学習プラットフォーム、Datawhale からのオリジナル コンテンツ。

データホエールラーニング

オープンソースへの貢献: Datawhale チーム

チーム学習とは何ですか?

チーム学習活動は、2018 年 8 月 2 日に Datawhale によって開始され、6 年間にわたって組織されてきました。

当初の目的はシンプルでした。同じ志を持つ友人たちが共に学び、議論し、共に先延ばしを克服し、チームを組んで課題に取り組むグループです。教師や指導は一切ありませんでした。その代わりに、学ぶことを愛し、変化を熱望し、アイデアを交換し、互いに学び合い、互いの成長を促進する人々の集まりがありました。

前の記事：「著名な専門家、李牧氏が知見を共有。世界733大学から9,027人が学習に参加。」

<iframe class="video_iframe rich_pages" data-vidtype="2" data-mpvid="wxv_3708552864998899727" data-cover="http%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_jpg%2FvI9nYe94fsF6xLQjPuBTmSvn6p 1CzlicudUs9hUpxA55Pr5EYBZ2mc3FMpW7NwPiaAAVWd2zsaeOQE7Pt0No486w%2F0%3Fwx_fmt%3Djpeg" allowfullscreen="" frameborder="0" data-ratio="1.7777777777777777" data-w="1920" style="border-radius: 4px;" data-src="https://mp.weixin.qq.com/mp/readtemplate?t=pages/video_player_tmpl&amp;action=mpvideo&amp;auto=0&amp;vid=wxv_3708552864998899727"></iframe>

△Datawhaleについて

このセッションの学習内容はグループ内で直接指導されます（満員になるとグループは終了します）。

△ 11月の願い事記事

コース概要 ⬇️ (定員に達した時点で締め切られます)

https://yq8xyowee2w.feishu.cn...

1. トランスフォーマーを手動で作成する

コース紹介

1. NumPy などの基本的な科学計算ライブラリを使用して、単純な Transformer を実装します。

2. 完全な Transformer エンコーダーとデコーダーを完成させます。

3. NLPタスクにおけるTransformerモデルの応用

オープンソースチュートリアル

https://github.com/datawhalec...

2. サイバーセキュリティにおける機械学習：暗号化トラフィック分析の問題

コース紹介

この短期コースは、今後開講予定の「インテリジェント情報セキュリティ」シリーズの序章となります。本プロジェクトでは、暗号化トラフィック分析の概念、暗号化トラフィック分野における機械学習手法の応用、そしてTorネットワークのトラフィックデータの実践的な分析を通して、暗号化トラフィック分野の基礎的な理解を深めていただきます。

オープンソースチュートリアル

https://github.com/datawhalec...

3. ワオラグ

コース紹介

このコースでは、完全な初心者向けに、わずか 5 回のレッスンで RAG を FastAPI サービスとしてセットアップして展開する方法を学びます。

オープンソースチュートリアル

https://github.com/datawhalec...

4. AIプログラミング

コース紹介

Doubao MarsCode プログラミング アシスタントを使用して、プログラミング言語を学習し、コードを最適化し、コードを解釈します。

オープンソースチュートリアル

https://github.com/datawhalec...

5. AIワークフローのシンプルな応用

コース紹介

1. 大規模モデルでの高品質な作業を可能にするワークフローのサポート役割を理解します。

2. Andrew Ng 博士のオープンソース翻訳ワークフロー プロジェクトを再現する方法を学びます。

3. 大規模モデルワークフロー システムを構成する主要要素を理解します。

4. 独自のエージェントを作成するには、どのような関連リソースを使用する必要がありますか (例: 基本環境の設定方法、必要な API への接続方法など)?

5. より複雑なビジネスシナリオのワークフローを構築する方法を学ぶ

必要なコーディングスキル:中程度; 必要なAI/数学的背景:低

オープンソースチュートリアル

https://github.com/datawhalec...

