【从零开始学习深度学习】12. 什么是模型的训练误差？基于三阶多项式的欠拟合与过拟合训练过程演示
【从零开始学习深度学习】12. 什么是模型的训练误差？基于三阶多项式的欠拟合与过拟合训练过程演示
【从零开始学习深度学习】3. 基于pytorch手动实现一个线性回归模型并进行min--batch训练
【从零开始学习深度学习】3. 基于pytorch手动实现一个线性回归模型并进行min--batch训练
【机器学习技巧】回归模型的几个常用评估指标（R2、Adjusted-R2、MSE、RMSE、MAE、MAPE）及其在sklearn中的调用方式
【机器学习技巧】回归模型的几个常用评估指标（R2、Adjusted-R2、MSE、RMSE、MAE、MAPE）及其在sklearn中的调用方式
【阿旭机器学习实战】【27】贝叶斯模型：新闻分类实战----CounterVecorizer与TfidVectorizer构建特征向量对比
【阿旭机器学习实战】【27】贝叶斯模型：新闻分类实战----CounterVecorizer与TfidVectorizer构建特征向量对比
【阿旭机器学习实战】【23】特征降维实战---人脸识别降维建模，并选出最有模型进行未知图片预测
【阿旭机器学习实战】【23】特征降维实战---人脸识别降维建模，并选出最有模型进行未知图片预测
【阿旭机器学习实战】【10】朴素贝叶斯模型原理及3种贝叶斯模型对比：高斯分布朴素贝叶斯、多项式分布朴素贝叶斯、伯努利分布朴素贝叶斯
【阿旭机器学习实战】【10】朴素贝叶斯模型原理及3种贝叶斯模型对比：高斯分布朴素贝叶斯、多项式分布朴素贝叶斯、伯努利分布朴素贝叶斯
使用魔搭开发自己的语音AI：从入门到精通
语音AI是最早从实验室走向应用的AI技术，其发展史就是不断创新、解锁应用的历史，从1995年 Dragon Dictate的桌面孤立词语音识别，到2011年苹果的手机语音助手SIRI，再到当下百花齐放的各种智能语音应用。
全都会！预测蛋白质标注！创建讲义！解释数学公式！最懂科学的智能NLP模型Galactica尝鲜 ⛵
本文浅试Meta开源的大型AI语言模型『Galactica』，带大家体验安装与多场景使用。Galactica被称为“最懂科学的智能NLP模型”，能够预测蛋白质标注！创建讲义！解释数学公式！全都会！
深度学习之卷积神经网络中常用模型评估指标(混淆矩阵，精确率，召回率，特异度计算方法)——python代码
深度学习之卷积神经网络中常用模型评估指标(混淆矩阵，精确率，召回率，特异度计算方法)——python代码
NLP实践！文本语法纠错模型实战，搭建你的贴身语法修改小助手 ⛵
本文详细介绍 GECToR 这一优秀的文本纠错模型，使用 Transformer 编码器的序列标注器，以保证文本数据的质量，进而提升NLP模型的效果。
集成学习-模型融合（Lenet，Alexnet，Vgg）三个模型进行融合-附源代码-宇宙的尽头一定是融合模型而不是单个模型。
集成学习-模型融合（Lenet，Alexnet，Vgg）三个模型进行融合-附源代码-宇宙的尽头一定是融合模型而不是单个模型。
图神经网络之预训练大模型结合：ERNIESage在链接预测任务应用
通过以上两个版本的模型代码简单的讲解，我们可以知道他们的不同点，其实主要就是在消息传递机制的部分有所不同。ERNIESageV1版本只作用在text graph的节点上，在传递消息(Send阶段)时只考虑了邻居本身的文本信息；而ERNIESageV2版本则作用在了边上，在Send阶段同时考虑了当前节点和其邻居节点的文本信息，达到更好的交互效果。
基于ModelScope，视觉AI启动模型开放之路
计算机视觉是人工智能的基石之一，也是应用最广泛的AI技术，从日常手机解锁使用的人脸识别，再到火热的产业前沿自动驾驶，视觉AI都大显身手。作为一名视觉AI从业者，我认为视觉AI的潜能远未得到充分发挥，穷尽我们这些研究者的力量，也只能覆盖少数行业和场景，远未能满足全社会的需求。因此，在AI模型社区魔搭ModelScope上，我们决定全面开源达摩院研发的视觉AI模型，首批达101个，其中多数为SOTA或
使用 Databricks 和 MLflow 进行机器学习模型训练和部署的应用实践| 学习笔记（二）
快速学习使用 Databricks 和 MLflow 进行机器学习模型训练和部署的应用实践
使用 Databricks 和 MLflow 进行机器学习模型训练和部署的应用实践| 学习笔记（一）
快速学习使用 Databricks 和 MLflow 进行机器学习模型训练和部署的应用实践
代码案例详解！如何让机器学习模型自解释！⛵
本文讲解一种比较全能的『机器学习模型可解释性』方法——SHAP。通过调用Python的SHAP工具库，对机器学习模型做可解释性分析，判断不同特征对于当前模型的重要程度。
PGL图学习之图神经网络GNN模型GCN、GAT[系列六]
本次项目讲解了图神经网络的原理并对GCN、GAT实现方式进行讲解，最后基于PGL实现了两个算法在数据集Cora、Pubmed、Citeseer的表现，在引文网络基准测试中达到了与论文同等水平的指标。 目前的数据集样本节点和边都不是很大，下个项目将会讲解面对亿级别图应该如何去做。
ModelScope模型即服务
ModelScope旨在打造下一代开源的模型即服务共享平台，为泛AI开发者提供灵活、易用、低成本的一站式模型服务产品，让模型应用更简单！欢迎加入技术交流群：微信公众号：魔搭ModelScope社区，钉钉群号：44837352
