摘要：
1、随机过程数学知识 形式：样本空间={样本点1、样本点2...样本点n}，事件A={样本点1，样本点3} 概率空间： 随机向量：多维随机向量 随机过程比如股票价格，每个时间点是一个随机变量，有时间和状态，可以分类： 固定状态，得到的随机过程的一次实现 离散型随机变量的期望： 连续的期望： 连续型随 阅读全文
摘要：
0、推荐系统 推荐系统本质上是一个过滤系统，是将海量的信息进行逐步过滤，最终为用户（user）在特定场景呈现他最可能喜欢的东西。事实上所有的推荐系统都是围绕着用户、场景及物品这三点来做文章。无论是推荐、电商抑或是广告系统，都是在充分利这三点信息的情况下，最大程度地去逼近各自的目标（留存、点击等） 【 阅读全文
摘要：
1、nlp数据增强 同义词替换：就是在文本中随机抽取一个单词，然后再同义词库里将其替换为同义词 词嵌入替换：采取已经预训练好的单词嵌入向量，将嵌入空间中最近的邻接词作为句子中某些单词的替换。 基于TF-IDF的单词替换：TF-IDF得分低的单词是没有信息量的的词，因此可以替换，不大影响句子的原本含义 阅读全文
摘要：
1、冷启动挑战： 1️⃣我们一般对新用户知之甚少， 所以基本不知道用户的真实兴趣，从而很难为用户推荐他喜欢的标的物； 2️⃣对于新的标的物，我们也不知道什么用户会喜欢它，很多时候标的物的信息不完善、包含的信息不好处理、数据杂乱，或者是新标的物产生的速度太快(如新闻类，一般通过爬虫可以短时间爬取大量的 阅读全文
摘要：
1.cv概念 视觉识别任务有分类、语义分割、目标检测、实例分割 语义分割是像素级的分割： 所以一个种类就一个颜色 目标检测：目标检测模型可以识别一张图片的多个物体，并可以定位出不同物体（给出边界框）。目标检测在很多场景有用，如无人驾驶和安防系统。 实例分割（ instance segmentatio 阅读全文
摘要：
1、zero-shot Learning 定义：模型通过训练集和类别描述，要能将未知的类别识别出来（网络能够推理了！） 核心思想：先得到类别（如狗）和语义向量的一一对应关系，语义向量的每个维度就是类别描述（如颜色，大小），这样就从特征x >类别y，转换成从特征x--（w）-->语义向量y，训练集训练 阅读全文
摘要：
https://blog.csdn.net/qq_39309652/article/details/121008114 Jieba分词的原理是什么 首先用正则表达式将中文段落粗略的分成一个个句子。 将每个句子构造成有向无环图，之后寻找最佳切分方案。 最后对于连续的单字，采用HMM模型将其再次划分。 阅读全文
摘要：
Q5、什么是pep？ PEP代表Python Enhancement Proposal。它是一组规则，指定如何格式化Python代码以获得最大可读性。 Q6、如何在Python中管理内存？ python中的内存管理由Python私有堆空间管理。所有Python对象和数据结构都位于私有堆中。程序员无权 阅读全文
摘要：
1、elu ELU函数是针对ReLU函数的一个改进型，相比于ReLU函数，在输入为负数的情况下，是有一定的输出的 1、bert NLP中有各种各样的任务，比如分类（Classification），问答（QA），实体命名识别（NER）等。对于这些不同的任务，最早的做法是根据每类任务定制不同的模型，输入 阅读全文
摘要：
1、三个单引号能实现换行定义字符串： 1、__call__：类中定义该函数，对象()就会调用它 2、 冒号后面是建议传入的参数类型 箭头后面是建议函数返回的类型 如： def greeting(name: str) -> str: return 'Hello ' + name 输入参数 name 为 阅读全文