6.注意メカニズムを備えた手作りのRNN、GRU、LSTM、およびSeq2Seqモデル

コース紹介

学べること:

1. PyTorch の線形レイヤーを使用して、アテンション メカニズムを備えた RNN、GRU、LSTM、および Seq2Seq モデルを手動で構築するにはどうすればよいですか?

2. 誰もが従来の NLP モデルを理解し、使い始められるように支援します。

3. 上で説明した各ニューラル ネットワークには、従来のモデルがどのようにトレーニングされ、データがどのように前処理されるかを示す実用的な例が付属します。

必要なコーディングスキル:低; 必要なAI/数学のバックグラウンド:低

オープンソースチュートリアル

https://github.com/datawhalec...

7. YiyanとRaspberry Pi Picoをベースにした超安価なデスクトップペット

コース紹介

1. 最低予算50元程度でマイクロコントローラーをベースにした小型ロボットを組み立てる方法を紹介しました。

2. UWBポート経由でコンピューターに接続し、MicroPython/Pythonを使用してシリアル通信を行います。情報を入力すると、コンピューターが大きなモデルを実行し、実行するアクションと表示する絵文字を決定します。これにより、小さなロボットがとても可愛らしく見えます。

必要なコーディングスキル:低; 必要な AI/数学的背景:低; 財源:約 50 人民元(必要なコンポーネントは PDD から購入する必要があります)。

オープンソースチュートリアル

https://github.com/datawhalec...

8.手こすりLLAMA

コース紹介

NumPyを用いたLLMの実装（オンライン実装としては初）。LLMの動作原理を理解する。

オープンソースチュートリアル

https://github.com/datawhalec...

9.手書きのBERT

コース紹介

自然言語処理（NLP）技術を深く掘り下げる準備はできていますか？BERTの評判はよく耳にするかもしれませんが、本当にBERTを理解していますか？この機会に、BERTが実際にどのように実装されているかを見てみましょう。

1. ゼロから始める: 基本的な概念から始めて、BERT のすべてのコンポーネントを理解して実装できるように、BERT の詳細を徐々に掘り下げていきます。

2. 理論と実践の両方に重点を置く: 理論的な説明と実践的なコーディング演習を通じて、BERT モデルをゼロから構築する方法と、それを実際の NLP タスクに適用する方法を学びます。

3. Transformerの詳細な理解：BERTの中核はTransformerアーキテクチャです。この革新的なモデルを深く掘り下げ、BERTにおける重要な役割を理解します。

4. 実践的なプロジェクト: BERT をゼロから作成する方法を学ぶことで、テキスト分類、質問応答システム、機械翻訳などの一般的な NLP タスクに BERT を適用する方法を学習します。

オープンソースチュートリアル

https://github.com/datawhalec...

10.科学データ可視化の実践的応用：PythonとR

コース紹介

このコースは、学習者が科学データ可視化の基本的な手法とテクニックを習得することを目的としています。科学データ可視化におけるPythonとR言語の応用に焦点を当て、時系列データ、空間データ、高次元データのチャート作成におけるベストプラクティスを体系的に解説します。研究プレゼンテーションスキルの向上を目指す研究者や大学院生に最適です。

このコースでは、以下のことを理解できるようになります。

1. 科学的データ可視化の基礎

2. データ視覚化ツール

3. さまざまなデータタイプの可視化

4. 科学研究データ可視化プロジェクトにおける実務経験

必要なコーディングスキル:中程度; 必要なAI/数学的背景:低

オープンソースチュートリアル

https://github.com/datawhalec...

11. 「従順な」プロンプトの書き方

コース紹介

このコースでは、AI と会話するための 4 つのコアテクニックを紹介します。

1. セマンティック圧縮プロンプトを使用すると、最も簡潔なコマンドで複雑な出力を取得できます。

2. 連鎖的な思考プロンプトは、AI の完全な推論プロセスを理解するのに役立ちます。

3. 小規模サンプルの学習プロンプトにより、AI が例を通じて正確に出力できるようになります。

4. メタ提案語を使用すると、1 回のクリックで「何もない」状態から高品質の提案語を生成できます。

これら4つのプロンプティングテクニックを体系的に学ぶことで、AIとの効率的な対話に必要な主要な手法を習得し、AIに自分のニーズを「理解」させる方法を真に理解できるようになります。日常的な使用から専門的なアプリケーションまで、これらのテクニックはAIとの会話の効率を大幅に向上させます。

オープンソースチュートリアル

https://github.com/datawhalec...

いいね！ （3件） ↓