标签: #machine-learning
关于 GPU、LLM、MLOps、Kubernetes 以及心态的文章 · 7 篇
面向 AI/ML 的 Python 完全指南：精通 NumPy、Pandas、Matplotlib、Scikit-learn
面向 AI 与机器学习的 Python 生态系统完全精通指南。通过实战示例掌握 NumPy 数组运算、Pandas 数据处理、Matplotlib/Seaborn 可视化，直至用 Scikit-learn 完成机器学习。
2026-03-17 · 35 分钟阅读 #python#numpy#pandas#scikit-learn#matplotlibAI/ML 数学完全指南：线性代数、微积分与概率统计
一份帮你彻底掌握理解 AI 与机器学习所需核心数学的指南。涵盖线性代数(向量、矩阵、特征值)、微积分(偏导数、链式法则)、概率统计(概率分布、最大似然估计、贝叶斯)，并配合直观讲解。
2026-03-17 · 34 分钟阅读 #mathematics#linear-algebra#calculus#probability#statistics数据中心 AI(Data-Centric AI)完全指南：用高质量数据将 AI 性能拉满
一份让你彻底掌握数据中心 AI 的指南。从数据质量测量、标签清洗、数据增强、合成数据生成，到 Cleanlab、主动学习、数据飞轮，全部配上实战代码讲解。
2026-03-17 · 33 分钟阅读 #data-centric-ai#data-quality#data-labeling#synthetic-data#aiAutoML 完全指南：用 AutoGluon、FLAML、Optuna 打造自动化 ML 流水线
一份彻底掌握 AutoML 的指南。通过实战代码学习超参数优化(Optuna、Ray Tune)、AutoGluon、FLAML、H2O AutoML、神经网络架构搜索(NAS)，以及 AutoML 正在如何改变数据科学。
2026-03-17 · 26 分钟阅读 #automl#autogluon#optuna#hyperparameter-optimization#neural-architecture-search表格数据 ML 完全指南:精通 XGBoost、LightGBM、CatBoost 和 TabNet
在表格数据上取得最佳性能的 ML 完全指南。通过 Kaggle 级别的实战技巧,掌握 XGBoost、LightGBM、CatBoost 集成、特征工程、超参数优化,以及基于深度学习的 TabNet。
2026-03-17 · 32 分钟阅读 #tabular-ml#xgboost#lightgbm#catboost#gradient-boostingAI/ML 论文阅读必备数学 + LaTeX/KaTeX 全面整理
全面整理阅读 AI/ML 论文时必然会遇到的数学概念(线性代数、微积分、概率统计、最优化)与 LaTeX/KaTeX 公式语法,以实战示例为核心讲解。从符号速查表、公式模式解析,到 MDX 博客渲染技巧,一次讲清楚。
2026-03-08 · 24 分钟阅读 #ai-papers#math#latex#katex#linear-algebraMLOps Feature Store 实战 — 用 Feast 构建特征流水线
用 Feast 构建离线/在线特征存储，打造在训练和在线服务(serving)中提供一致特征的实战流水线
2026-03-02 · 12 分钟阅读 #mlops#feast#feature-store#machine-learning#data-engineering