【AI驅(qū)動(dòng)】 背景 Stacking（堆疊集成）是一種集成學(xué)習(xí)方法，它通過(guò)組合多個(gè)基礎(chǔ)模型（一級(jí)學(xué)習(xí)器）的預(yù)測(cè)結(jié)果，再用一個(gè)元模型（二級(jí)學(xué)習(xí)器）來(lái)進(jìn)一步學(xué)習(xí)這些預(yù)測(cè)結(jié)果，最終得到一個(gè)更強(qiáng)的預(yù)測(cè)模型，使用多個(gè)不同的基礎(chǔ)模型（如隨機(jī)森林、XGBoost...

【AI驅(qū)動(dòng)】 背景 本篇文章將聚焦SHAP的高級(jí)功能與應(yīng)用技巧，在這個(gè)項(xiàng)目中，作者將以一個(gè)基于XGBoost的二分類模型為例，展示如何通過(guò)SHAP深入剖析模型的內(nèi)部機(jī)制，并結(jié)合實(shí)際問(wèn)題，使用SHAP值進(jìn)行更精細(xì)的解釋和分析，進(jìn)而推廣到回歸預(yù)測(cè)模型、...

【AI驅(qū)動(dòng)】 Keras使得創(chuàng)建深度學(xué)習(xí)模型變得快速而簡(jiǎn)單。 序貫(sequential)API允許您為大多數(shù)問(wèn)題逐層堆棧創(chuàng)建模型。雖然說(shuō)對(duì)很多的應(yīng)用來(lái)說(shuō), 這樣的一個(gè)手法很簡(jiǎn)單也解決了很多深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)建，但是它也有限制 - 它不允許你創(chuàng)建...

【AI驅(qū)動(dòng)】 Keras Python庫(kù)可快速輕松地創(chuàng)建深度學(xué)習(xí)模型。順序API允許您針對(duì)大多數(shù)問(wèn)題逐層創(chuàng)建模型。它的局限性在于它不允許您創(chuàng)建共享圖層或具有多個(gè)輸入或輸出的模型。Keras中的功能性API是創(chuàng)建模型的替代方法，它提供了更大的靈活性，包括創(chuàng)...

【AI驅(qū)動(dòng)】 Keras 是一個(gè)用于構(gòu)建和訓(xùn)練深度學(xué)習(xí)模型的高階 API。它可用于快速設(shè)計(jì)原型、高級(jí)研究和生產(chǎn)，具有以下三個(gè)主要優(yōu)勢(shì)： 方便用戶使用Keras 具有針對(duì)常見用例做出優(yōu)化的簡(jiǎn)單而一致的界面。它可針對(duì)用戶錯(cuò)誤提供切實(shí)可行的清晰反饋 ...

【AI驅(qū)動(dòng)】 01 深度學(xué)習(xí)基本概念 監(jiān)督學(xué)習(xí)：所有輸入數(shù)據(jù)都有確定的對(duì)應(yīng)輸出數(shù)據(jù)，在各種網(wǎng)絡(luò)架構(gòu)中，輸入數(shù)據(jù)和輸出數(shù)據(jù)的節(jié)點(diǎn)層都位于網(wǎng)絡(luò)的兩端，訓(xùn)練過(guò)程就是不斷地調(diào)整它們之間的網(wǎng)絡(luò)連接權(quán)重。 左上：列出了各種不同網(wǎng)絡(luò)架構(gòu)的監(jiān)督學(xué)習(xí)，...

【AI驅(qū)動(dòng)】 1  介紹 本文重點(diǎn)在于幾何圖神經(jīng)網(wǎng)絡(luò)（GNNs）的方法和應(yīng)用。介紹了必要的預(yù)備知識(shí)、幾何GNNs作為通用數(shù)據(jù)結(jié)構(gòu)在現(xiàn)實(shí)世界數(shù)據(jù)和模型之間的橋梁，以及現(xiàn)有的模型分類和成功應(yīng)用。提供了全面的概述，包括數(shù)據(jù)結(jié)構(gòu)、模型設(shè)計(jì)和應(yīng)用，...

【AI驅(qū)動(dòng)】 在機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)的世界里，數(shù)據(jù)的質(zhì)量是建模成功與否的關(guān)鍵所在。這就是特征工程和數(shù)據(jù)預(yù)處理發(fā)揮作用的地方。本文總結(jié)的這些關(guān)鍵步驟可以顯著提高模型的性能，獲得更準(zhǔn)確的預(yù)測(cè)，我們將深入研究處理異常值、缺失值、編碼、特征縮放和特征提取的各種技術(shù)...

【AI驅(qū)動(dòng)】 決策樹分類算法 一句話概括 決策樹通過(guò)一系列的規(guī)則（if-else）來(lái)對(duì)數(shù)據(jù)進(jìn)行分類，每個(gè)節(jié)點(diǎn)代表一個(gè)特征，每個(gè)分支代表一個(gè)規(guī)則，最終到達(dá)葉節(jié)點(diǎn)得到分類結(jié)果。 算法原理訓(xùn)練過(guò)程 選擇最優(yōu)特征：在訓(xùn)練數(shù)據(jù)集上...

