每日AI值得看--2024-12-16

[CSDN-Ada助手]

① 【机器学习】【无监督学习——聚类】从零开始掌握聚类分析：探索数据背后的隐藏模式与应用实例（宸码:[博客] [成就]） [质量分：96；难度等级：未知；新鲜技术：99]
摘要：K-Means算法是一种经典的基于划分的聚类算法，特别适用于大规模数据集。其基本思想是：给定一个数据集和一个整数K，算法通过迭代过程将数据集划分为K个簇，使得每个数据点与其所属簇的中心点（均值）的距离之和最小，最终形成若干个圆形或椭圆形的簇。

② Datawhale AI冬令营（第一期）task2--微调玩法攻略（qq_26249811:[博客] [成就]） [质量分：96；难度等级：未知；新鲜技术：99]
摘要：语气和措辞：模仿人类在不同场景下的语气，如正式、亲切、幽默等。在回答问题时，使用符合人类语言习惯的措辞，使交流更自然流畅。语言风格的多样性：根据不同的应用场景和用户需求，展现出不同的语言风格。比如在文学创作领域，能够模仿不同作家的文风进行创作；

③ 【深度学习量化交易9】miniQMT快速上手教程案例集——使用xtQuant获取基本面数据篇（Mr.看海:[博客] [成就]） [质量分：95；难度等级：未知；新鲜技术：99]
摘要：miniQMT是一个量化交易终端软件。它作为本地服务器运行,负责与交易所建立连接,接收和存储行情数据,并提供数据下载和交易接口。XtQuant是miniQMT的Python接口库,作为Python程序与miniQMT之间的桥梁。

④ VisionPro 机器视觉控件篇 之 CogBlobTool 斑点工具（机器视觉李小白:[博客] [成就]） [质量分：93；难度等级：未知；新鲜技术：99]
摘要：过滤排序。

⑤ Datawhale AI冬令营×讯飞星辰 第二弹：微调大模型初探（这辈子不飞线:[博客] [成就]） [质量分：94；难度等级：未知；新鲜技术：99]
摘要：在上一次按部就班地完成了AI嬛嬛的微调之后，这一次我们的任务是，需要从数据集制作开始，获得一个我们自己的大模型。现在随着社会压力的增加，不少人都或多或少有一些心理疾病或者情感障碍，基于此，我准备想做的是一个关于情感咨询的AI大模型。

⑥ OpenCVE：一款自动收集NVD、MITRE等多源知名漏洞库的开源工具，累计收录CVE 27万+（全栈安全:[博客] [成就]） [质量分：94；难度等级：未知；新鲜技术：99]
摘要：OpenCVE是一个开源项目，旨在帮助用户跟踪和管理其软件和系统中的安全漏洞。它的核心原理是通过集成多个漏洞数据库，自动化地收集和更新漏洞信息，并允许我们根据各种条件搜索、过滤和组织他们，从而为用户提供实时的安全态势感知。

⑦ Datawhale AI冬令营 | 微调玩法（一）人格化大模型的搭建与调试（August_04:[博客] [成就]） [质量分：92；难度等级：未知；新鲜技术：99]
摘要：本文内容是Datawhale Al冬令营学习笔记。@August。

⑧ 人工智能的历史概况和脉络（坐井观老天:[博客] [成就]） [质量分：92；难度等级：未知；新鲜技术：99]
摘要：不幸的是，这些不精确的概念很难用逻辑来表示。随着人工智能能力的增强，对人工智能的投资也随之增加，到 2016 年，人工智能相关产品、硬件和软件的市场规模已超过 80 亿美元，《纽约时报》报道称，人们对人工智能的兴趣已达到“狂热”程度。等高级技能至关重要。

⑨ Day8 神经网络中的导数基础（老板多放点香菜:[博客] [成就]） [质量分：91；难度等级：未知；新鲜技术：99]
摘要：导数（Derivative）是微积分中的一个核心概念，用于描述函数在某一点的变化率。简单来说，导数就是函数值随自变量微小变化而产生的变化量，即斜率或变化率。假设有一个函数fxf(x)fx，其中xxx是自变量，yfxy = f(x)yf。

⑩ python学opencv|读取图像（十三）BGR图像和HSV图像互相转换深入（西猫雷婶:[博客] [成就]） [质量分：89；难度等级：未知；新鲜技术：99]
摘要：探索了png格式的图像，进行BGR-HSV-BGR格式比转换后的对比，发现新图比原图质量更高。