❝深度好文，作者是iki.ai的联合创始人兼CEO，本篇文章涉及了 RAG 流程中的数据拆分、向量化、查询重写、查询路由等等，在做 RAG 的小伙伴一定知道这些技巧的重要性。推荐仔细阅读，建议收藏，多读几遍，好好实践。❞原文链接：https://pub.towardsai.net/advanced-rag-techniques-an-illustrated-overview-04d193d8fec

编辑：Peter转自：机器之心机器学习有其独特的数学基础，我们用微积分来处理变化无限小的函数，并计算它们的变化；我们使用线性代数来处理计算过程；我们还用概率论与统计学建模不确定性。在这其中，概率论有其独特的地位，模型的预测结果、学习过程、学习目标都可以通过概率的角度来理解。与此同时，从更细的角度来说，随机变量的概率分布也是我们必须理解的内容。在这篇文章中，项目作者介绍了所...

最近一直在接触时间序列，所以打算写一些有关时间序列的文章，预测部分会从规则开始、到传统模型、到机器学习、再到深度学习，此外也会介绍一些时间序列的基本概念，包括自相关、平稳性、滞后性、季节...

背景指数平滑是在 20 世纪 50 年代后期提出的，并激发了一些十分成功的预测方法。使用指数平滑方法生成的预测是过去观测值的加权平均值，并且随着过去观测值离预测值距离的增大，权重呈指数型衰...

最近在做多变量时间序列异常检测相关的工作，顺带也整理了目前市面上比较常用的五个多变量时间序列异常检测数据集，测试集都有标好的label，这五个数据集应该是在这个领域最为常用benchmark的数据集，整理主要来自于很多顶会的对比实验。本文主要介绍五个数据集的具体信息和对应的标准化处理，并给出处理的代码和最终标准化的格式。...

一篇ICLR2023中，和Transformer做时间序列相关的论文。这篇文章提出了CrossFrormer，用来解决多元时间序列问题。CrossFromer主要的切入点在于，之前的Transformer更多的考虑是如何通过时间维度attention建立时序上的关系，而缺少面对多元时间序列预测时，对不同变量关系之间的刻画。这篇文章填补了这个空白，提出了时间维度、变量维度两阶段attention，尤

一、前言Prophet 是由 Facebook 开发的一个开源时间序列预测库，设计考虑了业务场景中的时间序列特点，如季节性变化、假日效应和趋势变化。Prophet 特别适合处理日级别（或以上频率）的时间序列数据，并且在处理缺失数据和异常值方面表现出色。看完这篇文章应该会对整体prophet的使用以及各种常用的主要的配置有个详细的掌握了。二、Prophetgithub地址：https://githu

OpenCastKit 是幻方 AI 开源的 AI 气象大模型工具包，包含了两大气象 SOTA 模型 FourCastNet 和 GraphCast，并提供完整参数开源。用户可以轻松得通过该大模型输出全球高分辨率的气象预测结果。OpenCastKit用 AI 方法对现代数值天气预报（numerical weather prediction, NWP）进行改进提升近两年受到了广泛关注，如 Nvidi

作者网名：船长github地址：https://github.com/Captain1986/CaptainBlackboard引言在深度学习目标检测中，特别是人脸检测中，小目标、小人脸的...

torchmetrics是由pytorch-lightning开源的指标计算库，内置了常见的80+指标计算逻辑，可以直接使用，也可以与pytorch-lightning结合一起使用。安装 & 使用pipinstalltorchmetrics基础案例：#importourlibraryimporttorchmetrics#initializem...