-
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。…- 53
- 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，…- 68
- 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…- 28
- 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…- 76
- 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…- 53
- 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…- 66
- 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！…- 51
- 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…- 185
- 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 ...- 32
- 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…- 54
- 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…- 34
- 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- 29
- 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…- 33
- 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- 35
- 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…- 27
- 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。- 18
- 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=…- 15
- 0