Data Science Archive
Channel @datasciencearchive
小熊猫的个人工具收纳箱,还包括一些零碎的笔记,大概会有这些: * 有趣/有价值/SOTA的会议论文和代码分享 * 自然语言处理,计算机视觉,语音信号领域进展 * Kaggle 和其他算法竞赛经验 * 反作弊,搜索和个性化推荐算法产品的工程化 * 统计学习,矩阵计算,贝叶斯相关的工具 * 可视化、算法服务相关的存储、并行和分布式计算工具 希望我收集的信息也可以帮到你,如果有其他建议,或者寻找工作机会,都可以给我发邮件: [email protected]
Rating out of 10 4.8 Rating out of 10 4.8 /10 System score · How ratings work
- Subscribers
- 1,653
- Last post
- 4y ago
Collected on 2026-11-21 · not real-time
Introduction
小熊猫的个人工具收纳箱,还包括一些零碎的笔记,大概会有这些: * 有趣/有价值/SOTA的会议论文和代码分享 * 自然语言处理,计算机视觉,语音信号领域进展 * Kaggle 和其他算法竞赛经验 * 反作弊,搜索和个性化推荐算法产品的工程化 * 统计学习,矩阵计算,贝叶斯相关的工具 * 可视化、算法服务相关的存储、并行和分布式计算工具 希望我收集的信息也可以帮到你,如果有其他建议,或者寻找工作机会,都可以给我发邮件: [email protected]
Show the original Telegram description
小熊猫的个人工具收纳箱,还包括一些零碎的笔记,大概会有这些:
* 有趣/有价值/SOTA的会议论文和代码分享
* 自然语言处理,计算机视觉,语音信号领域进展
* Kaggle 和其他算法竞赛经验
* 反作弊,搜索和个性化推荐算法产品的工程化
* 统计学习,矩阵计算,贝叶斯相关的工具
* 可视化、算法服务相关的存储、并行和分布式计算工具
希望我收集的信息也可以帮到你,如果有其他建议,或者寻找工作机会,都可以给我发邮件: [email protected]
Rating breakdown
Algorithm v1 · How ratings workSystem score 4.8 (1 + contributions 3.78) · final 4.8
Dimension Input Value Weight Contribution
Content quality Not reviewed yet (counted as neutral 0.5) · 40% 0.50 40% +1.80
Safety Not reviewed yet (counted as neutral 0.5) · 30% 0.50 30% +1.35
Audience 1,653 subscribers · 12% 0.50 12% +0.54
Recent activity Last post 4y ago · 10% 0.10 10% +0.09
Telegram verified Not verified · 4% 0.00 4% —
Official backlink No linked tools · 4% 0.00 4% —
Recent posts
View all on Telegram来自 Google的一个图像数据生成器,用自带的基础构建元素加上 blender 做渲染生成别的图,任务类型基本都是涵盖了,对于内嵌的这些元素我觉得还是有点少,如果有社区(GitHub 或者 Blender)贡献应该前途光明。有时候数据采集不是问题,合规是大问题。
https://github.com/google-research/kubric
7.7K views
一个新的分子式推算生成工具,FastFlows。从名字也可以看出来基本上就是用了 NF,从功能的角度来说和 VAE,GAN 什么的区别并不大,不过NF 的目标换成了去寻找一个和数据集后验分布一样的分布,也可以计算似然,用双射映射的一系列操作把原始分布弄成新的分布,经典案例就是对高斯分布作各种花里胡哨的转换。我个人对 NF 没有太多特别的感觉,这个框架感觉也只是用了 NF 做一个实验,没看出来有什么量化效果比 VAE 或者 GAN更好。
不过这个 repo 挺牛逼的,都是化学,生物,和材料领域一些深度学习的应用,tutorial 挺全的。 https://github.com/deepchem/deepchem/
7.1K views
之前推过一篇 Facebook 的 ConvNeXT,今天又看到一个上个星期新出来的 XFormer,直接把二次的 attention 换成了线性 attention,也是在 ViTs 的基础上想办法减少资源使用。没看到什么别的新奇的地方。主要就是减少 GPU 使用,对数据量要求也低了不少,我没做实验。https://arxiv.org/abs/2201.10271,作者给了代码:https://github.com/pranavphoenix/cxv
5.6K views
今天看了一篇介绍屏障法的文章,图文并茂,还有真代码一行一行解有约束的含有不等式的最优化问题。虽然标题有内点法,但是没有提内点法中的原始对偶方法。其实这两个方法都是在面对 KKT 条件的时候的思考,不过对对偶变量的处理看待角度不同,朴素的求解都是用牛顿法。如果你对普通的等式约束,KKT 条件,拉格朗日方法有了解的,这篇文章读起来就更容易了。https://towardsdatascience.com/how-to-solve-constrained-optimization-problem-the-interior-point-methods-1733095f9eb5
5.5K views
分享一篇介绍 Data Leak 的文章,说起 data leak 我早期是真的深受其害,毕竟真实世界的线上业务永远有一个特别的维度:时间。理论上完全服从独立同分布业务数据/问题并不多,所以很多时候我们是直接把时间维度忽略掉。若干年前参加过知乎的一次给短文本预测 tag 的竞赛最后也是因为当时原始数据存在一些 data leak(知乎作为举办方提供数据的时候把时间轴抹掉,但是数据本身又其实是时间排序的),最后的排名引起挺大的争议。对于 data leak 系统地考虑是线上数据科学工作非常重要的一环。https://towardsdatascience.com/data-science-mistakes-to-avoid-data-leakage-e447f88aae1c
3.8K views
Similar Telegram resources
Profile
Type Channel
Username t.me/datasciencearchive
Category AI
Telegram verified No
Collected 2026-11-21
About the data
Counts, verification and recent posts come from periodic snapshots of Telegram's public pages and are not real-time. Descriptions are edited; the original text is available under the original description.