暂时未有相关云产品技术能力~
公众号 Deephub-IMBA
5种数值评分标准总结 - 为预测模型找到正确的度量标准
使用深度学习进行图像去噪
使用深度学习进行图像去噪
使用深度学习进行图像去噪
低成本的二值神经网络介绍以及它能代替全精度网络吗?
使用GCP开发带有强化学习功能的Roguelike游戏
有比Pandas 更好的替代吗?对比Vaex, Dask, PySpark, Modin 和Julia
谷歌新语言模型Switch Transformer
从Wide and Deep、DeepFM到DLRM,现代的推荐系统算法研究
不使用直方图的6个原因以及应该使用哪个图替代
GANs是如何创造出高分辨率的图像的
使用Tensorflow模仿HearthArena炉石卡片排名算法
使用Scikit-Learn pipeline 减少ML项目的代码量并提高可读性
使用Scikit-Learn pipeline 减少ML项目的代码量并提高可读性
使用遮挡分析进行DNN模型的可解释性说明概述
在向量化NumPy数组上进行移动窗口操作
泊松分布
股票市场交易中的强化学习
使用Python过滤出类似的文本的简单方法
提高数据科学家讲故事能力的5个小技巧
单变量和多变量对基因表达式的预测能力对比
单变量和多变量对基因表达式的预测能力对比
OpenAI的新模型DALL·E:可以从文字说明生成图像
2012到2020主要的CNN架构总结
使用用测试时数据增强(TTA)提高预测结果(下)
使用用测试时数据增强(TTA)提高预测结果
使用用测试时数据增强(TTA)提高预测结果
使用贝叶斯统计来进行更好更直观的A/B测试
使用Fastai中的学习率查找器和渐进式调整大小提高训练效率
2021年成为数据科学家最需要学习的7项技能
2020年人工智能论文总结
理解高斯混合模型中期望最大化的M-Step
用于多关系数据的图神经网络R-GCNs
用于多关系数据的图神经网络R-GCNs
使用遗传交叉算子进行过采样处理数据不平衡
在本文中,我们将重点介绍在DataFrame上经常执行的两个最常见的任务,特别是在数据科学项目的数据操作阶段。这两项任务是有效地选择特定的和随机的行和列,以及使用replace()函数使用列表和字典替换一个或多个值。
使用遗传交叉算子进行过采样处理数据不平衡
使用遗传交叉算子进行过采样处理数据不平衡
NumPy中的广播:对不同形状的数组进行操作
使用TensorFlow和深度混合学习进行时间序列预测
Pytorch中的分布式神经网络训练
在NLP中结合文本和数字特征进行机器学习
Jupyter Notebooks嵌入Excel并使用Python替代VBA宏
TensorFlow Quantum:建立在量子架构上工作的机器学习模型
利用VAE和LSTM生成时间序列
scikit-learn中的自动模型选择和复合特征空间
如何使用PCA去除数据集中的多重共线性
自动驾驶:Lidar 3D传感器点云数据和2D图像数据的融合标注
在PyTorch中使用DeepLabv3进行语义分割的迁移学习
在PyTorch中使用DeepLabv3进行语义分割的迁移学习