降低计算量。实验表明，该方法在视频理解任务中可减少6.8倍FLOPs，在图像任务中保持3.7倍加速的同时维持性能。关键发现包括：75%视觉Token冗余、LLM早期层侧重跨模态融合而后期侧重文本推理、跨帧合并会损害视频理解等。该方法支持动态调整压缩比例，为资源受限环境下的高效多模态推理提供了实用解决方案。
深入NVIDIA Nemotron-3：高效准确的技术、工具与数据深度解析
专注于人工智能领域的小何尚
12-18 887
摘要：NVIDIA Nemotron-3技术解析 NVIDIA Nemotron-3系列模型为构建专业AI智能体提供了突破性解决方案。该系列采用创新的混合Mamba-Transformer MoE架构，结合状态空间模型(Mamba)的长序列处理能力、Transformer的精确推理和MoE的高效计算，支持高达100万token的上下文处理。模型通过NeMo Gym多环境强化学习框架训练，使智能体掌握复杂任务执行能力。技术亮点包括：1)混合架构实现超长上下文推理；2)开源RL训练环境支持智能体开发；3)原生支
开发跨行业技能迁移匹配工具，输入现有技能+目标行业，AI分析可迁移能力，推荐适配岗位+补全学习路径，助力职场转型。
2301_82202864的博客
12-16 613
/ 每项可迁移技能+5分。`).join('') : '<div class="result-item">无缺失核心技能，可直接尝试转型！coreSkills: ['项目规划', '风险管控', '资源协调', '敏捷开发', ' stakeholder管理'],coreSkills: ['用户画像', '交互设计', '可用性测试', 'Figma/Sketch', '设计思维'],coreSkills: ['SQL', 'Excel高级函数', '数据可视化', '统计分析', '业务理解'],
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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