陶恒franz

# 多模态RAG调研# 建立多模态RAG技术能力，需要解决以下几点问题## 如何有效地解析和索引多模态文档MRAG系统需要对多模态文档进行解析和索引。这包括**提取文本内容(...

陶恒franz

# 文档智能技术路线## 文档智能技术pipeline和end2end的区别| **技术类型** | **Pipeline（OCR-nofree）** | **En...

陶恒franz

# Introduction本章介绍的是深度玻尔兹曼机(Deep Boltzmann Machines，DBM)，应该算是玻尔兹曼机系列的最后一个模型了。我们前面介绍的三种玻...

陶恒franz

在上一小节中，我们分析了Mean Field Theory Variational Inference，通过平均假设来得到变分推断的理论，是一种classical VI，我们...

陶恒franz

我们将$X$：Observed data；$Z$：Latent Variable + Parameters。那么$(X,Z)$为complete data。根据我们的贝叶斯分...

陶恒franz

可以根据数据约束和任务要求设计机器学习系统的不同方式。## Intuition在本课程中，将讨论处理特征、从中学习、对模型进行试验和为它们提供服务的不同选项。还将讨论基础架构...

陶恒franz

使用工作流建立持续集成和交付管道，以可靠地迭代应用程序。# intuition持续集成 (CI) 允许团队以结构化的方式开发、测试和集成代码。这使团队可以更加自信和频繁地开发...

陶恒franz

# 监督 vs 非监督监督或非监督学习，按照任务分可以将生成模型实现的功能分成以下几种，包括：{分类，回归，标记，降维，聚类，特征学习，密度估计，生产数据。## 监督任务监督...

陶恒franz

# 监督 vs 非监督监督或非监督学习，按照任务分可以将生成模型实现的功能分成以下几种，包括：{分类，回归，标记，降维，聚类，特征学习，密度估计，生产数据。## 监督任务监督...

陶恒franz

跟踪工作的变化以实现可重复性和协作。## Intuition无论是单独工作还是与团队一起工作，重要的是有一个系统来跟踪项目的变化，这样就可以恢复到以前的版本，这样其他人就可以...

陶恒franz

# 生成模型的定义前面所详细描述的模型以浅层的机器学习为主。本章将承上启下引出后面深度机器学习的部分。本小节，主要讲述的是什么是生成模型，它是不是只是生成样本，生成数据？它的...

陶恒franz

使用预提交 git 钩子来确保在提交之前进行检查。## Intuition在对本地存储库执行提交之前，心理待办事项列表上有很多项目，从样式、格式化、测试等。很容易忘记其中的一...

陶恒franz

## Intuition在本课中，将学习如何测试代码、数据和模型，以构建可以可靠迭代的机器学习系统。测试是确保某些东西按预期工作的一种方式。被激励在开发周期中尽早实施测试并发...

陶恒franz

设计和部署 API 以服务于机器学习模型。## Intuition[CLI 应用程序](https://franztao.github.io/2022/10/01/comma...

陶恒franz

使用命令行界面 (CLI) 应用程序来组织应用程序的进程。## Intuition当模型要提供服务时，需要考虑将应用程序的功能公开给自己、团队成员以及最终最终使用用户。实现这...