- 博客(1931)
- 资源 (7)
- 收藏
- 关注
原创 了解 K-Means 聚类的工作原理(详细指南)
K-means 的目标是将一组观测值划分为 k 个聚类,每个观测值分配给均值(聚类中心或质心)最接近的聚类,从而充当该聚类的代表。
2024-08-17 09:20:14
661
原创 论文演示:Vision Transformer (ViT)
Vision Transformer(或通常缩写为ViT)可以被视为计算机视觉领域的突破。当涉及到与视觉相关的任务时,它通常使用基于CNN的模型来解决,到目前为止,这些模型的性能总是比任何其他类型的神经网络都好。
2024-08-16 11:17:41
18
原创 注意力机制 — 它是什么以及它是如何工作的
注意力机制是深度学习领域的一个突破。它们帮助模型专注于数据的重要部分,并提高语言处理和计算机视觉等任务的理解和性能。这篇文章将深入探讨深度学习中注意力的基础知识,并展示其背后的主要思想。
2024-08-15 14:26:51
959
原创 PyTorch — 初学者教程
在本文中,我将编译 PyTorch 的初学者教程。本教程大量使用了官方 PyTorch 教程中的材料。PyTorch 是Torch库的 Python 接口。
2024-08-14 19:05:17
170
1
原创 提升您的数据技能:利用Python 类
本文将探讨类和对象的基本概念,以及 Python 中的继承概念。我将讨论继承如何允许类从其他类继承属性和行为。此外,我们将提供示例来说明这些概念的实际应用,帮助您了解如何在 Python 代码中有效地使用它们。
2024-08-10 22:51:38
1182
原创 信息论在机器学习中的实际应用
如作为一名数据科学家,你可能经常听到“信息论”这个词在机器学习的背景下出现。但究竟什么是信息论,为什么它对机器学习如此重要?在本文中,我们将探讨信息论的基础知识、其关键概念,以及它如何以简单而翔实的方式应用于机器学习。
2024-08-09 08:02:18
1032
原创 面向数据科学家的实用贝叶斯推理
Bayesian Inference 是一种方便的统计方法,可帮助数据科学家在新数据或信息可用时更新假设的可能性。基于贝叶斯定理,它为进行概率预测提供了一个强大的框架,通常用于机器学习、人工智能和数据分析等领域。
2024-08-09 07:30:50
957
原创 准确度与精密度:差异和示例
当您依赖数据得出结论时,准确度和精确度是测量的关键属性。这两个概念都适用于测量系统中的一系列测量,并与测量误差的类型有关。
2024-08-08 06:21:18
908
原创 准确度和精密度之间有什么区别?
在这篇文章中,当我们继续我的系列文章,标题为“有什么区别......?今天,我们将探讨统计学和数据科学中的两个重要术语:准确性和精确度。这些概念对于理解测量和预测的质量至关重要。通过揭示准确性和精确度之间的差异,我们可以获得对数据分析和解释世界的宝贵见解。因此,让我们深入研究并揭示准确度和精确度之间的区别。
2024-08-08 05:27:02
974
原创 物理动力系统的强化学习:一种替代方法
对于非线性系统,我们面临着两个问题:系统识别——即理解它在给定状态下的行为方式,以及系统控制——它如何在短期和长期内响应给定的输入而变化,以及进行什么输入以获得期望的结果。
2024-08-07 13:55:04
753
原创 统计学:条件概率模型
在概率的许多应用中,不可能直接观察实验的结果;而是观察与结果相关的事件。因此,条件概率模型对于考虑和利用从观察到的事件中获得的信息至关重要。此外,条件概率模型与贝叶斯定理非常相关。在这篇博客中,我将介绍条件概率模型的基础知识,并使用参考文献 [1] 解答一些测验以熟悉该概念。
2024-08-07 13:45:34
1870
原创 使用 Pytorch 从头开始构建 Transformer
在今天的博客中,我们将了解 Transformer 的架构。Transformer 通过引入一种通过注意力机制捕获序列内依赖关系的新机制,彻底改变了自然语言处理 (NLP) 领域。让我们分解一下,使用 PyTorch 从头开始实现它。
2024-08-06 09:00:08
1499
原创 了解线性回归、岭回归和套索回归
在本文中,我们将深入探讨机器学习中两种基本正则化技术的基础和应用:Ridge 回归和 Lasso 回归。这些方法在缓解过拟合方面起着至关重要的作用,从而增强了模型对新数据的泛化能力。
2024-08-06 08:31:28
792
原创 希尔伯特空间(既是向量空间、也是范数空间)
在这篇文章中,我们将看看希尔伯特空间,这是一个专门的向量空间,具有超越标准向量空间的独特属性。我们将探讨它的定义特征、基本属性及其在各种数学学科中的深远影响。
2024-08-05 16:39:46
1019
原创 统计:多变量时间序列分析 — VMA、VAR、VARMA
多变量时间序列是一个在大学课堂上经常被忽视的话题。然而,真实世界的数据通常具有多个维度,我们需要多变量时间序列分析技术。在这篇博客中,我们将通过可视化和 Python 实现 [1] 了解多变量时间序列概念。我假设读者已经知道单变量时间序列分析。如果没有,你可以参考我之前的博客[2]。
2024-08-05 09:01:56
1221
原创 在 Python、Bootstrap、Jackknife、Monte Carlo 中重采样分布
概率分布向我们展示了不同结果发生的概率。此分布非常有用,因为它描述了统计量的所有可能结果以及每个结果的可能性。我们可以用直方图或密度图来可视化概率分布。为了读取可视化并找到给定点的概率,我们在 x 轴上选择一个值,然后在 y 轴上找到相应的高度,这表示给定点的密度。
2024-08-04 15:08:55
602
原创 图神经网络揭秘:视觉和实用指南
Graph Deep Learning (GDL)是一个新兴的研究领域。在学习和分析图形数据时,它非常有用。在这里,我将介绍一个简单的图神经网络(GNN) 的基础知识以及其内部工作原理背后的直觉。别担心,有大量彩色图表供您直观地了解正在发生的事情!
