1.DatawhaleAI夏令营AIforScience催化反应产率预测Task2这一次课程使用RNN进行催化反应产率预测。总体想法是把数据集中的反应物和产物通过SMILES字符串表示出来,然后根据基本的原子、连接键等将化学反应对应的SMILES字符串转化为整数序列,再通过RNN进行训练和预测。下面的代码是对DataWhale提供的baseline的学习。过程1. 导入必要的库https://www.jianshu.com/p/2761e26de2e4

2.DatawhaleX魔搭AI夏令营第四期魔搭从零入门AI生图原理&实践是Datawhale 2024年AI夏令营第四期“AIGC”方向的学习活动,基于魔搭社区“可图Kolors-LoRA风格故事挑战赛”开展的实践学习。 主要是通过对模型的微调,以及对prompt的调整,可以根据要求生成不同的图片。 下面是跑一遍baseline的过程 https://blog.csdn.net/weixin_74412957/article/details/141109602

3.Datawhale2025AI冬令营第二期来了!2025 AI冬令营,第一期共吸引了 10801 名学习者参与。其中直接参与Datawhale夏令营的有4840 人,覆盖了全球 1088 所高校,613 家企业。另有7 所高校作为联合组织方,基于冬令营内容授权进行学习,共有 5961 名学习者参与。 在第一期学习中,学习教程总访问量超 28469 次,提交学习笔记人数超 1600 人,最后诞生了 121 份https://hub.baai.ac.cn/view/42097

4.Deepfake攻防挑战赛音视频赛题之数据增强(DatawhaleAI夏令营)在之前的博文中,我们探讨了Deepfake任务及其常见网络结构。今天,我想和大家分享数据增强方法,这是一项提升模型性能的重要技术。通过各种数据变换操作,我们可以模拟更真实的场景,帮助模型更好地泛化,从而在未见数据上表现得更出色。精心设计的数据增强方案往往是成功的关键。 https://www.kangle.im/post/98334.html

5.NLPDatawhaleAI夏令营Day3打卡:Bert模型简介:【NLP】Datawhale-AI夏令营Day3打卡:Bert模型 1. 学习内容 AI夏令营第三期–基于论文摘要的文本分类与关键词抽取挑战赛教程 1.1 文本分类的两种实现思路 ? 特征提取 + 机器学习: 数据预处理:首先,对文本数据进行预处理,包括文本清洗(如去除特殊字符、标点符号)、分词等操作。可以使用常见的NLP工具包(如NLTKhttps://developer.aliyun.com/article/1426469

6.DatawhaleAI夏令营第4期Datawhale AI夏令营 Datawhale AI夏令营第4期-应用开发 Datawhale AI夏令营-应用开发task1 Datawhale AI夏令营-应用开发task2 Datawhale AI夏令营-应用开发task3 Datawhale AI夏令营-应用开发task4 Datawhale AI夏令营-应用开发-源大模型微调实战240819直播 LINGUISThttps://flowus.cn/linguistwantstech/share/87fea605-7c8a-4113-8e97-61acd66fd97f

7.2万人参与的AI夏令营,第三期正式报名!欢迎你加入Datawhale AI 夏令营 面向在校学生、在职学习者 提供暑期实践学习机会 一、关于夏令营 Datawhale的AI夏令营是一个在暑期举办的大规模AI学习活动,旨在汇聚产学研资源和开源社区力量,为学习者提供丰富的学习和实践机会,提升他们的专业能力和就业竞争力。 https://weibo.com/ttarticle/p/show?id=2309405060509228466228

8.夏令营一个免费AI夏令营,有兴趣者可报名参加DataWhale的AI夏令营第三期来啦!图片底部扫码即可报名参加。 第二期由于没空参加,第三期当了个宣传大使 你将获得: 1.实习证明 2.证书奖金 3.最新大厂项目 4.代码精读 5.DataWhale的社区交流机会(同国内涵盖清北复交等其他高校的同学,以及海外MIT CMU 剑桥等知名院校的同学一起交流) 本期(第三期)的学习项目有: https://bbs.pku.edu.cn/v2/mobile/post-read-single.php?bid=351&postid=27807673&type=10

9.AIGC基于大语言模型构建PDF文档解析服务,生成内容总结,文档【Datawhale AI 夏令营】Intel LLM Hackathon 天池挑战赛 本地环境搭建 LLM IT蜗壳-Tango 2024/07/15 3060 基于GPT搭建私有知识库聊天机器人(六)仿chatGPT打字机效果 机器人chatgptgpt前端数据 在前几篇文章中,我们已经了解了如何使用 GPT 模型来搭建一个简单的聊天机器人,并在后端使用私有知识库来提供答案。 https://cloud.tencent.com/developer/article/2416224

10.DatawhaleX魔搭AI夏令營第四期(AIGC方向)Task02往期學習:Datawhale X魔搭AI夏令營-第四期(AIGC方向)-Task01-可圖Kolors-LoRA風格故事挑戰賽 本期學習的主要內容為: 使用阿里雲的“通義千問”大模型,來解釋並幫助我們讀懂Task1中的程式碼。 使用“通義千問”大模型來輔助設計生圖提示詞,並生成8圖話劇。 https://iter01.com/6698060.html

11.从零入门nlp竞赛千里之行,始于足下,从这里,开启你的 AI 学习之旅吧!? 记得在完成速通后,填写打卡表单抽奖哟~? —— Datawhale贡献者团队? Datawhale 2024 年 AI 夏令营第二期 飞书用户56942024年7月12日 还没报名夏令营记得扫码报名,加入学习群学习效果更佳哟~https://datawhaler.feishu.cn/wiki/TObSwHZdFi2y0XktauWcolpcnyf

12.2024DatawhaleAI夏令营Task3笔记——Baseline2部分代码解读【2024】Datawhale AI夏令营 Task3笔记——Baseline2部分代码解读及初步上分思路 本文对可完成赛事“逻辑推理赛道:复杂推理能力评估”初赛的Baseline2部分关键代码进行详细解读,介绍Baseline2涉及的关键技术和初步上分思路。 Baseline2代码由Datawhale AI夏令营提供,核心内容是将大语言模型部署至本地,并在此基础上使用Lora技https://www.jindouyun.cn/document/industry/details/240149