Tag Machine Learning
Tìm kiếm bài viết trong Tag Machine Learning
Thấy rõ hơn bản chất "tích lũy – bứt phá – phi tuyến" trong đời sống
1. Lỗi tư duy phổ biến: "Kỳ vọng tuyến tính".
0 0 0
Giải thích về cách tối ưu huấn luyện mô hình Kimi K2 thông qua MuonClip Optimizer, được phát triển dựa trên nền tảng Muon
Một optimizer hiệu quả hơn AdamW trong huấn luyện các mô hình ngôn ngữ lớn (LLM). Dưới đây là phần giải thích chi tiết theo từng thành phần:. . 1.
0 0 5
Phân tích toàn diện tính năng theo dõi vận động cho người cao tuổi
1. PHÂN TÍCH KỸ THUẬT. Cơ chế hoạt động của cảm biến gia tốc (Accelerometer). Nguyên lý cơ bản:.
0 0 6
Vọc vạch Machine Learning: Regularized Linear Models
1. Underfitting và Overfitting.
0 0 11
Vọc vạch Machine Learning: Hồi quy tuyến tính
1. Hồi quy tuyến tính (Linear Regression).
0 0 10
Xây Dựng Mô Hình Ngôn Ngữ Lớn (Phần 5): Tiền huấn luyện với dữ liệu không gán nhãn
File Jupyter Notebook của bài viết này có thể xem tại đây. 1.
0 0 12
RAG có thật sự "Dễ như ăn Kẹo"? Những sự thật phũ phàng ít ai kể!
TL;DR: RAG (Retrieval-Augmented Generation) nghe như viên đạn bạc trong thế giới LLM hiện nay: dễ xây dựng, bảo mật tốt, không bịa chuyện. Nhưng ngoài đời, nó có thể biến giấc mơ AI của bạn thành cơn
0 0 11
Machine Learning Lifecycle: Deployment and Monitor
Thách Thức Trong Triển Khai Mô Hình Machine Learning. Triển khai một mô hình machine learning không chỉ đơn giản là đưa mô hình vào hoạt động mà còn đi kèm với nhiều thách thức.
0 0 18
Machine Learning Lifecycle: Từ thu thập dữ liệu đến triển khai
1. Giới thiệu.
0 0 24
5 Xu Hướng Mới Định Hình Lại Giải Pháp WAF trong năm 2025
Tường lửa Ứng dụng Web (WAF) tiếp tục phát triển nhanh chóng khi bối cảnh mối đe dọa thay đổi và công nghệ mới xuất hiện. Khi các tổ chức đối mặt với các cuộc tấn công ngày càng tinh vi nhắm vào ứng d
0 0 15
[GPU in AI] Bài 3: RAPIDS trong việc xử lí data
Ở bài 2 chúng ta đã đề cập đến việc xử dụng RAPIDS trong việc xử lí và phân tích data bằng GPU thì ở bài viết này mình sẽ hướng dẫn cách dùng. cuDF.
0 0 16
[GPU in AI] Bài 2: RAPIDS và những điều cần biết
Ngày nay data ngày một nhiều dẫn đến việc ETL (Extract, Transform, Load) hay còn gọi là phân tích và xử lí data ( data analyis) ngày một phức tạp và tốn nhiều thời gian nên NVIDIA đã tạo nên RAPIDS gi
0 0 17
Người kiến tạo tri thức: SageMaker và tổng quan các bước trong triển khai mô hình học máy
Mở đầu. Chỉ trong một vài năm trở lại đây, trí tuệ nhân tạo (artificial intelligence), học máy (machine learning), và đặc biệt là học sâu (deep learning) đã cho thấy tốc độ phát triển đáng kinh ngạc,
0 0 26
Paper reading | Read Like Humans: Autonomous, Bidirectional and Iterative Language Modeling for Scene Text Recognition
Đóng góp của bài báo. Các bài toán OCR luôn được sự quan tâm trong giới AI nhờ khả năng ứng dụng rộng rãi Một thách thức lớn mà các model hiện tại gặp phải khi giải quyết bài toán này đó là các scene
0 0 19
Explore How Machine learning is revolutionizing Fintech Sector
The financial industry is one of the major contributors to artificial intelligence technology, and the rate of employment of such technology is growing rapidly. These technologies will be employed in
0 0 11
Research on association rules
Lời mở đầu. Với sự phát triển của công nghệ thông tin thì khối lượng dữ liệu lưu trữ ngày càng lớn, và giữa những lượng dữ liệu khổng lồ đó lại ẩn chứa một số thông tin được coi là chìa khóa dẫn đến t
0 0 20
Làm Thế Nào Embeddings Thay Đổi Cách AI Hiểu Về Ngôn Ngữ?
Mở đầu. Giới thiệu về khái niệm Embeddings. . .
0 0 18
Harnessing Machine Learning for Advanced Data Analytics
In the rapidly evolving landscape of technology, machine learning (ML) has emerged as a cornerstone of advanced data analytics. Its ability to analyze vast amounts of data, identify patterns, and make
0 0 20