监督学习（Supervised Learning）是机器学习中的一个重要学习方式，它主要利用一组已知类别的样本来训练模型，使模型能够预测新样本的输出。以下是对监...

在本文中，我们将探讨机器学习的目的以及何时应该使用特定技术。因此，我们将根据简单的示例了解它们的工作原理。

与监督学习不同，无监督学习不依赖于带标签的数据。在无监督学习中，数据集没有明确的标签，算法的任务是从数据中挖掘潜在的结构或模式。常见的无监督学习任务包括聚类、降...

近期，BCG AI研究所与默克公司合作开发的TEDDY模型家族——基于116百万单细胞数据训练的首个单细胞基础模型，通过大规模数据整合和生物注释监督学习，在疾病...

监督学习，也称为指令微调，是大型语言模型 (LLM) 训练过程的第二阶段。这是一个关键阶段，它建立在自监督学习阶段获得的基础知识之上。

蛋白质语言模型（Protein Language Models, pLMs）已成为研究蛋白质序列与功能之间关系的重要工具。这些模型通过自监督学习从蛋白质序列中提...

该结果表明，当两个学习过程都有足够的数据或计算时，蒸馏不能产生比监督学习更低的模型交叉熵。但是，如果以下两个条件都成立，则蒸馏比监督学习更有效：

准确率通常定义为正确预测的比例（包括真正例和真负例）与总案例数之比。如果你熟悉监督学习中的分类问题，可能已经对这个指标有所了解。在检索和RAG的背景下，它的计算...

由于公司的愿景逐渐调整为ONE Tech Company，公司的IT战略也逐渐地朝着Data & AI Driven发展，因此近半年来我一直在学习大模型相关的东...

合成孔径雷达（Synthetic Aperture Radar, SAR）作为一种基于电磁波的主动探测技术，具有全天时、全天候的对地观测能力，已发展成为一种不可...

随着人工智能（AI）的飞速发展，计算机视觉（CV）已经成为支撑多种AI应用的重要基础。从自动驾驶汽车、面部识别系统到精准医疗影像分析，计算机视觉的技术正在极大地...

  贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，所以统称为贝叶斯分类。朴素贝叶斯是一种贝叶斯分类算法，在许多场合可以与决策树和神经网络分类算法...

  本文将会首先介绍集成学习的思路以及一些常用的集成学习方法，然后介绍梯度提升决策树模型。在前面的文章中，我们讲解了许多不同的机器学习算法，每个算法都有其独特的...

  本文开始，我们将介绍机器学习中与神经网络并行的另一大类模型——决策树（decision tree）模型及其变种。决策树模型是非参数化模型。决策树模型简称树模...

  本文将会介绍机器学习中最重要的内容之一——神经网络（neural network，NN），它是深度学习的基础。神经网络的名称来源于生物中的神经元。自有计算机...

  从本文开始，我们介绍参数化模型中的非线性模型。在前几篇文章中，我们介绍了线性回归与逻辑斯谛回归模型。这两个模型都有一个共同的特征：包含线性预测因子

  在介绍了机器学习中相关的基本概念和技巧后，本章我们继续讲解参数化模型中的线性模型。有了前文的基础，我们可以先来对KNN算法和线性回归进行比较，进一步回答“什...

合成孔径雷达（Synthetic Aperture Radar, SAR）作为一种基于电磁波的主动探测技术，具有全天时、全天候的对地观测能力，已发展成为一种不可...

文本是一类非常重要的非结构化数据，如何表示文本数据一直是机器学习领域的一个重点研究方向。文本向量就是深度学习时代产生的一种文本表示的方法。

论文链接：https://arxiv.org/pdf/2104.08683.pdf