指标是评估任何人工智能系统的基石，而对于大型语言模型 (LLM) 来说，这一点也不例外。本文将通过 Python 代码示例，深入剖析一些评估 LLM 语言任务表现的流行指标的工作原理，这些示例将说明如何利用 Hugging Face 库来使用它们 […]
作者归档 | Iván Palomares Carrascosa
2024 年最具影响力的五篇机器学习论文
人工智能 (AI) 研究，尤其是在机器学习 (ML) 领域，在全球范围内持续受到越来越多的关注。为了让您了解围绕人工智能和机器学习的科学热度，自 2023 年底以来，上传到开放获取预印本档案 ArXiv 的作品数量几乎翻了一番，与人工智能相关的作品超过 30,000 篇 […]
可视化机器学习模型的 5 种工具
机器学习 (ML) 模型建立在数据之上。它们就像是从数据集中提取有意义的信息而产生的即用型工件，用于发现模式、进行预测或自动化决策。虽然可视化数据在探索性分析和特征工程等许多数据科学流程中至关重要，但可视化 ML 模型这一想法并非 […]
如何使用 Streamlit 快速部署机器学习模型
本文将指导您使用 Streamlit 部署一个简单的机器学习 (ML) 回归模型。这个新颖的平台可以简化和便捷地将 ML 系统等工件部署为 Web 服务。即将部署的模型概览 本篇操作指南的重点是展示如何让 ML 模型 […]
生产环境机器学习模型优化：分步指南
本文提供了一份全面的分步指南，旨在帮助您应对为生产环境优化机器学习 (ML) 模型这一挑战，涵盖其开发生命周期的所有阶段，即模型部署过程之前、之中和之后。本指南采用了模型和 ML 技术无关的语气， […]
机器学习与传统分析：何时使用哪种？
本文着重阐明传统数据分析方法与机器学习驱动方法的区别，并首先提供对数据分析（以及非数据分析）与其他经常互换使用的数据术语的清晰理解。在获得这种理解后，文章提供了关于何时 […]
5门掌握LLM的免费课程
毫无疑问，大型语言模型 (LLM) 已成为近年来最大的人工智能突破之一：它们在理解和生成类似人类的文本方面表现出色，使其在广泛的应用中具有多功能性。掌握 LLM 的基础知识和实际细节对许多人来说可能令人生畏，但本文将为您提供帮助。请继续 […]
揭秘集成方法：提升、装袋和堆叠的解释
团结就是力量。这句名言完美地捕捉了集成方法（集成方法）的精髓：它是最有力的机器学习 (ML) 方法之一——在深度神经网络的帮助下——通过组合多个模型来解决一个预测任务，从而有效地解决基于复杂数据的复杂问题。本文介绍了构建集成方法的三个常用方法 […]
构建推荐系统的实用指南
推荐系统通过为用户推荐符合其个人偏好或需求的项目（如产品、服务或内容），来增强基于互联网的应用程序中的用户体验。这些系统广泛应用于电子商务、旅游和娱乐等各个行业，能够促进用户参与度、客户忠诚度，并最终在零售等特定领域帮助提高客户满意度和收入 […]
精通超参数调优的艺术：技巧、窍门和工具
机器学习 (ML) 模型包含许多可调参数，称为超参数，它们控制着模型如何从数据中学习。与在训练过程中自动学习的模型参数不同，超参数必须由开发人员仔细配置以优化模型性能。这些设置范围很广，从神经网络的学习率和网络架构到决策树的树深度 […]