本周 hyperAI超神经将在 B 站 7×24h 直播该课程,一起来学习吧~
不雅观看地址:
http://live.bilibili.com/26483094
6 月 24 日-6 月 28 日,hyper.ai 官网更新速览:
优质公共数据集:10 个
优质教程精选:3 个
社区文章精选:4 篇
热门百科词条:5 条
7 月截稿顶会:4 个
访问官网:hyper.ai
公共数据集精选
1. GeoChat Instruct 遥感多模态指令跟踪数据集
该数据集包含近 31.8 万条指令,旨在扩展多模态指令调度到遥感领域,以演习多任务会话助理。干系论文成果已被 CVPR 2024 接管。
直策应用:https://go.hyper.ai/CXu0K
2. RRSIS-D 大型遥感图像分割数据集
该数据集包含 17,402 个图像-描述-掩码三元组,覆盖多种空间分辨率和物体方向。干系论文成果已被 CVPR 2024 接管。
直策应用:https://go.hyper.ai/1VRQG
3. Earth Parser Dataset 遥感测绘数据集
该数据集是用于演习和评估大型、未经整理的空中 LiDAR 扫描的解析方法。数据集包含 7 个场景,覆盖面积超过 7.7 平方公里,统共 9,800 万个 3D 点。干系论文成果已被 CVPR 2024 接管。
直策应用:https://go.hyper.ai/3pFjm
4. Harvard-GF3300 视网膜神经疾病(青光眼)数据集
该数据集是一个包括 3,300 名受试者的视网膜神经疾病(青光眼)数据集,含有 2D 和 3D 图像数据,数据集中包含了来自 3 个紧张种族群体(白人、黑人和亚洲人)相等数量的受试者,这避免了可能稠浊公正学习问题的数据不平衡问题。
直策应用:https://go.hyper.ai/vIhu6
5. Dental X-ray Images for Analysis 牙科 X 射线图像数据集
该数据集包含各种各样的牙齿正畸断层扫描 (OPG) X 射线图像,70 个高质量样本。通过供应注释,此数据集可用于演习和测试机器学习模型,以进行牙齿类型分类、非常检测等牙科图像剖析任务。
直策应用:https://go.hyper.ai/vK9zz
6. 多区域骨折 X 射线数据集
该数据集包含骨折和非骨折的 X 射线图像,涵盖所有解剖身体区域,包括下肢、上肢、腰椎、臀部、膝盖等。数据集分为演习、测试和验证文件夹,共 10,580 张放射图像(X 射线)数据。
直策应用:https://go.hyper.ai/Yk1bA
7. 水果蔬菜图像识别数据集
该数据集包含 10 种水果和 26 种蔬菜的图像,每种种别都分为了演习、测试和验证集,为图像识别任务供应了多样化的凑集。
直策应用:https://go.hyper.ai/FdfRK
8. Character Codex 人物角色数据集
该数据集包含来自各种媒体类型和流派的 15,939 个热门角色信息。每个条款都包含有关角色、媒体来源和涉及角色的独特场景的详细信息。
直策应用:https://go.hyper.ai/wf1q1
9. RepLiQA 用于基准测试的可能问答数据集
RepLiQA 是一个包含「高下文-问题-答案」三元组的评估数据集,涵盖了 17 个主题或文档种别,旨在测试大型措辞模型 (LLM) 在供应的文档中查找和利用高下文信息的能力。
直策应用:https://go.hyper.ai/ZkSYD
10. CS-Eval 大模型网络安全评测数据集
该数据集覆盖 11 个网络安全大类领域、 42 个子类领域,4,369 多项选择题、判断题、知识抽取题,供应知识型和实战型的综合评估任务,支持用户自主评测,同时为大模型落地网络安全供应参考和启示。
直策应用:https://go.hyper.ai/ziacf
更多公共数据集,请访问:
https://hyper.ai/datasets
公共教程精选
1. Bioclip 生物分类的层次预测 Demo
该教程 Demo 可以对给定的生物图片按科、属、种等进行分类,是 CVPR2024 的最佳学生论文「BioCLIP: A Vision Foundation Model for the Tree of Life」中模型的 Gradio 版本。
在线运行:https://go.hyper.ai/OEWk1
2. InstantStyle 风格同等的图像天生器
InstantStyle 是由小红书的 InstantX 团队开拓的一种文本到图像天生框架,实现了风格迁移的同时保持内容的文本可控性。该教程已经为大家搭建好了干系环境,一键克隆即可体验!
在线运行:https://go.hyper.ai/E6GuW
3. 5 秒天生高质量文章,Llama 3-Chinese-Chat Demo 一键启动!
