-
AI极客日报0908 – Zoom的AI新功能揭示;助听技术的未来趋势;ChatGPT与Canva的融合;机器人学习策略游戏
最新动态 💻 Zoom推出内置AI助手 概述:Zoom刚刚推出了AI Companion,这是一个嵌入其平台的AI助手,旨在提高生产效率 — 对付费用户来说没有额外费用。 关键点: AI Companion将协助用户撰写聊天回复,自动生成会议摘要、电子邮件消息、智能录音等。 Zoom的方法适应了多种生成性AI模型,包括其自己的大型语言模型Meta Llama 2,OpenAI和Anthropic。…- 54
- 0
-
AI极客日报0907 – 亚马逊手掌识别支付、涉黄的AI广告泛滥问题,最新AI工具与每日GPT教程
最新动态 ✋ 亚马逊的AI将你的手掌变成魔法棒 速览:亚马逊One利用数百万个人造手掌数据训练了一个神经网络,从而创建了一种无接触式、便捷的支付和身份验证系统。据报告,该系统的准确性超过了虹膜扫描技术(观看演示视频 )。 关键点: 通过利用手掌上独特的纹路、沟槽、血管和脊线,亚马逊One将一个独一无二的手掌签名与您的信用卡或亚马逊账户关联起来。 这项技术即将在500家全食超市和其他第三方场所推出,…- 69
- 0
-
AI极客日报0906 – Twitter更新隐私政策,开始用用户数据训练AI模型;每日GPT教程:如何用ChatGPT生成创新性想法
最新动态 🐦 X 获取用户数据用于 AI 模型训练 概述:X(前身为 Twitter)更新了其隐私政策,允许使用收集的用户数据和公开信息来辅助训练其机器学习和 AI 模型。 关键要点: 该变更是在上周由目光敏锐的研究人员在政策的第 2.1 节发现的,这些数据很可能会被用于培训埃隆·马斯克(Elon Musk)的新创 xAI 公司的模型。 与此同时,公司也开始收集用户的生物识别数据,包括就业和教育经…- 29
- 0
-
AI极客日报0830 – OpenAI发布GPT企业版;教程:如何使用 ChatGPT 创建地图。
往期推荐 - 👀AI 日报合集 | 🧡 点赞关注评论拜托啦! 最新动态 💼 OpenAI发布ChatGPT企业版 概览:OpenAI最近推出了针对企业需求的ChatGPT企业版,该版承诺提供更强的安全性、更高的定制性,以及无限制、高速的访问权限给强大的GPT-4模型。 关键特点: 企业版提供了商业级别的隐私控制和数据加密,并明确表示该数据不会用于训练OpenAI的模型。 企业版取消了GP…- 77
- 0
-
AI极客日报0829 – 特斯拉全AI自驾技术;教程-用AI创建个性化礼物。
往期推荐 👀AI 日报合集 | 🧡 点赞关注评论拜托啦! 最新动态 🚗 马斯克展示特斯拉全AI自驾技术 概述:上周六,埃隆·马斯克通过直播展示了特斯拉最新版本的“全自动驾驶”软件,这一版软件全面依赖于人工智能,没有任何手动编写的规则。 详细内容: 该AI通过大量驾驶数据训练的神经网络驱动,在加利福尼亚帕洛阿尔托的驾驶过程中,能够轻松处理转弯、速度调整和障碍物。 这套系统能够应对各种之前从…- 54
- 0
-
AI极客日报0822 – AI创作是否应该有版权?
👀AI 日报合集 | 🧡 点赞关注评论拜托啦! 人工智能系统依法享有版权吗?这位法官给出了肯定的答案。让我们开始吧。 今日看点: 一位联邦法官明确表示,AI创作的艺术品没有版权! 中国,将人工智能带入太空,首颗AI卫星已成功发射。 印度用AI赋能数字支付, 想了解更多AI的资讯,快来点我看完整内容,别忘了点赞、关注和留言分享你的看法哦! 最新动态 👩⚖️ 联邦法官裁定人工智能无版权权利…- 68
- 0
-
AI极客日报0818 – AI帮助中风患者重新行走
👀AI 日报合集 | 🧡 点赞关注评论拜托啦! 有了人工智能,似乎没有什么是我们解决不了的。人工智能的一项新突破让瘫痪的中风幸存者能够通过“智能裤子”再次行走。让我们深入了解…… 今日要点: 👖惊艳!英国中风患者通过AI“智能裤”独立行走,标志着AI医疗的新里程碑。 🔍Google AI功能升级,网页浏览更加便捷,效率更上一层楼! 🌍 海湾国家大规模抢购Nvidia芯片,AI野心不止步!…- 52
- 0
-
AI极客日报0817 – 微软、亚马逊如何借助AI提升用户体验?
