OpenMLDB是一个开源机器学习数据库，面向机器学习应用提供正确、高效数据供给。OpenMLDB 致力于解决 AI 工程化落地的数据治理难题，并且已经在上百个企业级人工智能场景中得到落地。OpenMLDB 优先开源了特征数据治理能力，依托 SQL 的开发能力，为企业级机器学习应用提供线上线下计算一致、高性能低门槛的生产级特征平台

Coursera吴恩达机器学习课程整理

预训练语言模型(PLMs)是在大规模语料库上以自监督方式进行预训练的语言模型。在过去的几年中，这些PLM从根本上改变了自然语言处理社区。在本教程中，我们旨在从两个角度提供广泛而全面的介绍:为什么这些PLM有效，以及如何在NLP任务中使用它们。本教程的第一部分对PLM进行了一些有见地的分析，部分解释了PLM出色的下游性能。第二部分首先关注如何将对比学习应用于PLM，以改进由PLM提取的表示，然后说明如何在不同情况下将这些PLM应用于下游任务。这些情况包括在数据稀缺的情况下对PLM进行微调，以及使用具有参数效率的PLM。我们相信，不同背景的与会者会发现本教程内容丰富和有用。

TF Model building/training/evaluating for simple nlp task just by params configuration, training/evaluating monitor and params configure GUI with streamlit.

人工智能PPT，，，，哈工大 赵老师，，，，，智能搜索算法 人工智能PPT，，，，哈工大 赵老师，，，，，智能搜索算法 人工智能PPT，，，，哈工大 赵老师，，，，，智能搜索算法

python本科毕业设计基于深度学习的人脸识别考勤系统。具备基础的人脸录入，人脸识别，考勤管理，课堂管理，班级管理，日志管理等功能。此Python项目是整体项目的人脸识别部分，基于深度学习的FaceNet算法，对人脸特征进行提取，判断是否输入。python本科毕业设计基于深度学习的人脸识别考勤系统。具备基础的人脸录入，人脸识别，考勤管理，课堂管理，班级管理，日志管理等功能。此Python项目是整体项目的人脸识别部分，基于深度学习的FaceNet算法，对人脸特征进行提取，判断是否输入。python本科毕业设计基于深度学习的人脸识别考勤系统。具备基础的人脸录入，人脸识别，考勤管理，课堂管理，班级管理，日志管理等功能。此Python项目是整体项目的人脸识别部分，基于深度学习的FaceNet算法，对人脸特征进行提取，判断是否输入。python本科毕业设计基于深度学习的人脸识别考勤系统。具备基础的人脸录入，人脸识别，考勤管理，课堂管理，班级管理，日志管理等功能。此Python项目是整体项目的人脸识别部分，基于深度学习的FaceNet算法，对人脸特征进行提取，判断是否输入。

基于Tensorflow车牌识别的完整项目全部源代码.zip 主要识别流程 车牌定位：使用 opencv 库函数进行形态学操作，初步定位车牌位置，得到预选区域 车牌筛选：通过训练好的卷积神经网络，对预选区域进行进一步筛选，得到较准确的车牌图片 字符分割：对车牌图片再次进行形态学操作，然后将车牌图片上的字符分割开 字符识别：最后再用卷积神经网络识别字符，输出结果 车牌筛选 和 字符识别 使用不同的卷积神经网络 基于Tensorflow车牌识别的完整项目全部源代码.zip 操作步骤 首先搭建 Python 3.6.13 的基础环境 然后通过 pip 导入 requirements.txt 中所需的 Python 包 运行 cnn_plate.py 和 cnn_char.py 进行模型的训练 调整 lpr_main.py 中模型的路径，最后运行，输出结果 基于Tensorflow车牌识别的完整项目全部源代码.zip基于Tensorflow车牌识别的完整项目全部源代码.zip基于Tensorflow车牌识别的完整项目全部源代码.zip

九宫格排列问题，使用全局择优算法解决该问题，编码方式为C#。

人工智能&深度学习： 人工智能及简史 人工智能经历了三个阶段： 推理期（50~70年代）其出发点是，数学家真聪明。让计算机具有逻辑推理能力：为什么仅有逻辑推理能力不能实现人工智能？困难在哪里？ 知识期（70年代中期始）其出发点是，知识就是力量。让计算机具有知识：由人把知识总结出来，再教给计算机——这是相当困难的 学习期（90年代至今）其出发点是，让系统自己学 机器学习&深度学习 开源深度学习框架 人工智能展望

新能源汽车-电动机的分类.pdf