中心思想：《社群领导力：独自成长的时代已经结束》这本书的中心思想是，随着社交媒体和数字化技术的崛起，传统的独自成长的时代已经结束，取而代之的是社群的时代。在这个时代，个人的成...
发简信
IP属地：江西
-
《社群领导力：独自成长的时代已经结束》读书笔记
-
NLP最重要的编码方式--BPE今天想简单聊聊在自然语言处理领域用得比较多，像BERT，GPT等自然语言模型都会用到的技术，BPE，全称是Byte Pair Encoding。 这个技术呢，在面试实习生过程...
-
【面试题】去除字符串中的空格
用python作答下题，不可使用strip和re：给定一个字符串S，去除S首尾的空格，并将字符串中间连续的多个空格替换为1个空格，返回处理后的字符串。 GPT4作答 在这个函...
-
奖励模型Reward Model如何训练？如上图所示，ChatGPT 并不是直接让人工去标注每一句话的真实得分是多少（尽管模型最终要预测的就是每句话的得分），而是让人去对 4 句话按照好坏程度进行「排序」。 通过这个...
-
【面试题】拿球游戏的得分期望
题目 袋子里有10个红球和10个黑球，游戏规则是：拿到红球得1分，拿到黑球减1分，进行无放回拿20次，当你发现继续拿球不利于得分时，可以提前终止比赛，请计算得分的期望。 解答...
-
hugging face预训练模型本地读取指南使用Hugging Face的Transformers库来下载预训练模型bert模型时。以下是下载和使用该模型的示例代码： 这将自动下载预训练模型bert-base-chin...
-
BILSTM+CRF用于命名实体识别任务中的loss
双向长短时记忆网络 (BiLSTM) 与条件随机场 (CRF) 结合是一种常用于序列标注任务的方法。在这种方法中, BiLSTM用于捕捉输入序列的上下文信息, 而CRF用于对...
-
《能力陷阱》读书笔记
《能力陷阱》这本书的主旨是探讨在职场和生活中，人们如何陷入“能力陷阱”中，以及如何避免和克服这种陷阱。 作者讲述了一个人在职场中获得成功的过程中，最初是因为他们拥有一定的技能...
-
最大似然估计，最大后验估计，贝叶斯估计联系与区别
先验概率分布（Prior Probability Distribution）是指在考虑新的证据或数据之前，对某个参数或变量的概率分布进行的假设。在贝叶斯统计中，先验概率分布是...
-
隐马尔可夫模型（HMM）和条件随机场（CRF）
隐马尔可夫模型（HMM）和条件随机场（CRF）都是常见的序列标注模型，用于对序列数据进行分类和标注。下面，我将详细讲解这两种模型，并对比它们的区别。 隐马尔可夫模型（HMM）...
-
中文分词-基于词典的正向最大匹配和逆向最大匹配
中文分词中基于词典的正向最大匹配和逆向最大匹配 正向最大匹配和逆向最大匹配步骤类似，只是方向不同，我以正向匹配为例，先用一句话去总结它： 在做整个正向成词的过程中，我们做了两...
-
机器学习中的特征筛选方法
在机器学习中，特征筛选是一个非常重要的步骤，它可以帮助我们选择最相关的特征，从而提高模型的性能和准确度。下面介绍一些常见的特征筛选方法： 方差选择法（Variance Thr...
-
深度学习中优化器optimizer对比优化器是深度学习领域的重要组成模块之一，执行深度学习任务时采用不同的优化器会产生截然不同的效果。这也是研究者们不遗余力「炼丹」的原因之一。常见的优化算法包括梯度下降（变体 B...
-
结构化数据模型之GBDT vs NN（下）导语 不同于深度学习在CV\NLP领域（处理非结构化数据的问题）上的绝对统治力，在结构化数据建模问题中，基于Boosting思想的GBDT树模型仿佛依然是最简单有效的模型。本...
-
结构化数据模型之GBDT vs NN（上）导语 不同于深度学习在CV\NLP领域（处理非结构化数据的问题）上的绝对统治力，在结构化数据建模问题中，基于Boosting思想的GBDT树模型仿佛依然是最简单有效的模型。本...
-
「动态规划」高频题-解题思路
53.最大子数组和[https://leetcode.cn/problems/maximum-subarray/] 121. 买卖股票的最佳时机[https://leetco...
-
OPTUNA+LIGHTGBM自动化调参
最近在kaggle上有一个调参神器非常热门，在top方案中频频出现，它就是OPTUNA。知道很多小伙伴苦恼于漫长的调参时间里，这次结合一些自己的经验，给大家带来一个LGBM模...