Trong nghiên cứu này, tôi muốn sử dụng BERT với thư viện ôm sát PyTorch để tinh chỉnh một mô hình sẽ hoạt động tốt nhất trong phân loại cặp câu hỏi. Ứng dụng được xây dựng bằng Streamlit
xử lý ngôn ngữ tự nhiên nlp python3 pytorch quora python-3 nlp-machine-learning
- Cập nhật ngày 6 tháng 8 năm 2022
- Máy tính xách tay Jupyter
parthbhide / câu hỏi gắn thẻ
Sao 2
- Mã số
- Vấn đề
- Yêu cầu kéo
Tự động gắn thẻ các câu hỏi Quora
nlp word2vec gắn thẻ spacy quora tagger nlp-machine-learning ngôn ngữ-phân tích câu hỏi quora-câu hỏi
- Cập nhật ngày 21 tháng 5 năm 2019
- Máy tính xách tay Jupyter
Code-With-Akky / quora-clone-mern
Sao 2
- Mã số
- Vấn đề
- Yêu cầu kéo
Kinh Qur'an. Được xây dựng trong MERN. Nơi chia sẻ kiến thức và kỹ năng
trang web cộng đồng heroku mongodb Reacjs cầy mangut Reac-redux quora mern mern-stack quora-câu hỏi quora-clone
- Cập nhật ngày 3 tháng 10 năm 2021
- JavaScript
KyloRen1 / Kaggle-Quora-Câu hỏi-Phân loại không chân thành
Sao 2
- Mã số
- Vấn đề
- Yêu cầu kéo
Giải pháp đứng thứ 59 [top 2%]
nlp máy học kaggle-câu hỏi về cuộc thi kaggle
- Cập nhật15/06/2022
- con trăn
Jash-Patell / Campuskwiry
Sao 1
- Mã số
- Vấn đề
- Yêu cầu kéo
Trang web hỏi đáp dành cho sinh viên SDJ sử dụng công cụ Mẫu Nodejs, Express, Mongodb và Pug - Campuskwiry [đây là dự án năm cuối của tôi]
nodejs tìm kiếm ajax-yêu cầu mongodb mongoose stackoverflow pug quản trị viên-dashboard hỏi câu hỏi đại biểu-câu hỏi xóa-bài đăng đưa ra câu trả lời bình chọn-bài đăng báo cáo-bài đăng được đăng lại theo dõi cập nhật-hồ sơ cập nhật-cập nhật ảnh bìa-bài đăng
- Cập nhật25 tháng 6 năm 2021
- JavaScript
iNtEgraIR2021 / quetre
Sao 1
- Mã số
- Vấn đề
- Yêu cầu kéo
Một front-end miễn phí cho Quora
javascript quora quora-câu hỏi thay thế giao diện người dùng
- Cập nhật ngày 8 tháng 1 năm 2023
- chó pug
nature1995 / AI-Toxic-Content-Classification-in-Django
Sao 0
- Mã số
- Vấn đề
- Yêu cầu kéo
Một câu hỏi về nội dung độc hại trên Quora Mô hình phân loại với ứng dụng Django
django keras pytorch quora câu hỏi quora độc hại-bình luận-phân loại
- Cập nhật ngày 4 tháng 2 năm 2020
- con trăn
arpitj07 / Truy vấn-Giải quyết
Sao 0
- Mã số
- Vấn đề
- Yêu cầu kéo
Danh sách các truy vấn liên quan đến Học máy, Học sâu, Khoa học dữ liệu
opencv machine learning học sâu trí tuệ nhân tạo quora nghiên cứu trường hợp quora-câu hỏi-cặp câu hỏi quora
Dự án trí tuệ nhân tạo khác với dự án phần mềm truyền thống. Sự khác biệt nằm ở ngăn xếp công nghệ, các kỹ năng cần thiết cho các dự án dựa trên AI và nhu cầu nghiên cứu chuyên sâu. Để thực hiện nguyện vọng AI, bạn cần sử dụng ngôn ngữ lập trình ổn định, linh hoạt và có sẵn các công cụ. Python cung cấp tất cả những thứ này, đó là lý do tại sao chúng ta thấy nhiều dự án Python AI ngày nay
Python tạo điều kiện cho các nhà phát triển tăng sự tự tin và năng suất về phần mềm đang phát triển của họ từ phát triển đến triển khai và bảo trì. Lợi ích của việc biến Python trở thành giải pháp hoàn hảo cho các dự án dựa trên AI và học máy bao gồm tính đơn giản và nhất quán, tính linh hoạt, quyền truy cập vào các thư viện và khuôn khổ AI và máy học [ML] mạnh mẽ, tính độc lập của nền tảng và cộng đồng lớn. Những điều này làm tăng sự phổ biến của ngôn ngữ
Kích hoạt cookie để bạn không phải điền vào biểu mẫu trong các bài viết trong tương lai
