datawhale

LeetCode从入门到超凡(四)深入浅出理解贪心算法大家好，我是GISer Liu😁，一名热爱AI技术的GIS开发者。本系列文章是我跟随DataWhale 2024年9月学习赛的LeetCode学习总结文档；本文主要讲解贪心算法。💕💕😊

DataWhale AI夏令营 2024大运河杯-数据开发应用创新赛-task3多的不说少的不唠，之前说过初赛基本就是比谁的数据好了，因为原始数据的质量太低了想跑到0.25都很难所以需要使用一些数据增强策略以及收集一些新的数据集。

【Datawhale X 李宏毅苹果书 AI夏令营】《深度学习详解》Task2 打卡本文是【Datawhale X 李宏毅苹果书 AI夏令营】的Task2学习笔记打卡。李宏毅老师对应视频课程：https://www.bilibili.com/video/BV1JA411c7VT?p=3 《深度学习详解》第一章主要介绍了深度学习中的基础数学知识。

沙雕是沙雕是沙雕

Datawhale X 李宏毅苹果书 AI夏令营入门 Task1-机器学习机器学习：机器具备有学习的能力/让机器具备找一个函数的能力。比如语音识别、图像识别、机器学习有不同的类别。 1）回归：假设要找的函数的输出是一个数值/标量，这种机器学习的任务称为回归。 2）分类：分类任务要让机器做选择题。人类先准备好一些选项，这些选项称为类别。 3）结构化学习：机器不只是要做选择题或输出一个数字，而是产生一个有结构的物体，比如让机器画一张图，写一篇文章。这种叫机器产生有结构的东西的问题称为结构化学习。

Datawhale X 魔搭 AI夏令营第四期 | AIGC文生图——进阶上分实战优化 Task3笔记Hi，大家好，我是半亩花海。在上一个任务中，我们逐行精读baseline，掌握了利用AI工具提升学习效率，并制作了话剧连环画，初步了解Secpter WebUI。今天，我们将深入探讨微调的基本原理及其参数，旨在优化效果。同时，介绍文生图工作流平台ComfyUI，帮助实现更高度定制的文生图生成，进一步提升我们的创作和应用能力。

如果皮卡会coding

【Datawhale AI 夏令营】第四期基于2B源大模型RAG 的三体问答【定位】：Datawhale AI 夏令营第四期 Task3 应用练手demo 【学习手册链接】：https://linklearner.com/activity/14/11/25 【练手材料来源】：《三体》 https://github.com/JessyTsui/awesome_LLM_beginner.git

精读代码，实战进阶&实践Task2好的，根据您的要求，我为您编写了一套适用于每个场景的生图提示词。以下是每个场景的详细描述：女主正在上课

Datawhale X 魔搭 AI夏令营第四期 | AIGC文生图——精读baseline 实战进阶 Task2笔记Hi，大家好，我是半亩花海。最近在继续学习Datawhale X 魔搭举办的2024年AI第四期夏令营的AIGC文生图方向，本次Task2的主要学习内容是借助通义千问、文心一言等大模型工具（无广）进行精读baseline代码，并进行新项目的实战进阶。

Datawhale X 魔搭 AI夏令营（2024第四期）AIGC方向学习笔记这一期是使用可图+lora微调进行文生图任务的比赛文生图也算是跨模态了，输入Prompt文本，输出图片。Prompt很重要，分为prompts和negative prompts。可以指导结果图片的生成。

datawhale - 基于术语词典干预的机器翻译挑战赛（一）torchtext 是一个用于处理文本数据的库，它是 PyTorch 生态系统的一部分。这个库主要用于简化文本数据的预处理和加载过程，使得在深度学习模型中使用文本数据变得更加容易。以下是 torchtext 库的一些主要功能：

DataWhaleAI分子预测夏令营学习笔记

【Datawhale夏令营】大模型技术方向Task1打卡笔记赛事任务：从给定的<客服>与<客户>的群聊对话中, 提取出指定的字段信息。其实就是企业收集了大量的客服与客户之间的对话记录，这些对话记录属于非结构化数据，而企业想通过大模型技术，将它们变为结构化数据，以用于后续的数据治理和数据挖掘，为企业带来更多价值。

住在天上的云

AppBuilder低代码体验：构建雅思大作文组件在4月14日，AppBuilder赢来了一次大更新，具体更新内容见：AppBuilder 2024.04.14发版上线公告。本次更新最大的亮点就是**新增了工作流，低代码制作组件。**具体包括：

【Datawhale LLM学习笔记】一、什么是大型语言模型（LLM）一种旨在理解和生成人类语言的人工智能模型指导大型语言模型生成更为精准的答案LLM面临如下挑战RAG工作可以分为以下4个阶段：数据处理、检索、增强和生成

朝花夕拾666

用趋动云GPU部署自己的Stable Diffusion注：本文内容来自于对DataWhale的开源学习项目——免费GPU线上跑AI项目实践的学习，参见：Docs，引用了多处DataWhale给出的教程。