AI：2020年6月21日北京智源大会演讲分享之14:00-14:25 张铭教授《基于知识图谱的机器学习》
2022-07-23
219
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
AI：2020年6月21日北京智源大会演讲分享之14:00-14:25 张铭教授《基于知识图谱的机器学习》
目录
相关文章
|
14天前
|
机器学习/深度学习
人工智能
安全
探索AI的未来：从机器学习到深度学习
【10月更文挑战第28天】本文将带你走进AI的世界，从机器学习的基本概念到深度学习的复杂应用，我们将一起探索AI的未来。你将了解到AI如何改变我们的生活，以及它在未来可能带来的影响。无论你是AI专家还是初学者，这篇文章都将为你提供新的视角和思考。让我们一起探索AI的奥秘，看看它将如何塑造我们的未来。
51
3
3
|
25天前
|
人工智能
安全
搜索推荐
北大计算机学院再登国际AI顶刊！张铭教授团队揭露医疗AI致命漏洞
【10月更文挑战第17天】北京大学计算机学院张铭教授团队在国际顶级人工智能期刊上发表重要成果，揭示了医疗AI系统中的致命漏洞——“模型反演”。该漏洞可能导致误诊和医疗事故，引起学术界和工业界的广泛关注。研究强调了医疗AI系统安全性评估的重要性。
39
1
1
|
9天前
|
机器学习/深度学习
人工智能
自然语言处理
机器学习之解释性AI与可解释性机器学习
随着人工智能技术的广泛应用，机器学习模型越来越多地被用于决策过程。然而，这些模型，尤其是深度学习模型，通常被视为“黑箱”，难以理解其背后的决策逻辑。解释性AI（Explainable AI, XAI）和可解释性机器学习（Interpretable Machine Learning, IML）旨在解决这个问题，使模型的决策过程透明、可信。
22
2
2
|
10天前
|
机器学习/深度学习
数据采集
人工智能
揭秘AI：机器学习的魔法与代码
【10月更文挑战第33天】本文将带你走进AI的世界，了解机器学习的原理和应用。我们将通过Python代码示例，展示如何实现一个简单的线性回归模型。无论你是AI新手还是有经验的开发者，这篇文章都会给你带来新的启示。让我们一起探索AI的奥秘吧！
21
2
2
|
13天前
|
机器学习/深度学习
人工智能
自然语言处理
探索AI的奥秘：机器学习入门指南
【10月更文挑战第30天】本篇文章是一份初学者友好的机器学习入门指南，旨在帮助读者理解并开始实践机器学习。我们将介绍机器学习的基本概念，包括监督学习、无监督学习和强化学习等。我们还将提供一些实用的代码示例，以帮助读者更好地理解和应用这些概念。无论你是编程新手，还是有一定经验的开发者，这篇文章都将为你提供一个清晰的机器学习入门路径。
31
2
2
|
21天前
|
机器学习/深度学习
数据采集
人工智能
揭秘AI的魔法：机器学习如何改变我们的世界
【10月更文挑战第22天】在这篇文章中，我们将深入探讨机器学习的奥秘，揭示它是如何在我们的日常生活中扮演着越来越重要的角色。从简单的数据分类到复杂的预测模型，机器学习的应用已经渗透到各个领域。我们将通过实例和代码示例，展示机器学习的基本概念、工作原理以及它如何改变我们的生活。无论你是科技爱好者还是对AI充满好奇的初学者，这篇文章都将为你打开一扇通往未来的大门。
30
4
4
|
22天前
|
存储
人工智能
Java
Neo4j从入门到精通：打造高效知识图谱数据库 | AI应用开发
在大数据和人工智能时代，知识图谱作为一种高效的数据表示和查询方式，逐渐受到广泛关注。本文从入门到精通，详细介绍知识图谱及其存储工具Neo4j，涵盖知识图谱的介绍、Neo4j的特点、安装步骤、使用方法（创建、查询）及Cypher查询语言的详细讲解。通过本文，读者将全面了解如何利用Neo4j处理复杂关系数据。【10月更文挑战第14天】
81
6
6
|
1月前
|
机器学习/深度学习
存储
人工智能
揭秘机器学习背后的神秘力量：如何高效收集数据，让AI更懂你？
【10月更文挑战第12天】在数据驱动的时代，机器学习广泛应用，从智能推荐到自动驾驶。本文以电商平台个性化推荐系统为例，探讨数据收集方法，包括明确数据需求、选择数据来源、编写代码自动化收集、数据清洗与预处理及特征工程，最终完成数据的训练集和测试集划分，为模型训练奠定基础。
43
3
3
|
4天前
|
机器学习/深度学习
人工智能
自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年，AI大模型在软件开发领域的应用正重塑传统流程，从自动化编码、智能协作到代码审查和测试，显著提升了开发效率和代码质量。然而，技术挑战、伦理安全及模型可解释性等问题仍需解决。未来，AI将继续推动软件开发向更高效、智能化方向发展。
20
5
5
|
8天前
|
机器学习/深度学习
人工智能
自然语言处理
AI在医疗领域的应用及其挑战
【10月更文挑战第34天】本文将探讨人工智能（AI）在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念入手，然后详细介绍其在医疗领域的各种应用，如疾病诊断、药物研发、患者护理等。最后，我们将讨论AI在医疗领域面临的主要挑战，包括数据隐私、算法偏见、法规合规等问题。
28
1
1
热门文章
最新文章
1
更轻松、高效、经济的LLaMA训练——开源大模型训练框架Megatron-LLaMA
2
在PyTorch中使用DistributedDataParallel进行多GPU分布式模型训练
3
【机器学习】在电子商务（淘*拼*京*—＞抖）的应用分析
4
【机器学习】近邻类模型：KNN算法在数据科学中的实践与探索
5
论文介绍：机器学习中数据集规模增长的极限分析
6
【Python 机器学习专栏】Python 机器学习入门：基础概念与流程
7
机器学习：在SAS中运行随机森林
8
超参数优化：提升机器学习模型性能
9
【机器学习】朴素贝叶斯分类器的假设？
10
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（一）（4）
1
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习库，它提供了大量的函数和工具，用于处理图像和视频数据。
136
2
介绍文本分类的基本概念、常用方法以及如何在Python中使用机器学习库进行文本分类
115
3
探索Scikit-learn：机器学习库的入门与进阶
80
4
深度解析Python中的机器学习库：Scikit-learn
145
5
【Python机器学习专栏】Python环境下的机器学习库概览
100
6
探秘scikit-learn：机器学习库的核心功能详解
128
7
【python】Python大豆特征数据分析 [机器学习版一]（代码+论文）【独一无二】
95
8
机器学习实战第3天：手写数字识别
174
9
机器学习库：numpy
78
10
机器学习第11天：降维
92