Xem thêm. Tại sao Python cần thiết cho phân tích dữ liệu
Một hệ sinh thái thư viện tuyệt vời
Lựa chọn tốt các thư viện là một trong những lý do chính tại sao Python là ngôn ngữ lập trình phổ biến nhất của AI. Thư viện là một mô-đun hoặc nhóm các mô-đun được phát hành từ các nguồn khác nhau [PyPi]. Nó bao gồm một đoạn mã viết sẵn cho phép người dùng sử dụng một chức năng cụ thể hoặc thực hiện các hoạt động khác nhau. Thư viện Python cung cấp các mục cấp cơ sở, vì vậy các nhà phát triển không phải viết mã từ đầu mỗi lần
Học máy yêu cầu xử lý dữ liệu liên tục và thư viện Python cho phép bạn truy cập, xử lý và chuyển đổi dữ liệu của mình. Đây là một số thư viện rộng lớn nhất có sẵn cho AI và ML
- Scikit-learning để xử lý các thuật toán ML cơ bản như phân cụm, hồi quy logistic và tuyến tính, hồi quy và phân loại
- Pandas được sử dụng để phân tích dữ liệu và cấu trúc nâng cao. Nó cho phép bạn hợp nhất và lọc dữ liệu cũng như thu thập dữ liệu từ các nguồn bên ngoài khác [chẳng hạn như Excel]
- Keras được sử dụng để học sâu. Ngoài CPU của máy tính, nó còn sử dụng GPU, cho phép tính toán và tạo mẫu nhanh chóng
- TensorFlow được sử dụng để điều khiển sự hiểu biết sâu sắc bằng cách xây dựng, đào tạo và sử dụng mạng thần kinh nhân tạo sử dụng các tập dữ liệu quan trọng
Nền tảng độc lập
Python rất dễ sử dụng, dễ học và nó cũng rất linh hoạt. Điều đó có nghĩa là Python, được sử dụng để phát triển máy học, có thể chạy trên tất cả các nền tảng, bao gồm Windows, Linux, Unix, macOS và 21 nền tảng khác. Để chuyển quy trình từ nền tảng này sang nền tảng khác, nhà phát triển thực hiện một số thay đổi nhỏ và sửa đổi một vài dòng mã để tạo mã thực thi cho nền tảng đã chọn. Các nhà phát triển có thể sử dụng các gói phần mềm như PyInstaller để chuẩn bị mã để chạy trên các nền tảng khác nhau. Điều đó giúp tiết kiệm thời gian và tiền bạc khi thử nghiệm trên các nền tảng khác và giúp quá trình này trở nên dễ dàng và thuận tiện hơn.
Đơn giản và nhất quán
Mã Python dễ hiểu và dễ đọc. ML và AI hỗ trợ các thuật toán phức tạp và quy trình công việc phổ biến, nhưng tính dễ sử dụng của Python cho phép các nhà phát triển tạo ra các hệ thống đáng tin cậy. Các nhà phát triển không cần tốn năng lượng và thời gian cho các kỹ thuật ngôn ngữ mà có thể tìm ra các vấn đề về Machine Learning. Một lý do khác thu hút các nhà phát triển sử dụng Python là tính đơn giản và dễ học của nó. Python được viết bằng mã đơn giản và có thể dễ dàng tạo các mô hình cho máy học
Đối với một số lập trình viên, ưu điểm lớn của Python là nó trực quan hơn các ngôn ngữ lập trình khác. Các tính năng khác nhau, các khung web, thư viện và chức năng Python khác nhau giúp đơn giản hóa các ứng dụng là những lợi thế. Python dường như là một nơi tuyệt vời để cộng tác khi một số nhà phát triển tham gia vào một dự án. Đó là một ngôn ngữ phổ quát có thể thực hiện nhiều tác vụ học máy phức tạp. Các nhà phát triển có thể nhanh chóng phát triển một nguyên mẫu và thử nghiệm sản phẩm của họ cho mục đích học máy
Tùy chọn trực quan tốt
Chúng tôi đã đề cập rằng Python đi kèm với nhiều thư viện, một số trong đó là những công cụ trực quan tuyệt vời. Tuy nhiên, các nhà phát triển AI cần chỉ ra rằng điều quan trọng là phải biểu diễn dữ liệu ở định dạng mà con người có thể đọc được trong AI, học sâu và học máy.
