XiaoMi-AI文件搜索系统
World File Search SystemPyTorch
广告邮政邮政，IISC
利用包括Pytorch和Tensorflow在内的高级计算机视觉技术，开发用于识别和评估婴儿中一般运动模式的模型。与来自各家医院的新生儿学家和物理治疗师合作，以收集数据并验证算法。有助于研究协议的设计和实施。使用机器学习算法的数学知识分析实验结果。向研究团队介绍发现，并协助准备研究出版物和批准建议。随时更新计算机视觉和相关字段的最新发展。
denis hadjivelichkov
Machine Learning: Self-Supervised/Unsupervised Learning, Graphical Models, Reinforcement Learning Robotics: Mechatronics, Simulation, Sensor Fusion, Control, Human-Robot Interaction Vision: Semantic Segmentation, Scene and Object Understanding, Projective Geometry Software: Python, C/C++, PyTorch, ROS, NVIDIA IsaacSim, Jax (basic), GoLang (basic) Languages:保加利亚语（本地），英语（C2，CAE认可），德语（C2，TestDAF认可）其他：数据分析，统计建模
Yuheng Chen的投资组合Yuheng Chen的投资组合
编程：精通Python，Pytorch，Tensorflow，Java，JavaScript，C/C ++，MATLAB用于机器学习，多模式模型，计算机视觉，图像分割，数据增强，回归分析，回归分析，量子计算。仿真和设计：Lumerical（FDTD/RCWA），COMSOL，KLAYOUT，ZEMAX，LABVIEW，ANSYS-FEA，SOLIDWORKS，AUTOCAD。设备制造：6年的洁净室经验在Nanodevice原型设计和制造方面：过程优化，石版画（EBL，UV暴露），蚀刻（Ribe，Ibe，Ibe，ICP，湿蚀刻），AFM/SEM/SEM/SEM/SEM/显微镜光学表征。
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。
Ryzen AI - 版本 1.3 AMD
AMD Ryzen™AI 软件包括用于在搭载 AMD Ryzen™AI 的 PC 上优化和部署 AI 推理的工具和运行时库。Ryzen AI 软件使应用程序能够在 AMD XDNA™ 架构内置的神经处理单元 (NPU) 以及集成 GPU 上运行。这使开发人员能够构建和部署在 PyTorch 或 TensorFlow 中训练的模型，并使用 ONNX Runtime 和 Vitis™AI 执行提供程序 (EP) 直接在搭载 Ryzen AI 的笔记本电脑上运行它们。
使用机器学习的问题纸分析
学生，Sathyabama科学技术学院教授摘要 - 该问题论文分析仪的目的是检查如何在不同领域应用机器学习算法。本文着重于评估这些算法的性能，并将机器学习方法应用于现实世界中的挑战。该研究调查了机器学习在各种领域的潜力，包括银行，医疗保健，图像识别，自然语言处理和推荐系统。为了进行研究，必须收集数据集并进行预处理，必须使用机器学习算法，并且必须评估其准确性和效率。在将这些算法付诸实践中遇到的困难和限制也涵盖在本文中，包括可解释性，数据维度和过度拟合。本文介绍了机器学习中的最先进，涵盖了强化学习，无监督的学习方法，例如降低和聚类，以及监督的学习方法，例如回归和分类。此外，研究研究了众所周知的机器学习框架和库的应用，包括Scikit-Learn，Tensorflow和Pytorch。结果突出了选择正确的算法并调整超参数以达到峰值性能是多么重要。从这项研究中收集的知识可以帮助选择最佳的问题领域的最佳算法，并提高对不同机器学习技术的优势和缺点的理解。通过对其应用进行详细的分析和评估，考虑的所有因素，该问题论文可以增强当今机器学习研究的状态。关键字：过拟合，Scikit-Learn，Tensorflow，Pytorch，机器学习，算法，绩效评估，医疗保健，金融，图像识别，自然语言处理，推荐系统和增强学习。
在线教师发展计划（FDP）...
关于FDP：有关人工智能（AI）的教师开发计划（FDP），用于计算机视觉，医学成像和物联网应用程序将帮助教育者和研究人员了解AI基础知识以及它如何适用于具有多个安全应用的医学成像和物联网技术。参与者将探索机器学习和深度学习概念，专注于使用AI和IoT进行医学成像，这有助于诊断，医疗保健，农业，零售和监视系统。AI通过基于面部识别，虹膜识别，指纹分析和语音识别的准确有效的身份验证方法，在计算机视觉中起关键作用。通过动手活动和现实世界的例子，与会者将获得实用技能，以有效地使用AI在教学和研究中使用不同的算法。在计划结束时，参与者将准备将AI工具整合到他们的工作中，提高他们通过现代技术来教授和解决安全挑战的能力。这将通过增强他们在这些关键领域的专业知识和教学能力来使参与者受益。主要课程内容：物联网体系结构，通信协议，计算机视觉简介，大数据分析，IIT，生物医学和医学图像分析应用程序。机器学习基础知识，使用数据预处理和数据可视化。监督和无监督的学习方法，神经网络和应用。深度学习方法的简介和基于DL的其他架构及其应用。使用张量流/ Pytorch识别活动/生物识别。使用张量流/ Pytorch识别活动/生物识别。CNN架构用于计算机视觉，生物特征和医学成像实现。AI/IOT用于医疗保健监测，精确农业，医学诊断，工业应用。用于生物医学成像，基于CT扫描/MRI的图像分析，眼底和医学图像分类的AI/ML。对象检测/跟踪算法（例如Yolo等），诸如UNET等分段算法等张量流/keras/pytorch/jupyter和colab的基础知识。使用Python/Matlab使用数据预处理和数据可视化。使用Python/Matlab的动手会话。CV和AI算法在硬件平台上实现，例如Jetson Nano，TX2和Pynq等。主持此计划的教师：该计划将由Nit Warangal的教职员工进行；邀请来自IIT/NIT/IIIT的有关领域的院士在该计划中发表讲座。也有望作为课程的一部分提供行业的演讲者。注册费细节：教师和研究学者Rs.750/ - 行业参与者Rs.2250/ -
实习生职位发布2024
● Engineering various sensor interfaces on a robot ● Using Linux, ROS, Python, C/C++, OpenCL, OpenGL, GStreamer, OpenCV or similar ● Using deep learning AI frameworks for both training and inference, including TensorFlow, PyTorch and OpenVINO ● User Interface Development Tools such as QT, Websockets, and JavaScript ● Developing algorithms for robots或在真实或模拟环境中的无人机●通过现场数据收集和迭代来验证和改进设计●机器学习工作流程涉及擦洗，组织和注释图像和视频数据