机器学习

基于Python 实现亚马逊销售数据可视化OrderIDOrderDateCustomerIDCustomerNameProductIDProductName

曹文杰1519030112

2025 年大模型背景下应用统计本科计算机方向培养方案斯坦福味道的关键：每周节奏稳定 + 作业驱动学习 + 考试验证核心能力。你可以把它理解成“斯坦福式时间盒”。

救救孩子把

44-机器学习与大模型开发数学教程-4-6 大数定律与中心极限定理一句话版：**大数定律（LLN）**说“平均会稳定”；中心极限定理（CLT）说“波动的形状会趋近高斯”。在机器学习里，它们支撑：小批量梯度 ≈ 真实梯度；评估集的准确率 ≈ 真实准确率；置信区间/误差条能用“± 标准误差”做近似。

鲨莎分不晴

【前沿技术】Offline RL 全解：当强化学习失去“试错”的权利摘要：传统的强化学习（Online RL）依赖于“试错”（Trial and Error），Agent 就像一个不知疲倦的顽童，通过不断与环境交互、摔跟头来学习走路。但在医疗、自动驾驶或工业控制等真实场景中，“摔跟头”的代价是不可承受的。Offline RL (离线强化学习) 应运而生——它试图仅通过“观察历史记忆”（静态数据集）来训练出最强策略，而无需与环境发生任何交互。本文将带你读懂 Offline RL 的核心定义、它与 Off-policy 的本质区别，以及它在真实世界中的巨大潜力。

机械学习逻辑回归——银行贷款案例模型没有训练好模型在训练集上的表现良好，在数据集上就不行了造成这种情况可能有以下原因：1.模型参数过于复杂

执笔论英雄

【RL】ROLL下载模型流程在RLVR中，model_args.model_name_or_path 从YAML配置到模型下载的完整流程如下：

لا معنى له

目标分割介绍及最新模型----学习笔记目标分割的目标是将感兴趣的目标区域从图像背景中分离出来，并得到目标在像素级别的精确轮廓。目标分割有两种类型，一种是语义分割，一种是实例分割。

pythonstudy Day40@疏锦行

Coding茶水间

基于深度学习的水下海洋生物检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)基于深度学习的水下海洋生物检测系统演示大家好，欢迎来到 Coding 茶水间。今天要分享的是一个基于 YOLO 算法的水下海洋生物识别系统，它能帮我们快速判断画面中出现的海洋生物种类。

roman_日积跬步-终至千里

【人工智能导论】05-学习-机器学习基础：从数据到智能决策⏱️ 预计阅读时间：30-40分钟 🎯 学习目标：学会怎么让机器从数据中学习规律，怎么根据数据特点选择学习方式，怎么确保模型在新数据上也能表现好

大模型推理优化实战：连续批处理与PagedAttention性能提升300%摘要：本文将揭开大模型推理加速的核心技术——连续批处理（Continuous Batching）与PagedAttention的神秘面纱。不同于传统的静态批处理，我们将从零手写一个支持动态插入请求的LLM推理引擎，完整实现块级内存管理、迭代级调度、抢占与恢复等核心机制。实测在LLaMA2-7B上吞吐量提升3.2倍，TTFT（首Token延迟）降低60%，并提供媲美vLLM的生产级实现方案。

陈天伟教授

人工智能训练师认证教程（1）数据标注-Labelimg的使用教程目录一、LabelImg 简介二、安装方法Windows 系统macOS 系统Linux 系统三、基本界面介绍

Day44 训练和测试的规范写法简单说就是把 “训练模型” 和 “测试模型” 的代码，分别写成两个独立的函数（比如叫train()和test()）。

小兔崽子去哪了

机器学习，KNN 算法机器学习的概念让机器自动学习，而不是基于规则的编程深度学习也叫深度神经网络，大脑仿生，设计一层一层的神经元模拟万事万物

【论文速递】2025年第38周(Sep-14-20)(Robotics/Embodied AI/LLM)中文使用 googletrans 翻译，翻译不对的地方以英文为准The field of 4D world modeling - aiming to jointly capture spatial geometry and temporal dynamics - has witnessed remarkable progress in recent years, driven by advances in large-scale generative models and multimodal learn

周志华《机器学习—西瓜书》八以下是按顺序整理的内容：核心原则：令个体学习器 “好而不同” 。示例验证：理论分解：集成误差 E=Eˉ−AˉE = \bar{E} - \bar{A}E=Eˉ−Aˉ，其中：

【自动驾驶基础】LDM（Latent Diffusion Model）要点总结计算成本极高：推理昂贵：资源消耗问题：计算复杂度问题：细节与效率的权衡：条件生成灵活性：Latent Diffusion Models (LDMs)：在预训练自编码器的潜在空间中训练扩散模型。

量子力学基础（二）狄拉克符号与复数向量空间量子力学中的向量可以用狄拉克符号来表示，且向量通常是复数构成的。如通常表示一个1*n的复数行向量，例如，该向量通常也称为右矢；而则表示的复共轭，即，该向量通常称为左矢。值得注意的是量子力学中为了方便进行点积运算，在对右矢取共轭时通常会对其进行转置。

明月照山海-

机器学习周报二十七本周主要工作是阅读了两篇T2I方向的论文，理清风格迁移和图像重建之间的联系和区别，对应的问题采用对应的解法。