档案 | 数据科学

学习自然语言处理可以成为你开发者工具包中非常有用的补充。从基础知识到构建 LLM 驱动的应用程序，你可以在几周内逐步掌握自然语言处理。本文将帮助你入门。在本文中，我们将学习自然语言处理的基础知识 […]

Python 是最流行的数据科学编程语言，因为它用途广泛并得到社区的大力支持。由于使用广泛，有很多方法可以改进我们的数据科学工作流程，你可能不知道。在本文中，我们将探索十个不同的 Python 单行代码，这些代码将提升你的数据 […]

人工智能行业正迅速发展，利用大型语言模型（LLM）创建解决方案并最大限度地发挥人工智能模型的潜力。公司正在寻找能够将人工智能无缝集成到现有代码库中的工具，而无需支付高昂的专业人员招聘和资源获取成本。这就是 Controlflow 发挥作用的地方。通过 ControlFlow，你可以开发 […]

每个行业都使用数据来做出更明智的决策。但原始数据可能杂乱无章，难以理解。EDA 允许你更好地探索和理解数据。在本文中，我们将通过简单的步骤和示例，引导你了解 EDA 的基础知识，使其易于理解。什么是探索性数据分析？ […]

很少有数据科学项目不需要清洗数据。数据清洗包括准备数据的初始步骤。其具体目的是只保留数据中相关且有用的信息，无论是为了后续分析，还是作为人工智能或机器学习模型的输入，以及 […]

在 Gemma 1 成功推出后，谷歌团队又推出了更先进的模型系列 Gemma 2。这个新的大型语言模型 (LLM) 系列包括 90 亿 (9B) 和 270 亿 (27B) 参数的模型。Gemma 2 比其前身提供更高的性能和更高的推理效率，并具有显著的安全性 […]

在本教程中，我们将探讨检索增强生成（RAG）和 LlamaIndex AI 框架。我们将学习如何使用 LlamaIndex 构建一个基于 RAG 的应用程序，用于对私有文档进行问答，并通过集成内存缓冲区来增强应用程序。这将使 LLM 能够利用来自两者的上下文生成响应 […]

大型语言模型（LLM）彻底改变了人们的工作方式。通过帮助用户从文本提示生成答案，LLM 可以做很多事情，例如回答问题、总结、规划事件等等。然而，有时 LLM 的输出不符合我们的标准。例如，生成的文本 […]

过去，企业根据年龄或性别等简单因素对客户进行分组。现在，机器学习改变了这一过程。机器学习算法可以分析大量数据。在本文中，我们将探讨机器学习如何改进客户细分。客户细分简介 客户细分将客户分为不同的组。这些组 […]

当今的数字环境从未如此多样化。每个个人和公司都选择他们喜欢的工具和操作系统，从而创建了一个多样化的技术系统。然而，这种多样性通常会导致兼容性问题，使得难以确保应用程序在不同环境中的性能。这就是 Docker 作为不可或缺的工具发挥关键作用的地方 […]