News · 资讯
聚合技术动态、框架版本与工程实践，帮你在学习路线之外保持对行业的敏感度。
为什么需要版本控制，Git 与集中式工具的区别。
在Transformer模型成功解决NLP任务后，相同或类似的架构也被应用于计算机视觉任务。越来越多的人开始关注构建能够结合视觉和自然语言能力的模型。其中一个尝试是由OpenAI完成的，称为CLIP和…
你已经快完成这门课程了，希望到现在为止，你已经清楚地了解到人工智能是基于一系列正式的数学方法，这些方法使我们能够发现数据中的关系，并训练模型以复制人类行为的某些方面。在当下，我们认为人工智能是一种非常…
实现智能的一种可能方法是所谓的涌现（或协同）方法，其基于这样一个事实：许多相对简单的智能体的组合行为可以导致整个系统表现出更复杂（或更智能）的行为。从理论上讲，这种方法基于[集体智能](https:/…
Mountain Car 环境中，汽车被困在一个山谷中。你的目标是跳出山谷并到达旗帜处。你可以执行的动作包括向左加速、向右加速或保持不动。你可以观察汽车在 x 轴上的位置以及速度。
强化学习（RL）被认为是机器学习的基本范式之一，与监督学习和无监督学习并列。在监督学习中，我们依赖于具有已知结果的数据集，而强化学习则基于通过实践学习。例如，当我们第一次看到一个电脑游戏时，即使不知道…
遗传算法 (GA) 基于一种进化式方法，通过模拟种群的进化过程来为给定问题找到最优解。这种方法由 [John Henry Holland](https://wikipedia.org/wiki/Joh…
在我们之前的所有任务中，我们都使用带标签的数据集训练神经网络来完成特定任务。而对于像 BERT 这样的大型 Transformer 模型，我们通过自监督的方式进行语言建模来构建语言模型，然后通过进一步…
来自 [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) 的实验任务。
到目前为止，我们主要集中在一个自然语言处理（NLP）任务——分类。然而，神经网络还可以完成其他的NLP任务，其中之一就是[命名实体识别](https://wikipedia.org/wiki/Name…
在自然语言处理领域中，机器翻译是一个非常重要的问题，它是像谷歌翻译这样的工具的核心任务。在本节中，我们将重点讨论机器翻译，或者更广泛地说，任何序列到序列任务（也称为句子转换）。
来自 [AI 初学者课程](https://github.com/microsoft/ai-for-beginners) 的实验任务。
循环神经网络（RNN）及其门控单元变体（如长短时记忆单元 LSTM 和门控循环单元 GRU）提供了一种语言建模机制，它们可以学习单词的顺序并预测序列中的下一个单词。这使得我们可以使用 RNN 执行生成…
在之前的章节中，我们使用了丰富的文本语义表示，并在嵌入层之上使用了一个简单的线性分类器。这种架构能够捕捉句子中词语的整体意义，但它没有考虑到词语的顺序，因为嵌入层上的聚合操作会丢失原始文本中的顺序信息…
来自 [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) 的实验任务。