2024-08-04 00:39:52
858
原创 为什么需要合成数据进行机器学习
数据是人工智能的命脉。如果没有高质量的、具有代表性的训练数据,我们的机器学习模型将毫无用处。但是,随着更大的神经网络和更雄心勃勃的人工智能项目对数据的需求越来越大,我们面临着一场危机——现实世界的数据收集和标记根本无法扩展。
2024-08-04 00:31:56
1216
原创 MolGAN网络架构:用于小分子图的隐式生成模型
图结构数据的深度生成模型为化学合成问题提供了一个新的角度:通过优化直接生成分子图的可微分模型,可以在离散且广阔的化学结构空间中避开昂贵的搜索过程。
2024-08-03 14:01:03
1031
原创 EM算法的详细数学推导,并在Python中从头开始实现
在理解 EM 算法时存在一个陷阱。这是相当复杂的。但不要害怕;在这篇博客中,我将通过详细的数学推导和从头开始的 Python 实现来指导您了解 EM 算法。
2024-08-01 05:24:11
763
原创 物理学中三个令人兴奋的想法:稳态作用原理、洛伦兹变换和度量张量
在这篇文章中,我通过三个数学思想进行了探索,这些思想支撑着物理学的大部分:稳态作用原理(也称为最小作用原理)、洛伦兹变换(描述了爱因斯坦狭义相对论中的时间和空间变换)和度量张量,它是广义相对论(引力理论作为时空曲率)数学的基础。
2024-07-31 15:16:15
1499
1
原创 数据科学项目工作流程结构化初学者指南
除了致力于发现和探索之外,要想在数据科学项目中取得成功,您必须了解数据科学工作流程并对其进行优化,以确保结果可靠,并且项目易于遵循、维护和修改。 而实现这一点的最佳和最快的方法是使用模板来构建您的项目。
2024-07-28 14:10:50
1025
原创 创新概念:柯尔莫哥洛夫-阿诺德网络
kolmogorov-Arnold 网络 (KAN) 是深度学习领域的一项“创新”,它提供了一种受现有 Kolmogorov-Arnold 表示定理启发的构建神经网络的新方法。它们被认为是广泛使用的多层感知器 (MLP) 的潜在替代品,而 MLP 为许多深度学习应用提供了支持。
2024-07-27 14:50:08
711
原创 机器学习的概率论
在我们的生活中,我们面临许多不确定的事件。股票价格是随机且不确定的。货币市场是不确定的。在 COVID-19 大流行期间,我们的生活充满不确定性(还记得那次吗?😷)。天气难以预测。有人可能会说,我们的生活是建立在随机性之上的。
2024-07-26 16:28:57
1199
原创 辛普森悖论:当数据讲述两个不同的故事时!
