XiaoMi-AI文件搜索系统
World File Search SystemML
基于 AI/ML 的气候服务 S2S 预测工具
有很多 Python 包可用，但没有一个可以处理气候数据集的多维。它安装起来非常容易（一行命令），不需要任何特殊的计算机，并且适用于 Window、Mac 和 Linux/Unix 系统。Xcast 并行化代码，因此速度更快。它包括所有传统方法（MLR、PCR、CCA）和最先进的 AI/ML 方法（如 ANN、随机森林等）。它读取 NetCDF/Grib2/Zar 数据，而传统工具需要“ASCII 格式”。它还可以读取任何模型输出（NMME、C3S、S2S 和 SubX 或您自己的）。它不仅仅是一个“Jupyter 笔记本”，而是一个 Python 包。
机器学习与人工智能：SWOT 分析
教职人员@莱斯大学、新加坡国立大学、于默奥大学、浙江大学、北卡罗来纳大学、林雪平分校、印度医学科学院、卡本代尔大学、文图拉大学、南洋理工大学、以色列理工学院 博士后@苏黎世联邦理工学院（3）、麻省理工学院（2）、麦吉尔大学、图灵大学 其他@Kandou bus、SwissRE、TUM
核物理AI/ML核物理AI/ML
[1] G. Gavalian等。“使用人工智能在CLAS12检测器中使用粒子轨迹识别。”Arxiv预印型ARXIV：2008.12860（2020）。[2] G. Gavalian。“用于CLAS12的漂移室中轨道重建的自动编码器。”ARXIV预印型ARXIV：2009.05144（2020）。[3] L.-G。 Gagnon，LHC的轨道重建机器学习，2022 Jinst 17 C02026 - AI4EIC研讨会[4] EXA.TRKX：Exascale的HEP跟踪。DOE Comphep项目，https://exatrkx.github.io/ [5] A. Akram和X. Ju。“在Panda实验中使用稻草管跟踪器（STT）中使用几何深度学习的跟踪重建”。arxiv：2208.12178（2022）[6] D. Rohr“在爱丽丝的在线和离线重建的概述，用于LHC运行3.”arxiv：2009.07515（2020）https://arxiv.org/abs/2009.07515
入读为期一学期的人工智能和机器学习课程
目标 IIT Jodhpur 邀请申请为期一学期的人工智能 (AI) 和机器学习 (ML) 课程。人工智能已成为一项核心技术，对生产力产生了重大影响。根据印度政府 NEP 的广泛指导方针，我们为申请者提供了接受人工智能和机器学习正式课程的机会，以满足新兴人工智能技术对训练有素的人才的迫切需求。
PharmAML：创建一个机器学习过程来分析动作机理＆
●随机森林：一种合奏学习算法，该算法构建了多个决策树并结合了输出以提高准确性并减少过度效果。●XGBoost：像随机森林一样，XGBoost是一种集合学习算法，但它使用梯度提升来依次构建决策树，在每个步骤上纠正错误，以提高准确性和效率。●KNN：一种基于实例的学习算法，该算法基于其K最近的K最近邻居的多数类或通过平均值来预测值。●XGBlend：我们创建的XGBoost模型！将标准神经网络与XGBoost体系结构相结合，以提高算法处理的速度。●1D-CNN：使用卷积层将每一行视为1D序列的卷积神经网络，以捕获特征相互作用并提取图案，以提高预测性能。●TABNET：专为表格数据而设计的深度学习模型，利用注意机制动态选择相关特征，从而实现可解释性和有效的学习。
摘要 研究：AI 社会认知评估与建模。评估 LLM 中的心智理论及其在心理学中的应用 NLP：LLM IFT、表征学习（对比和三重态损失）、语义聚类、总结 DL：Transformers、MoE、EncDec、RNNs、DPO、LoRA 工具：Python、Pytorch、Deepspeed、AWS Sagemaker、hydra、SQL 管理：建立 ML 团队、职能、策略和 OKR、招募和指导科学家和实习生以及建立数据和注释伙伴关系。
摘要 研究：AI 社会认知评估与建模。评估 LLM 中的心智理论及其在心理学中的应用 NLP：LLM IFT、表征学习（对比和三重态损失）、语义聚类、总结 DL：Transformers、MoE、EncDec、RNNs、DPO、LoRA 工具：Python、Pytorch、Deepspeed、AWS Sagemaker、hydra、SQL 管理：建立 ML 团队、职能、策略和 OKR、招聘和指导科学家和实习生以及建立数据和注释合作伙伴关系。
DUMLUPINAR ÜNIVERSİTESİ SOSYAL BİLİMLER DERGİSİ...
摘要 虽然竞争力现象通常被认为是从关注微观层面活动的企业角度来评估的现象；城市、区域结构和国家也相互竞争以提高竞争力。可以看出，区域和国家发展规划都注重区域层面竞争的必要性，而长期纵深规划，特别是城市层面的规划，则注重获得竞争优势。在本研究中，创建了一个框架来评估TR33地区屈塔希亚的竞争水平，并评估该省在竞争、营销、城市营销和品牌概念方面的潜力，并提出提高水平的评估和建议的竞争。关键词：竞争、竞争力指数、营销、城市营销、品牌 JEL 代码：E20、M00、M3、O40
人工智能（AI）和机器学习（ML）培训教学大纲
该教学大纲旨在为参与者提供对人工智能（AI）和机器学习（ML）概念的全面理解，涵盖了理论基础和实际应用。参与者将获得流行的AI/ML库和框架的动手经验，从而使他们能够为各种现实世界中的问题构建和部署AI和ML解决方案。
引用 Hansen M, Simon KR, He X, Steele N, Thomas ML, Noble KG 和 Merz EC (2024) 社会经济因素、睡眠时间和持续时间以及杏仁核研究
儿童时期的社会经济劣势十分普遍，并且与终身罹患精神健康问题的风险增加相关 (1)。家庭收入和父母教育等社会经济因素通过多种中介机制 (2) 对健康和发展产生影响，但这些机制尚不完全清楚。儿童时期的睡眠健康状况改变可能在这些机制中发挥了作用。睡眠健康是一个多方面的概念，涵盖多个睡眠参数，例如睡眠时间、质量和时间 (3)。社会经济劣势已反复与儿童睡眠时间较短和睡眠质量较低有关 (4-9)。此外，采用实验和相关设计的研究表明，睡眠中断与精神健康问题风险增加以及情绪处理和调节改变有关 (10-13)。在神经层面，情绪处理和调节，即多种精神疾病的跨诊断因素 (14)，依赖于涉及杏仁核的神经网络 (15)。在功能性磁共振成像 (fMRI) 研究中，睡眠持续时间和质量与成年人杏仁核的激活和功能连接反复相关 (16 – 19)。然而，很少有研究探讨儿童的这种关联。此前，我们提出，社会经济劣势可能导致儿童睡眠健康状况下降，这可能会改变大脑发育，从而增加患心理健康问题的风险 (20)。在本研究中，我们通过考察社会经济因素、睡眠持续时间和时间以及儿童杏仁核功能连接之间的关联来验证这些观点。