DUCKDUCKGO

开发第一个深度学习应用

DEEP LEARNING

开发第一个深度学习应用

我从事数据分析工作已经近十年了。我时不时地会使用机器学习技术从数据中获取见解,而且我习惯使用经典机器学习。 虽然我通过了一些关于神经网络和深度学习的 MOOC,但我从未在工作中使用过它们,而且这个领域对我来说似乎相当具有挑战性。我有这些偏见: * 你需要学习很多东西才能开始使用深度学习:数学、不同的框架(我至少听说过其中三个:PyTorch、TensorFlow 和 Keras)和网络架构。 * 需要大量数据集才能拟合模型。 * 如果没有强大的计算机(它们还必须有 Nvidia GPU),就不可能获得不错的结果,因此很难进行设置。 * 要启动和运行由机器学习驱动的服务,需要很多样板:你需要处理前端和后端。 我认为分析的主要目标是帮助产品团队根据数据做出正确的决策。如今,神经网络绝对可以改善我们的分析,即 NLP 有助于从文本中获得更多见解。因此,我决定再次尝试利用深度学习的力量会很有帮助。 这就是我开始学习 Fast.AI 课程的方式(该课程于 2022 年初更新,因此我认为自 TDS 上之前的评测以来内容已经发生了变化)。我意识到使用深度学习解决您的任务并不那么困难。

By admin
创业点子发生器

APPLICATION

创业点子发生器

创作者通常首先要努力的事情就是为他们的服务找到合适的利基创意。最好的方法始终是先找到一个微型 SaaS,它是 SaaS 的一个子集,专注于解决特定问题的小规模、高度专业化的应用程序。 但是你如何发现这些利基创意呢?为什么不让AI为你做这件事呢。在这个实验中,我整理了一个实用的应用程序,它可以帮助挖掘 Reddit、搜索引擎以找到利基创意。 在这篇博文中,我将分享如何构建这个 CrewAI 应用程序,该应用程序利用它来为微型 SaaS 生成利基创意。我们将深入研究应用程序结构、技术堆栈,并提供构建应用程序的分步指南。到最后,你将全面了解如何启动自己的 CrewAI 代理。 1、应用程序结构 首先,让我们看一下应用程序结构。下面是概述我们应用程序关键组件的图表: 为了构建此应用程序,我们将使用各种工具和技术: * Groq:用于服务大型语言模型 (LLM)。 * 8B Llama3 模型:用于生成想法的核心模型。 * CrewAI:与 LangChain 工具一起使用,用于管理多个代理。 * Praw:用于从

By admin