👀AI 日报合集 | 🧡 点赞关注评论拜托啦! 曾经,很多企业对ChatGPT的开放性表示担忧。如今,这些顾虑即将成为过去——微软带来了一个答案,推出了名为Azure ChatGPT的私有开源版本。那么,这一新版本具体意味着什么呢?让我们一起探讨…… 🔥 今日速览 🔥 💬 微软Azure全新「ChatGPT」来了!更高的控制权与隐私保护,企业级人工智能交流更安全、更高效! 🛍️ 亚马逊A…- 192
- 0
-
0 – 自然语言处理入门
1 什么是自然语言处理 自然语言处理(Natural Language Processing, 简称NLP)是计算机科学与语言学中关注于计算机与人类语言间转换的领域. 2 自然语言处理的发展简史 3 自然语言处理的应用场景 语音助手 机器翻译 搜索引擎 智能问答 ...- 34
- 0
-
4 – 什么是反向传播?
多层神经网络的学习能力比单层网络强得多。想要训练多层网络,需要更强大的学习算法。误差反向传播算法(Back Propagation)是其中最杰出的代表,它是目前最成功的神经网络学习算法。现实任务使用神经网络时,大多是在使用 BP 算法进行训练,值得指出的是 BP 算法不仅可用于多层前馈神经网络,还可以用于其他类型的神经网络。 通常说 BP 网络时,一般是指用 BP 算法训练的多层前馈神经网络。 这…- 55
- 0
-
3 – 什么是激活函数?
1. 网络非线性因素的理解 激活函数用于对每层的输出数据进行变换, 进而为整个网络结构结构注入了非线性因素。此时, 神经网络就可以拟合各种曲线。如果不使用激活函数,整个网络虽然看起来复杂,其本质还相当于一种线性模型,如下公式所示: 没有引入非线性因素的网络等价于使用一个线性模型来拟合 通过给网络输出增加激活函数, 实现引入非线性因素, 使得网络模型可以逼近任意函数, 提升网络对复杂问题的拟合能力.…- 78
- 0
-
2 – 什么是神经网络
1. 什么是神经网络 人工神经网络( Artificial Neural Network, 简写为ANN)也简称为神经网络(NN),是一种模仿生物神经网络结构和功能的 计算模型。人脑可以看做是一个生物神经网络,由众多的神经元连接而成。各个神经元传递复杂的电信号,树突接收到输入信号,然后对信号进行处理,通过轴突输出信号。下图是生物神经元示意图: 当电信号通过树突进入到细胞核时,会逐渐聚集电荷。达到一…- 27
- 0
-
1 – 什么是深度学习
1. 什么是深度学习 在介绍深度学习之前,我们先看下人工智能,机器学习和深度学习之间的关系: 机器学习是实现人工智能的一种途径,深度学习是机器学习的一个子集,也就是说深度学习是实现机器学习的一种方法。与机器学习算法的主要区别如下图所示: 传统机器学习算术依赖人工设计特征,并进行特征提取,而深度学习方法不需要人工,而是依赖算法自动提取特征。深度学习模仿人类大脑的运行方式,从经验中学习获取知识。这也是…- 36
- 0
-
0 – 神经网络基础 目录
神经网络的基础部分,主要包含的内容如下: 对深度学习、神经网络建立基本认识 了解激活函数的作用 了解神经网络参数更新算法 了解常见的神经网络参数初始化方法 了解常见的梯度下降优化方法 了解神经网络正则化的方法 了解批量归一化的作用- 30
- 0
-
2 – 张量数值计算
PyTorch 计算的数据都是以张量形式存在, 我们需要掌握张量各种运算. 并且, 我们可以在 CPU 中运算, 也可以在 GPU 中运算. 1. 张量基本运算 基本运算中,包括 add、sub、mul、div、neg 等函数, 以及这些函数的带下划线的版本 add_、sub_、mul_、div_、neg_,其中带下划线的版本为修改原数据。 import numpy as np import to…- 24
- 0
-
1 – PyTorch 创建张量
