深度学习实战通关指南 ⛵ 顶级「炼丹师」案例驱动成长之路

本文介绍大名鼎鼎的 OpenAI！概述其发展历程，并介绍几款已经实际落地的 AI 应用：GPT3、CLIP、DALL·E 2、Whisper、Codex、ChatGPT。

本文对百度开源的中文 AI 图像生成器 ERNIE 进行讲解，包括工具简介、通过Demo页面和API两种使用方式，以及使用中文提示词生成的图像效果。

本文浅试Meta开源的大型AI语言模型『Galactica』，带大家体验安装与多场景使用。Galactica被称为“最懂科学的智能NLP模型”，能够预测蛋白质标注！创建讲义！解释数学公式！全都会！

本文详细介绍 GECToR 这一优秀的文本纠错模型，使用 Transformer 编码器的序列标注器，以保证文本数据的质量，进而提升NLP模型的效果。

如何快速部署机器学习模型？本文是机器学习工业部署的 best practice（最佳实践)！详细讲解了如何操作机器学习开源框架 BentoML，帮助研发团队轻松打包机器学习模型，并重现该模型以用于生产

随着Diffusion Model的普及，AI绘画只需要你输入文本描述，模型就能在几分钟内生成精准匹配的精美图像。本文从使用步骤、费用和商用等角度对3个主流平台进行比较：DALL·E2、Midjour

借助AI进行邮件正文与附件内容的识别，可以极大提高工作效率。本文讲解如何设计一个AI系统，完成邮件内容意图检测：架构初揽、邮件正文&附件的理解与处理、搭建多数据源混合网络、训练&评估。

『人工智能+新药研发』已经成为国内外医药企业的发展新模式！本文讲解 AI 在新药研发领域的诸多应用方向与 MolSearch 工具库的应用实践——药物晶型预测、靶点选择、患者招募、虚拟药物筛选……

通过使用 AI 高级算法（各类 Diffusion 模型），它们可以根据人类的提示文本信息创作极其精美的艺术画品，从肖像到风景画，全部都能完成，创作的精美逼真程度有时甚至与人类艺术家不相上下。

本文介绍AI模型适用于小型本地设备上的方法技术：压缩模型参数量，设计更小的模型结构，知识蒸馏，调整数据格式，数据复用等，并介绍移动小处理设备的类型、适用移动设备的模型框架等。

本文从常见的推荐系统方法（基于内容、协同过滤等近邻算法、基于知识等）讲起，一直覆盖到前沿的新式推荐系统，不仅详细讲解原理，还手把手教大家如何用代码实现。

本文使用tf-idf（词频-逆文件频率）、lsi（潜在语义索引）和 doc2vec(文档向量化嵌入)这3种最基础的NLP文档嵌入技术，对文本进行嵌入操作并完成比对检索，构建一个基础版文本搜索引擎。

现在 AI 技术已经在发挥作用帮助我们与时间赛跑，挽回更多生命和损失。本文我们也介绍一下『机器学习』和『深度学习』等人工智能技术在森林火灾扑救过程中的应用。

AI识万物 | 从0搭建和部署手语识别系统，检测手语并将翻译！搭建和部署完成后，你可以通过摄像头，轻松测试模型啦~

本文讲解音频检索技术及其广泛的应用场景。以『听曲识歌』为例，技术流程为具对已知歌曲抽取特征并构建特征向量库，而对于待检索的歌曲音频，同样做特征抽取后进行比对和快速匹配。

音乐领域，借助于歌曲相关信息，模型可以根据歌曲的音频和歌词特征，将歌曲精准进行流派分类。本文讲解如何基于机器学习完成对音乐的识别分类。

本文使用 GAN(生成对抗网络)进行AI绘画。torchgan是基于PyTorch的一个GAN工具库，本文讲解搭建DCGAN神经网络，并应用于『莫奈』风格绘画的全过程。

本文将基于保险欺诈场景案例讲解如何进行有效的图挖掘，并将挖掘到的信息提供给AI模型，辅助精准检测和识别商业保险欺诈。

一学就会！小白的终极神经网络搭建实战教程！环境设置、神经网络拆解、深度神经网络、模型搭建、神经网络结构可视化、训练和测试评估、模型可解释性！

U-Net是一种卷积网络架构，用于快速、精确地分割生物医学图像。本文讲解使用 U-Net 进行肺部影像分割的案例全过程。【代码与数据集亲测可运行】