你有没有被统计数据愚弄过?辛普森悖论表明,分析总体数据可能会掩盖重要趋势。我们可以通过分解信息来发现逆转或消除关系的隐藏因素。这份简短的指南将使您避免被汇总数据误导,并确保您看到全貌。
2024-07-25 14:22:01
587
原创 数据科学统计面试问题 -40问
正如 Josh Wills 曾经说过的那样,“数据科学家是一个比任何程序员都更擅长统计、比任何统计学家都更擅长编程的人”。统计学是数据科学中处理数据及其分析的基本工具。它提供了工具和方法,可帮助数据科学家获得见解并解释大量数据。仅仅掌握数据科学工具和语言是不够的。您还应该对某些核心统计概念和基础知识有深刻的理解。牢记这一点,这里列出了 40 个最常见的统计数据科学面试问题和答案。它将帮助您刷新对统计学关键方面的记忆,并帮助您准备包括数据科学和机器学习在内的工作面试。
2024-07-24 18:10:21
910
原创 使用两种不同的方法估计几何布朗运动随机过程的参数
称为几何布朗运动(又名随机游走)的随机过程是最常见和最普遍使用的过程,因为它简单且应用广泛。在本文中,我将展示如何使用两种不同的方法估计几何布朗运动过程的参数。
2024-07-23 20:21:05
1047
原创 2024 年 100 大数据科学面试问答
数据科学是一个快速发展的领域,它正在改变组织根据数据理解和做出决策的方式。因此,公司越来越多地寻求聘请数据科学家来帮助他们理解数据并推动业务成果。这导致了对数据科学家的高需求,这些职位的竞争可能非常激烈。为了帮助您准备数据科学面试,我们编制了一份您可能遇到的前 100 个数据科学面试问题列表。
2024-07-22 01:12:24
1761
原创 win11在虚拟环境安装PyTorch的教程
pytorch直接安装到anaconda的base上面不是什么好习惯。我的亲身经历是,将pytorch和其它软件如openCV,openGL等混装,然后互相冲撞,使得图像方面的软件不能工作。本篇我们讲述将pytorch独立安装到可靠、干净的虚拟环境中。
2024-07-21 02:08:17
817
原创 变分原理(01)
本课程介绍变分法及其在微分方程理论(特别是边值问题)中的应用。变分法是一门与牛顿微积分一样古老的学科 莱布尼茨。它的产生是出于研究身体问题的需要,其中寻求最佳解决方案;例如,哪种分子结构或粒子路径可以最小化能量或作用等物理量?此类问题称为变分问题。从一开始,变分法就与微分方程理论密切相关。特别是边值问题的理论。有时,变分问题会产生可以求解的微分方程,从而给出所需的最优解。另一方面,变分方法可以成功地用于求解非线性偏微分方程中其他棘手问题的解。微分方程边值问题理论和变分法之间的相互作用将是本课程的主要主题之
2024-07-21 02:04:17
317
原创 SVM 技能测试:25 个 MCQ 用于测试数据科学家的 SVM
你可以把机器学习算法想象成一个装满斧头、剑和刀片的军械库。你有各种各样的工具,但你应该学会在正确的时间使用它们。打个比方,将“线性回归或逻辑回归”视为一把能够有效地切片和切块数据但无法处理高度复杂数据的剑。同样,深度学习神经网络是一把光剑,可以处理任何复杂的数据。相反,“支持向量机”或SVM(一种机器学习算法)就像一把锋利的刀——它适用于较小的数据集,但在它们上,它可以更强大、更强大地构建模型。
2024-07-20 01:58:40
750
原创 面向初学者和专家的 40 大机器学习问答(2024 年更新)
机器学习是人工智能的重要组成部分,目前是数据科学中最受欢迎的技能之一。如果你是一名数据科学家,你需要擅长 python、SQL 和机器学习——没有两种方法。作为 DataFest 2017 的一部分,我们组织了各种技能测试,以便数据科学家可以评估这些关键技能。这些测试包括机器学习、深度学习、时间序列问题和概率。本文将介绍机器学习技能测试问答和其他重要数据科学面试问题的解决方案。在本文中,您将了解和机器学习考试问题和答案以及它们的影响。
2024-07-20 01:53:46
754
原创 测试数据科学家深度学习基础知识的 45 个问题(以及解决方案)
早在2009年, 深度学习还只是一个新兴领域。只有少数人认为这是一个富有成效的研究领域。今天,它被用于开发应用程序,这些应用程序在一段时间前被认为是困难或不可能做到的。语音识别、图像识别、在数据集中查找模式、照片中的对象分类、字符文本生成、自动驾驶汽车等等只是其中的几个例子。因此,熟悉深度学习及其概念非常重要。
2024-07-19 13:11:36
6869
原创 适合初学者的 30 个 Python 编码面试问题
了解 Python 编码面试问题至关重要,因为它们是通往软件开发和数据科学职业机会的门户。掌握这些问题不仅可以展示解决问题的能力和 Python 熟练程度,还可以提高整体编程技能。通过熟悉常见的挑战和磨练解决问题的策略,候选人可以自信地驾驭技术面试,展示出为科技行业的各种角色做好准备。在本文中,我们将探讨针对初学者的 Python 编码面试问题,这些问题可以帮助您准备面试。
2024-07-19 01:44:38
645
原创 90+ Python 面试问答(2024 版)
欢迎来到准备数据科学工作面试的第一步。这里有一个全面而广泛的 Python 面试问题和答案列表,可帮助您在面试中取得好成绩并获得理想的工作!