PyTorch 是一个 Python 深度学习框架,它将数据封装成张量(Tensor)来进行运算。PyTorch 中的张量就是元素为同一种数据类型的多维矩阵。在 PyTorch 中,张量以 "类" 的形式封装起来,对张量的一些运算、处理的方法被封装在类中。 1. 基本创建方式 torch.tensor 根据指定数据创建张量 torch.Tensor 根据形状创建张量, 其也可用…- 36
- 0
-
深度学习框架 PyTorch 目录
学习使用深度学习框架 PyTorch, 主要包含的内容如下: PyTorch 创建张量 PyTorch 张量的数值计算 PyTorch 张量类型转换 PyTorch 张量的拼接操作 PyTorch 索引操作 PyTorch 张量形状的操作 PyTorch 张量的运算函数 PyTorch 自动微分模块 案例: 手动构建线性回归 PyTorch 构架构建线性回归 模型的保存和加载- 38
- 0
-
4 – 电信客户流失预测
1. 数据集介绍 AT&T数据,用户个人,通话,上网等信息数据 充分利用数据预测客户的流失情况 帮助挽留用户,保证用户基数和活跃程度 具体数据说明如下: CustomerID 客户ID Gender 性别 partneratt 配偶是否也为att用户 dependents_att 家人是否也是att用户 landline 是否使用att固话服务 internet_att/internet_…- 40
- 0
-
3 – 分类评估指标
1. 混淆矩阵 混淆矩阵作用就是看一看在测试集样本集中: 真实值是 正例 的样本中,被分类为 正例 的样本数量有多少,这部分样本叫做真正例(TP,True Positive) 真实值是 正例 的样本中,被分类为 假例 的样本数量有多少,这部分样本叫做伪反例(FN,False Negative) 真实值是 假例…- 21
- 0
-
2 – 案例 癌症分类预测
1 逻辑回归的API sklearn提供了逻辑回归的API sklearn.linear_model.LogisticRegression(solver='liblinear', penalty=‘l2’, C = 1.0) solver可选参数:{'liblinear', 'sag', 'saga','ne…- 28
- 0
-
1 – 逻辑回归介绍
1. 逻辑回归的应用场景 逻辑回归(Logistic Regression)是机器学习中的 一种分类模型 ,逻辑回归是一种分类算法,虽然名字中带有回归。由于算法的简单和高效,在实际中应用非常广泛 广告点击率 是否为垃圾邮件 是否患病 信用卡账单是否会违约 看到上面的例子,我们可以发现其中的特点,那就是都属于两个类别之间的判断。逻辑回归就是解决二分类问题的利器 2. 逻辑回归的原…- 53
- 0
-
0 – 逻辑回归简介
逻辑回归可以用于解决常见的分类问题,也是解决分类中常用的一种算法。在本章节学习到的内容如下: 理解逻辑回归的原理 理解分类的评估指标 掌握类别不平衡数据的解决方法 最后,我们应用逻辑回归模型实现 电信客户流失预测 案例。- 19
- 0
-
7 – 手写数字识别 KNN
1. 案例介绍 MNIST手写数字识别 是计算机视觉领域中 "hello world"级别的数据集 1999年发布,成为分类算法基准测试的基础 随着新的机器学习技术的出现,MNIST仍然是研究人员和学习者的可靠资源。 本次案例中,我们的目标是从数万个手写图像的数据集中正确识别数字。 2. 数据介绍 数据文件 train.csv 和 test.csv 包含从 0 到 9 的手绘数…- 39
- 0
-
6 – K 值选择问题
1. K取不同值时带来的影响 举例: 有两类不同的样本数据,分别用蓝颜色的小正方形和红色的小三角形表示,而图正中间有一个绿色的待判样本。 问题:如何给这个绿色的圆分类?是判断为蓝色的小正方形还是红色的小三角形? 方法:应用KNN找绿色的邻居,但一次性看多少个邻居呢(K取几合适)? 解决方案: K=4,绿色圆圈最近的4个邻居,3红色和1个蓝,按少数服从多数,判定绿色样本与红色三角形属于同一类别 K=…- 16
- 0