– Volume 2 – 20 Deep Learning 21 Convolutional Neural Nets (CNNs) 22 Recurrent Nerual Nets (RNNs) 23 Keras Part 1 24 Keras Part 2 25 Autoencoders 26 Reinforcement Learning 27 Generative Adversarial Networks (GANs) 28 Creative Applications 29 Datasets 30 Glossary

将labelme数据标注格式转换为YoloV8语义分割数据集，并可自动划分训练集和验证集

计算机行业周报：Chat GPT开启AI新纪元，通用大模型潜力释放.pdf

包含五百多张救生衣图像数据，可用作深度学习模型训练，测试，yolo等目标检测或图像分割算法等

SYSU_课程 介绍 本项目分享了本人及友友们在中山大学计算机学院计算机科学与技术专业的课程资料，项目，笔记，回忆或收集的期末考试资料等。希望对你们有启发或帮助〜如果喜欢不妨碍点个star嘻嘻！ 资料表明参考，同学们可自由共享取阅（如若转发请注明出处！谢谢！）。 指数 本仓库中收录的课程及资料目录： :curly_loop: 意味着空（本来就无） 课程 老师 学期 教材/课件 笔记 作业/答案 试卷 项目链接 黄华威 大三上 :check_mark: :check_mark: :curly_loop: :check_mark: 权小军 大三上 :check_mark: :curly_loop: :check_mark: :check_mark: 成慧 大三上 :check_mark: :curly_loop: 陈旭 大三上 :check_mark: :check_mark: :curly_loop: :check_mark: 饶洋辉 大三上 :check_mark: :check_mark: :check_mark: :check_

4月17日，医疗软件公司Epic Systems Corp.芝加哥举行的 HIMSS 会议上发表声明称，它正在将GTP-4 等 OpenAI LP 服务整合到其电子医疗记录中。以帮助医护人员回复患者信息和分析医疗记录。 来源：siliconANGLE 微软 AI 平台公司副总裁 Eric Boyd 表示，“GPT-4可以自动化解决复杂的工作流程和更有效地从医疗记录中收集反馈，帮助医生进行更明智的决策并提供更个性化的帮助，比如，GPT-4可以为Epic的数据探索工具SlicerDicer带来自然语言查询和“数据分析”功能，有了它，医生将能够以更直观、对话的方式探索数据。” Epic Systems Corp. 是一家医疗信息技术公司,总部位于美国威斯康星州。该公司主要面向大型综合医院以及医疗网络，开发和销售医院和诊所使用的电子健康档案系统。 Epic 的主要产品是一套集成的电子健康档案软件,可以管理病人的医疗信息,包括:病历记录 和电子处方、 门诊和住院治疗、手术室管理等。Epic 的电子健康档案系统被全美大约 250 多家医院和大型医疗机构使用,其中许多排名全美前 100 强。该公司

GB9706.1-2020要求的电气绝缘图绘制方法指导，让你从0到1学会 绝缘图的实际案例，包含所有相关的绝缘路径，以及介电强度，爬电距离和电气间隙的值

ChatGPT是一种基于自然语言处理和深度学习技术的聊天机器人，它可以模拟人类的语言行为，与用户进行自然、流畅、富有逻辑的对话。ChatGPT的优点在于它可以快速地进行训练和部署，适用于各种不同的应用场景，如在线客服、智能助手、教育领域等。以下是ChatGPT的一些特点和优势： 基于GPT技术：ChatGPT是基于著名的语言模型GPT（Generative Pre-training Transformer）技术开发的，GPT技术可以让ChatGPT具有更强的语言理解和生成能力，从而实现更加自然、流畅的对话效果。 可扩展性强：ChatGPT可以通过增加训练数据和改变模型结构来实现更好的性能，同时也支持多语言的处理，可以适应不同语言和文化背景的用户需求。 可定制化：ChatGPT可以基于不同的应用场景和需求进行定制，通过人工干预和调参来提高模型的准确性和效率，从而实现更好的用户体验。 智能化：ChatGPT可以通过学习用户的行为和偏好来优化对话，从而实现更加智能化的对话效果，满足用户的个性化需求。

生成模型是一种机器学习模型，可以从已有的数据中生成全新的数据。这种模型在各种领域都有广泛的应用，如自然语言处理、计算机视觉和音频处理等。本文介绍了生成模型的基本原理和常用方法，包括基于规则的生成模型和基于概率的生成模型。基于规则的生成模型是通过事先定义一些规则来生成新的数据，但通常需要大量的人工工作。相比之下，基于概率的生成模型可以自动从已有的数据中学习规律，并生成符合这些规律的新数据。基于概率的生成模型有很多种方法，如概率图模型、隐马尔可夫模型和生成对抗网络等。这些方法在不同的场景下都有不同的优势和适用性，研究人员可以根据具体的需求选择合适的方法。最后，本文还讨论了生成模型的应用，并展望了未来的研究方向。

AI大模型是人工智能迈向通用智能的里程碑技术。深度学习作为新一代人工智能的标志性技术，完全依赖模型自动从数据中学习知识，在显著提升性能的同时，也面临着通用数据激增与专用数据匮乏的矛盾。AI大模型兼具“大规模”和“预训练”两种属性，面向实际任务建模前需在海量通用数据上进行预先训练，能大幅提升AI的泛化性、通用性、实用性。