APPLICATION
DeepSeek-R1+ML混合欺诈检测
本文介绍如何将传统ML与DeepSeek-R1推理引擎结合以提高欺诈检测效率。
KAGGLE
APPLICATION
车辆图像结构化数据抽取
在本教程中，我们将构建一个车辆文档系统，从车辆图像中提取重要细节。这些细节将以结构化格式提取，以便进一步供下游使用。
APPLICATION
基于计算机视觉的无人机定位
假设你有一张航拍图像，但不知道拍摄位置，但知道空间分辨率和方向。计算机视觉如何帮助解决这个问题？
MODEL-ZOO
Phi-3.5电商数据集微调
本文加载Phi-3.5-mini-instruct 模型并对其进行微调，以根据文本描述对电子商务产品进行分类，并将 LoRA（低秩自适应）微调模型与基础模型合后推送到 Hugging Face。
DATASET
12个数据可视化必备数据集
数据可视化不仅是一种强大的工具，可让数据科学家和分析师以易于理解的格式传达复杂的见解和发现，而且它也是希望进入该领域并展示新学到的技能的有抱负的数据科学家/分析师的第一步。 但还有另一件重要的事情需要考虑——数据集的选择。为数据可视化选择正确的数据集对于任何数据可视化项目的成功都至关重要——它可能意味着提供引人入胜的叙述或失败之间的区别。 但这就是我们来到 ODSC 的原因！让我们来看看各个领域的最佳数据可视化数据集列表，它们非常适合增强你的数据可视化项目并让你的数据故事栩栩如生，甚至只是帮助你丰富你的投资组合。 政府和开放数据源 1、美国政府开放数据 作为最全面的政府数据存储库之一，data.gov 提供多个领域的数据集，包括农业、气候、教育和健康。该平台对于政策分析、经济可视化和公共部门项目特别有用，使用户能够探索美国政府格局中的趋势和见解。这些数据可视化数据集非常多样化，为新手和高级数据科学家提供了大量主题选择。 2、世界银行开放数据 对于那些对全球发展感兴趣的人，世界银行开放数据平台提供了有关健康、教育和经济指标等主题的大量数据集。它是可视化全球趋势和金融数据
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。