该模型是基于 Meta-Llama-3-8b-Instruct 模型专门针对中文进行微调的中文谈天模型。与原始的 Meta-Llama-3-8b-Instruct 模型比较,显著减少了「中文问题英文回答」以及中英文稠浊的问题。只需克隆并启动该容器,直接复制天生的 API 地址,即可对模型进行推理体验。
在线运行:https://go.hyper.ai/BLHcM
社区文章精选
1. 最强铁基超导磁体出身!
科学家基于机器学习设计新研究体系,磁场强度超过先前记录 2.7 倍
来自英国和日本的科学家利用机器学习技能,设计了一种将 researcher-driven 与 data-driven 方法相结合的研究体系,成功制造出世界上已知最强的铁基超导磁体。本文是该研究的详细解读和分享。
查看活动详情:https://go.hyper.ai/RxV9x
2. 北大医院副院长李建平:用 AI 办理临床心肌缺血预测的难点、卡点和痛点
在北京智源大会上,北京大学第一医院副院长、心血管研究所所长李建平教授以「临床心肌缺血预测手段及困难」为题,分享了 AI 在冠心病诊断以及临床心肌缺血预测等方面的全新探索与实践。这为冠心病病人的诊断与治疗供应了全新思路,并将目光从心脏拓宽至肾脏,有望让 AI 在临床医学方面发挥出更大的代价。本文是该演讲的详细汇总。
查看完全专访:https://go.hyper.ai/5X9jM
3. 1 亿参数的细胞大模型来了!
登 Nature 子刊,清华大学团队发布 scFoundation:对 2 万基因同时建模
清华大学研究团队提出了名为 sc-Foundation 的细胞大模型,该模型基于 5 千万个细胞的基因表达数据进行演习,拥有 1 亿参数,能够同时处理约 2 万个基因。作为根本模型,它在细胞测序深度增强、细胞药物相应预测和细胞扰动预测等多种生物医学下贱任务中,表现出卓越的性能提升。本文是该研究的详细解读和分享。
查看完全宣布:https://go.hyper.ai/v5i5K
4. AI 从业者怎么做 Science?清华大学 AIR 周浩:从文本天生到蛋白质设计的跨界探索
近日,清华大学智能家当研究院周浩教授以打算机从业者的身份,向大家分享了 AI 人做蛋白质设计碰着的多重寻衅,并从数据构造、天生算法、蛋白质预演习 3 个方面讲述了目前蛋白质领域的最新前沿研究。本文对周浩教授的深度分享进行了宣布。
查看完全宣布:https://go.hyper.ai/PTyAp
热门百科词条精选
1. 缩放定理 Scaling Law
2. 倒数排名领悟 RRF
3. 神经辐射场 NeRF
4. 大规模多任务措辞理解 MMLU
5. Kolmogorov-Arnold 表示定理
这里汇编了数百条 AI 干系词条,让你在这里读懂「人工智能」:
https://hyper.ai/wiki
B 站直播预报
Alfredo Canziani 是纽约大学打算机科学助理教授、Yann LeCun 的学生。近日,他放出了自己的春季「AI 课程」视频,各章节讲授的知识点包括:离散概率和朴素贝叶斯;感知机和逻辑回归;优化、统计和神经自然措辞处理;神经网络分类等。本周超神经电视台将 7×24h 直播该课程。
下表为
韶光
内容
7 月 1 日星期一
18:00
第 1 部分
朴素贝叶斯简介
7 月 2 日
星期二
18:00
第 2 部分
朴素贝叶斯分类
7 月 3 日
星期三
18:00
第 3 部分
朴素贝叶斯参数估计
和拉普拉斯平滑
7 月 4 日
星期四
18:00
第 4 部分
二元分类器评估
7 月 5 日
星期五
18:00
第 5 部分
多类感知器
二元和多类逻辑回归
7 月 6 日
星期六
18:00
第 6 部分
优化和梯度上升
7 月 7 日
星期日
18:00
Alfredo Canziani 演讲
基于能量的自监督学习
超神经电视台 7×24h 不间断直播,点击即可收成 AI 领域的「电子榨菜」:
http://live.bilibili.com/26483094
一站式追踪人工智能学术顶会:https://hyper.ai/events
以上便是本周编辑精选的全部内容,如果你有想要收录 hyper.ai 官方网站的资源,也欢迎留言或投稿见告我们哦!
下周再见!
关于 HyperAI超神经 (hyper.ai)
HyperAI超神经 (hyper.ai) 是海内领先的人工智能及高性能打算社区,致力于成为海内数据科学领域的根本举动步伐,为海内开拓者供应丰富、优质的公共资源,截至目前已经:
为 1300+ 公开数据集供应海内加速下载节点
收录 400+ 经典及盛行在线教程
解读 100+ AI4Science 论文案例
支持 500+ 干系词条查询
托管海内首个完全的 Apache TVM 中文文档
访问官网开启学习之旅:
https://hyper.ai/