人工智能

Build Your Own Large Language Model From Zero 2 One 最近大模型很火，但是网上整理的资料都太过单一（要么只是整理了模型相关的东西，要么是只整理了某个方

论文题目：Towards Deeper, Lighter and Interpretable Cross Network for CTR Prediction $^{[1]}$ 来源：CIKM2023

论文题目：A Survey on Multimodal Large Language Models$^{[1]}$ Github：link 一、Motivation 多模态大规模语言模型相关技术在最近

论文题目：Intent Contrastive Learning with Cross Subsequences for Sequential Recommendation $^{[1]}$ 论文来源

论文题目：Contrastive Collaborative Filtering for Cold-Start Item Recommendation$^{[1]}$ 论文来源：WWW2023 git

1.相关概念 简单来说就是分为前向传播和反向传播，前向用于预测，反向用于更新参数。例如输入的数据为1，第一层有一个神经元x1，其bias为b1，第二层有一个神经元为x2，其bias为b2。第一层的输出

1.相关概念 这里的UserCF指的是根据用户数据进行协同过滤，挑选与目标user相似的user中没有交互过的item进行推荐。例如给定三段序列u1:[1,2,3,4,5]，u2:[2,3,4,5,9

1.相关概念 这里的ItemCF指的是根据用户交互历史中的item数据进行协同过滤，挑选与目标item相似的item进行推荐。例如给定一段序列[1,2,3,4,5]，推荐目标就是计算与item id为

一、显式数据增强方式 （1）随机mask[1] 给定一段序列[1,2,3,8,9],经过随机mask操作之后可能变为[1,2,0,8,9]。其目标是使用指定的替换数据对原始序列中的一部分数据进行掩盖，

1.折线图 1.1 单一折线图 1.2 多折线图 1.3 双坐标轴 2.饼状图 3.柱状图 3.1 单一柱状图 3.2 多柱状图 3.3 叠加柱状图 4.散点图 4.1 单一散点图 4.2 多散点图

1.基础知识 1.1 准备工作 2.array数组 2.1 创建array数组 2.2 相关操作 2.3 填充操作 3.字符串操作 参考资料 [1] 本节代码

1.基础知识 1.1 准备工作 2.series序列 2.1 创建series序列 一个Series序列就是包含索引index，value的序列 2.2 常见操作 3.DataFrame矩阵 3.1

1.相关概念 这里的PopRec指的是基于流行度的推荐模型，根据item出现的次数来进行推荐，是基于item展现次数的推荐模型，也是推荐领域最简单的模型。 2.代码 2.1 数据预处理 这里使用的是A

1.训练准备 1.1 导入相关包 1.2 加载数据集 1.3 搭建神经网络 1.4 参数初始化 1.5 训练 1.6 测试 2. 使用GPU进行训练 2.1 训练准备 2.2 完整代码 3.模型验证套

1.卷积神经网络的结构 1.1 AlexNet结构[1][2] 输入层：输入的是大小为224x224x3的图像； 第一层：卷积层，卷积核大小为11x11，通道数目为3，输出为96个特征图，步长为2，填

1.神经网络 随着神经科学、认知科学的发展，我们已经知道人类的智能行为都和大脑活动有关。 人类的大脑是一个可以产生意识、思想和情感的器官。受到人脑神经系统的启发，早期的 神经科学家构造了一种模仿人脑神

1.下载数据集 在终端找到logs01所在文件的目录，运行：tensorboard --logdir=logs1 点开生成的链接之后，如下图所示： 1.1 查看数据 2.使用DataLoader加载数

1.学习准备 1.1 需要安装的包 1.2 数据准备 使用类继承DataSet，定义相关函数 打印查看结果 2.使用Tensorboard进行图像变换 2.1 导入相关包 注意：执行上述命令时，必须在

1.相关概念 SVD：Singular Value Decomposition 奇异值分解：将一个矩阵划分为多个矩阵的乘积。 A=UxSigmaxV.T，其中Sigma矩阵只有对角元素，这些对角元素称

1.相关概念 1.1 降维 降维：将高维度的数据集变成低维度易于理解的数据 降维原因：1.使得数据更易于使用；2.降低很多算法的设计开销；3.去除噪声；使得结果易于理解 1.2 主要技术 a）PCA：