2024-07-18 14:32:59
1231
原创 如何在 Python 中使用 CSV 文件进行读写?
CSV 是您在数据科学领域工作时经常遇到的一种文件格式。它是一种存储表格数据的文本文件,具有更好的可读性、更易于理解和更快的处理速度。CSV 文件可以从 JSON 文件转换,也可以使用 Python 或 Java 创建。
2024-07-18 04:42:23
866
原创 如何计算算法效率?
你有没有想过是什么让某些算法比其他算法更快、更高效?这一切都归结为两个关键因素:时间和空间复杂性。将时间复杂度视为时钟滴答作响,根据其输入的大小来衡量算法完成所需的时间。另一方面,空间复杂性就像一个存储单元,随着输入大小的增长,跟踪算法需要多少内存。为了理解这一点,我们使用了 Big O 表示法——一种描述算法增长率上限的便捷方法。让我们深入了解计算算法效率的迷人世界!
2024-07-17 14:54:03
806
原创 利用 VAE、GAN 和 Transformer 释放生成式 AI
生成式人工智能是人工智能和创造力交叉的一个令人兴奋的领域,它通过使机器能够生成新的原创内容,正在彻底改变各个行业。从生成逼真的图像和音乐作品,到创建逼真的文本和身临其境的虚拟环境,生成式人工智能正在推动机器所能实现的界限。在这篇博客中,我们将踏上探索生成式人工智能与VAE、GAN和Transformers的前景的旅程,深入研究其应用、进步以及它对未来的深远影响。
2024-07-17 12:41:36
792
原创 彻底改变时尚:使用 GAN 实现 AI 的未来
想象一下,在这个世界里,时装设计师永远不会用完新想法,我们穿的每一件衣服都是一件艺术品。听起来很有趣,对吧?好吧,我们可以在通用对抗网络 (GAN)的帮助下在现实中实现这一目标。GAN模糊了现实与想象之间的界限。它就像一个瓶子里的精灵,满足了我们所有的创造性愿望。我们甚至可以在GAN的帮助下在地球上创造一个太阳,这在现实生活中是不可能的。
2024-07-16 08:20:11
1679
【双曲几何-0加莱模型】庞加来上半平面模型的Python实现
2024-05-07
OpenGL4.6的GLSL语言规格手册
2024-04-19
【OpenGL高级】刚体绕任意轴旋转
2024-04-19
【OpenGL实践08】现代渲染管线在GLUT和Pygame和Qt.QOpenGLWidget上各自的实现代码
2024-04-19
QOpenGLWidget的三维渲染
2024-04-17
【OpenGL实验】在python、Qt5、pyOpenGL程序的若干要点
2024-04-15
强化学习的Q(λ)学习原理资料
2024-03-27
强化学习的Q-Learn算法ppt资源
2024-03-27
使用 python + Qt + OpenGL 的第一步
2024-03-27
使用Python动画粒子的薛定谔波函数(ψ)(完整代码)
2024-03-20
glViewport - 人为干预视口改变和场景
2024-03-10
【OpenGL实现 03】纹理贴图原理和实现
2024-03-08
12pyopenGL静态圆锥方体球体前后遮挡
2024-02-23
11PyopenGL如何将图片贴到表面class03
2024-02-23
大脚怪野外募集报告数据分析
2024-02-22
1975年卡顿伍德湖研究区湿地P1数字正射校正航空
2024-02-22
坦桑尼亚的多多马太阳能测量数据
2024-02-22
2022年全球气候热点数据集
2024-02-22
林业类数目种类分布的数据集
2024-02-22
实木板表面纹理识别数据集
2024-02-21
Capstone-食物数据集
2024-02-21
关于数据集:食物的热量
2024-02-21
坦克打飞船的完整代码(可执行)
2024-02-16
坦克打飞碟的游戏基础界面实现
2024-02-16
8pygame键盘动画实现
2024-02-15
双曲几何的库geometry-tools库(在python用)
2024-02-10
C++ 中的模型预测控制(012)
2024-02-09
4用C++和matplotlib实现贝塞尔曲线的库
2024-02-09
python多进程博客案例
2024-01-27
2用python实现仿射变换的案例
2024-01-27
基于python的线性方程数字解法
2024-01-27
pygame泡泡碰撞游戏
2023-11-04
python基于pygame库开发的滑雪游戏
2023-11-04
Ceras下cifar10的图像识别深度网络
2023-10-26
小工具:移除目录内部所有空目录
2023-10-23
小工具:将目录中文件按照扩展名整齐归档
2023-10-23
pytorch下多层感知机的实现
2023-10-23
二项分布的字符串自动生成和统计验证
2023-10-22
AdaBoost 从弱分类器到强分类器的工作原理
2023-10-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人