Các thư viện như Matplotlib cho phép các nhà khoa học dữ liệu tạo biểu đồ, biểu đồ và sơ đồ để cải thiện khả năng hiểu, hiển thị và trực quan hóa dữ liệu. Các giao diện lập trình ứng dụng khác nhau giúp đơn giản hóa quy trình trực quan hóa và giúp tạo báo cáo rõ ràng
Rào cản gia nhập thấp
Thế giới đang thiếu lập trình viên. Python là một ngôn ngữ dễ học – rào cản gia nhập rất thấp. Nhiều nhà khoa học dữ liệu có thể học Python nhanh chóng để tham gia vào các dự án máy học. Tin hay không thì tùy, Python giống tiếng Anh đến mức dễ hiểu. Nhờ cấu trúc cụm từ đơn giản, bạn có thể tự tin sử dụng các hệ thống phức tạp
Hỗ trợ cộng đồng lớn
Python có một cộng đồng người dùng lớn trên toàn thế giới và những cộng đồng này luôn hữu ích khi xảy ra lỗi mã hóa. Ngoài một nhóm lớn những người ủng hộ, nó còn có nhiều cộng đồng, diễn đàn và nhóm nơi các lập trình viên có thể đăng câu hỏi về ngôn ngữ để giúp đỡ lẫn nhau. Có một cộng đồng nhà phát triển tích cực rất hữu ích để giải quyết các lỗi mã hóa. Các nhóm và cộng đồng này bao gồm Python. org, GitHub và Stack Overflow
Tính linh hoạt
Python rất dễ sử dụng và hỗ trợ nhiều thư viện và framework khác nhau, giúp ngôn ngữ này trở nên linh hoạt hơn. Tuy nhiên, nó hoạt động trong hai loại
- phát triển web
- học máy
Người ta có thể nói rằng có nhiều thiết bị khác mà Python không thể đứng vững. Chẳng hạn, có thể khó lập trình các ứng dụng cấp phần cứng hoặc hệ điều hành trong đó và có thể khó cung cấp ngôn ngữ này cho giao diện người dùng SPA. Tuy nhiên, nó hoạt động rất tốt trên phụ trợ
khả năng đọc
Python rất dễ đọc và dễ hiểu, vì vậy các nhà phát triển Python không gặp vấn đề gì trong việc hiểu, sửa đổi, sao chép hoặc dán mã ngang hàng. Không có nhầm lẫn, lỗi hoặc mô hình không nhất quán khi sử dụng Python. Điều đó tạo điều kiện trao đổi hiệu quả các thuật toán, công cụ và ý tưởng giữa các chuyên gia AI và máy học. Các công cụ như IPython cung cấp các tính năng khác như thử nghiệm, gỡ lỗi và hoàn thành tab để đơn giản hóa quy trình làm việc của bạn. Đó là lý do tại sao danh mục máy học của Python là tương lai của lập trình
ngày càng phổ biến
Python đang trở thành ngôn ngữ lập trình phổ biến nhất thế giới. Nó là sự lựa chọn của nhiều thương hiệu nổi tiếng [như Google, Amazon, Quora, Facebook và Netflix] vì tính đơn giản, linh hoạt và dễ bảo trì của nó. Chúng thường được sử dụng cho một số công nghệ thú vị và sáng tạo nhất, chẳng hạn như trí tuệ nhân tạo, máy học và người máy
Python đang có nhu cầu cao trong các trường đại học và nó đã trở thành ngôn ngữ nhập môn phổ biến nhất. Nó được học bởi các nhà phát triển lành nghề, những người muốn mở rộng bộ kỹ năng của họ. Ngày càng có nhiều công ty và mọi người đang sử dụng Python. Nhiều tài nguyên hơn đã được tạo xung quanh nó để giúp các nhà phát triển hoàn thành các tác vụ phức tạp mà không gặp phải sự cố mã hóa