XiaoMi-AI文件搜索系统
World File Search SystemJupyterLab
AI（人工智能）程序和深度学习（图像识别）的研究......
学习过程按以下顺序进行： 1：理解并学习人工智能中的深度学习和机器学习 2：了解LEGO-EV3主体（组装基本机器人和创建程序） 3：了解Raspberrypi微控制器和摄像头以及基本设置 4：理解和设置JupyterLab 5：理解和学习Google TensorFlow 6：总结研究成果，制作材料并在大阪科学日上展示
OpenShift AI 教程 - 欺诈检测示例
请注意，可以通过单击启动独立笔记本服务器链接、选择笔记本图像并单击启动服务器来启动 Jupyter 笔记本。但是，这将是一次性的 Jupyter 笔记本，单独运行。要实施数据科学工作流程，您必须创建一个数据科学项目（如以下过程所述）。项目允许您和您的团队在分离的命名空间内组织和协作资源。您可以从项目中创建多个工作台，每个工作台都有自己的 IDE 环境（例如，JupyterLab），每个工作台都有自己的连接和集群存储。此外，工作台可以与管道和模型服务器共享模型和数据。
UR-294量子算术逻辑单元
我们表明，可以在量子电路上实现经典算术逻辑单元（ALU）的量子版本。它将执行与经典ALU相同的功能，并可能在结合中添加量子函数。为了创建量子alu，我们使用了IBM的Qiskit Python软件包和Jupyterlab。我们认为，量子ALU具有比其经典对应物更快的潜力和计算量子特定操作的能力。简单的经典函数转化为量子电路显示出具有独特量子操作的完整量子ALU的前途未来。
使用戴尔 AI 入门套件支持预测分析
为了充分利用 NVIDIA GPU，我们使用了 NVIDIA Container 工具包，该工具包允许用户构建和运行 GPU 加速容器。有关此工具的更多详细信息，请访问 NVIDIA 网站。最后，我们使用了基于 NVIDIA 的 TensorFlow docker 镜像（可在 nvcr.io/nvidia/tensorflow:22.12-tf2-py3 获得）定制的 docker 容器。此镜像提供了一个庞大的工具生态系统，使工程师和数据科学家可以使用 JupyterLab、TensorFlow、Keras、RAPIDS cuDF 库等开发 ML 应用程序。这种方法提供了 Docker 的灵活性：用户可以构建和自定义自己的镜像，并根据自己的需求部署特定的 Docker 容器。
AISpace2：用于学习和教授人工智能的交互式可视化工具
AIspace 是一套用于学习和教授基本 AI 算法的工具。AIspace 的原始版本是用 Java 编写的。算法和可视化之间没有明确的区分；对于学生来说，修改底层算法太复杂了。它的下一代产品 AIspace2 是基于 AIPython 构建的，AIPython 是开源 Python 代码，旨在尽可能接近伪代码。AISpace2 在 JupyterLab 中可视化，保留了简单的 Python 代码，并使用 AIPython 中的钩子来实现算法的可视化。这允许学生查看和修改 Python 中的高级算法，并以图形形式可视化输出，旨在更好地帮助他们建立对 AI 概念和算法的信心和舒适度。到目前为止，我们有用于搜索、约束满足问题 (CSP)、规划和贝叶斯网络的工具。在本文中，我们概述了这些工具，并根据用户反馈给出了一些评估。