最近发现两个新的ML system design 的 学习blogs1. Eugene Yan's ML/LLMs blogs https://eugeneyan.com . Examples:[*]Patterns for LLM Systems: Evals, RAG, fine-tu ...
最近开始学习各种不同的 Attention 的算法，以及底层的 kernel 是如何实现的；先分享一个最近看过的 star attention 和自己的一些思考整理，欢迎和大家多多讨论https://a ...
意外被雷 重新出发 大部分面经都看不了 求米 【不会消耗你的米】这个网站总结了现在各个厂的一些 ML & LLM system的eng post，可以导出csv， 有些design有点旧但是也有 ...
本人在国内互联网大厂工作了3年，本科有过一篇IEEE的论文，然后现在在美国top10的学校读cs master，原本打算是毕业后找SDE，但是现在ai火的一塌糊涂，目前有读ai4science ...
本月听了GTC大会，作为正在转行学习AI的同学，学到了许多新知识，笔记写在Github上，也和地里感兴趣的小伙伴们分享，觉得有用的话不妨点个star/分享。https://github.com ...
有没有大佬看下我的日常工作内容正常吗？作为一名Gen AI Specialist,却没有真正写过任何大语言模型的代码，平时就是同事跟copilot prompt 有问题了帮忙修改一下，公司偏向 ...
我有多年 Java 后端经验，5 月即将在美东一所小型学校毕业。刷题不太利索，但在国内积累了丰富的 Docker Kubernetes CICD 经验，同时具备 AWS 和 Azure 的相关技能。SDE ...
而这本来自Kaggle大神Abhishek Thakur编写的《Approaching (Almost) Any Machine Learning Problem》前段时间挺火的。虽然我看过这本书之后觉得书名言过其实，而且发 ...
分享一个ML SD的github 关于ML SD的模板和一些example https://github.com/alirezadir/Machine-Learning-Interviews/blob/main/src/MLSD/ml-system-design.md 还提供 ...
大家都是怎么确保自己紧跟学术动态的...尤其是在如今AI论文每天几百篇轰炸的情况下...为了逼迫自己follow papers, 我和队友给自己做了个科研版的“微博”...叫 RibbitR ...
最近看了一篇和 LLM training 相关的综述文章，正好是我之前没怎么接触过但是组里面之后可能需要掌握的东西。前前后后花了两周的时间终于读完了，参考着里面给自己制定了 ...
看了很多介绍deepseek的都是差不多的内容，只有单纯夸赞。懂ml的同学能不能介绍一下到底是什么原因节省的算力？有个数据是deepseek记录的上下文长度是10万量级，其它模型 ...
Chip Huyen的新书AI Engineering: Building Applications with Foundation Models 将于1月7日正式出版。我在O’Reilly上试读了几个章节觉得不错，和之前Designing Machine ...
听了一节免费公开课，我准备上了，但是挺贵的要7k，有小伙伴想一起上的吗，这样能便宜不少，可以加一下一起讨论补充内容 (2024-11-19 06:27 +08:00):我的微信 Cana ...
如题小弟美本top20 DS 毕业, GPA偏低3.65多。 之后在个中型Fintech公司作为Data Science Analyst工作了三年，建了不少pricing模型。 H1b没抽中就去读研了。 现在在top ...
在学习的过程中看了好多资料，我觉得其中Sebastian Raschka的《Machine Learning with PyTorch and Scikit-Learn》挺适合我的。书中用很接地气的语言，结合大量的代 ...
如果Scaling Law始终成立，并且目前看起来确实如此，那么对于AI博士来说，继续做研究有什么意义呢？所有的AI/ML问题都可以通过“钱”来解决，更多的数据/算力解决一切。
在许多自然语言处理（NLP）任务中，Transformers都优于LSTM和RNN。从公式的角度来看，Transformer之所以取代RNN和LSTM，主要是因为其计算方式和模型架构在处理序列数据时 ...
推荐系统是现代人工智能应用中最常见的技术之一，帮助我们在海量数据中找到符合个人口味的内容。在本篇文章中，我们将深入探讨如何利用k近邻（k-nearest neighbors, KNN ...
category variable转成dummy variable，会不会妨碍机器学习性能？为什么python里面的很多模型，只能接受dummy variable？比如：random forest。这是不是python的缺点 ...