【AI驅(qū)動(dòng)】 神經(jīng)網(wǎng)絡(luò)定義 目前，關(guān)于神經(jīng)網(wǎng)絡(luò)的定義尚不統(tǒng)一，按美國(guó)神經(jīng)網(wǎng)絡(luò)學(xué)家Hecht Nielsen 的觀點(diǎn)，神經(jīng)網(wǎng)絡(luò)的定義是：“神經(jīng)網(wǎng)絡(luò)是由多個(gè)非常簡(jiǎn)單的處理單元彼此按某種方式相互連接而形成的計(jì)算機(jī)系統(tǒng)，該系統(tǒng)靠其狀態(tài)對(duì)外部輸入信息的動(dòng)態(tài)響...

【AI驅(qū)動(dòng)】 隨著神經(jīng)網(wǎng)絡(luò)的進(jìn)化，許多過(guò)去曾被認(rèn)為不可想象的任務(wù)現(xiàn)在也能夠被完成了。圖像識(shí)別、語(yǔ)音識(shí)別、尋找數(shù)據(jù)集中的深度關(guān)系等任務(wù)現(xiàn)在已經(jīng)變得遠(yuǎn)遠(yuǎn)更加簡(jiǎn)單了。在此向這一領(lǐng)域的杰出的研究者致以真誠(chéng)的謝意，正是他們的發(fā)現(xiàn)和成果幫助我們利用上了神經(jīng)網(wǎng)絡(luò)的真正...

【AI驅(qū)動(dòng)】 Step1：神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)是由很多單元連接而成，這些單元稱為神經(jīng)元。 神經(jīng)網(wǎng)絡(luò)類似于人類的神經(jīng)細(xì)胞，電信號(hào)在神經(jīng)元上傳遞，類似于數(shù)值在神經(jīng)網(wǎng)絡(luò)中傳遞的過(guò)程。? 在這個(gè)神經(jīng)網(wǎng)絡(luò)里面，一個(gè)神經(jīng)元就相當(dāng)于一個(gè)...

【AI驅(qū)動(dòng)】 在研究了多家知名公司如何部署生成式AI應(yīng)用程序后，注意到它們的平臺(tái)有很多相似之處。概述了生成式AI大模型應(yīng)用平臺(tái)的常見組件、它們的作用以及它們的實(shí)現(xiàn)方式。盡力保持架構(gòu)的通用性，但某些應(yīng)用程序可能會(huì)有所不同。 通用AI大模型應(yīng)用...

【AI驅(qū)動(dòng)】 在人工智能技術(shù)快速發(fā)展的背景下，AI Agent 和 AI Workflow 兩種應(yīng)用模式正在重塑我們對(duì) AI 的認(rèn)知。AI Agent 是具有自主意識(shí)的智能實(shí)體，能夠感知環(huán)境、進(jìn)行推理決策并采取行動(dòng)，適合處理復(fù)雜和動(dòng)態(tài)的任務(wù)。典型應(yīng)用包括智能客服、自動(dòng)駕駛和金融交易等。而 AI Workflow 則是高度結(jié)構(gòu)化的流程，旨在標(biāo)準(zhǔn)化和自動(dòng)化業(yè)務(wù)任務(wù)，適合處理重復(fù)性和規(guī)則明確的任務(wù)，如企業(yè)流程自動(dòng)化和數(shù)據(jù)處理。 AI Agent 具有高度的自主性和靈活性，能夠?qū)W習(xí)和適應(yīng)環(huán)境，而 AI Workflow 強(qiáng)調(diào)可控性和效率，通過(guò)預(yù)定義的步驟執(zhí)行任務(wù)。兩者的應(yīng)用場(chǎng)景和特點(diǎn)各異，選擇適合的模式取決于具體需求。 在技術(shù)發(fā)展過(guò)程中，AI Workflow 也面臨著新的挑戰(zhàn)，尤其是在處理復(fù)雜任務(wù)時(shí)，傳統(tǒng)的單次調(diào)用方式已無(wú)法滿足需求。因此，專家們提出了創(chuàng)新的工作流和流程工程理念，通過(guò)多階段的交互過(guò)程來(lái)提升任務(wù)處理質(zhì)量。 總結(jié)來(lái)說(shuō)，AI Agent 和 AI Workflow 各自展現(xiàn)了人工智能技術(shù)的不同側(cè)面，未來(lái)這兩種模式將不斷融合，為企業(yè)和個(gè)人帶來(lái)更多的機(jī)遇與挑戰(zhàn)。掌握這些新技術(shù)將是 IT 工程師在職場(chǎng)競(jìng)爭(zhēng)中脫穎而出的關(guān)鍵。

【AI驅(qū)動(dòng)】 1 ?介紹 本文全面回顧了當(dāng)前最先進(jìn)的RAG技術(shù)，包括樸素RAG、進(jìn)階RAG和模塊RAG等范式，并置于LLM背景下。文章討論了RAG過(guò)程中的核心技術(shù)，如“檢索”、“生成”和“增強(qiáng)”，并深入探討了它們的協(xié)同作用。此外，文章還構(gòu)建了一個(gè)全...