叶梓专题

人工智能培训讲师咨询叶梓介绍及智能医疗技术与ChatGPT临床应用三日深度培训提纲

1、授课老师简介叶梓，上海交通大学计算机专业博士毕业，高级工程师。主研方向：数据挖掘、机器学习、人工智能。历任国内知名上市IT企业的AI技术总监、资深技术专家，市级行业大数据平台技术负责人。长期负责城市信息化智能平台的建设工作，开展行业数据的智能化应用研发工作，牵头多个省级、市级行业智能化信息系统的建设，主持设计并搭建多个省级、市级行业大数据平台。参与国家级人工智能课题，牵头上海市级人工智

大模型咨询培训老师叶梓：利用知识图谱和Llama-Index增强大模型应用

大模型（LLMs）在自然语言处理领域取得了显著成就，但它们有时会产生不准确或不一致的信息，这种现象被称为“幻觉”。为了提高LLMs的准确性和可靠性，可以借助外部知识源，如知识图谱。那么我们如何通过Llama-Index实现知识图谱与LLMs的有效交互，从而提升应用性能呢？先来了解下知识图谱知识图谱是一种结构化的语义知识库，它通过图的形式存储和表示实体（如人、地点、组织）以及它们之间的各种关

人工智能大模型培训老师叶梓探索知识库问答中的查询图生成：处理多跳复杂问题的新方法

在人工智能领域，基于知识库的问答（KBQA）技术正变得越来越重要。它使得机器能够理解自然语言问题，并从结构化的知识库中检索答案。然而，面对多跳复杂问题，传统的KBQA方法往往力不从心。近期，研究者们提出了一种新的查询图生成方法，旨在同时处理带有约束的单一关系问题和涉及多跳关系的问题，显著提升了从知识库回答复杂问题的能力。传统方法的局限性传统的KBQA研究多集中于简单问题，即那些可以通过单一

AI大模型老师叶梓：构建知识图谱，从文本到知识的智能转换

在数字化时代，我们被海量的文本信息所包围，这些信息包含了丰富的知识。然而，这些信息往往是非结构化的，难以直接用于知识推理和决策支持。知识图谱作为一种将非结构化信息转化为结构化知识的有效工具，能够帮助我们更好地组织、查询和分析数据。本文将介绍如何利用现有的技术和方法，将任意文本转换为知识图谱，以及这一过程的潜在应用。知识图谱简介知识图谱，也称为语义网络，是一种通过图结构表示实体及其关系的技术

人工智能培训老师叶梓：如何通过Prompt优化提升GPT-4性能

在人工智能领域，尤其是自然语言处理（NLP）中，Prompt工程是一种通过精心设计的提示（prompt）来引导模型生成期望输出的技术。最近，微软的研究团队通过Prompt优化策略，在医疗领域取得了显著的成果，并发现这些策略可以泛化到通用场景中，显著提升了GPT-4的性能。本文将探讨Prompt工程的基本概念、微软的策略以及如何通过Prompt优化提升GPT-4的性能。 1. Prompt工程的基

AI人工智能讲师大模型培训老师叶梓：如何将常识知识图谱融入故事书叙述

在数字化和人工智能技术不断进步的今天，将常识知识图谱融入儿童故事书叙述已成为教育技术领域的一个热点。这种方法不仅能够提升儿童的阅读体验，还能够在娱乐中潜移默化地传授知识，培养孩子们的认知能力和批判性思维。以下是结合最新研究成果和技术进展，探讨如何实现这一目标的文章。背景故事书是儿童早期教育的重要组成部分，它不仅能够激发孩子们的想象力，还能在阅读过程中传授重要的生活常识和道德观念。然而，随着

AI人工智能讲师叶梓大模型推理能力提升: 方法与实践

在人工智能的领域中，推理能力是衡量模型智慧的关键指标之一。近年来，研究者们提出了多种方法来增强大模型的推理能力，这些方法在不同程度上模拟了人类的思考过程，提高了模型解决问题的准确性和效率。以下是对这些方法的深入探讨和总结。推理能力增强的方法主要分为三类：思维链提示（CoT Prompting）、生成器与验证器的结合使用，以及这两种方法的混合应用。思维链提示的核心思想是向大语言模型展示样例，并在

人工智能讲师叶梓聊聊AI Agents技术的最新进展：自主智能与多领域融合

小伙伴们！今天我们来聊聊AI Agents技术的最新进展，一起探索这个领域的前沿动态。 AI Agents技术的崛起最近，AI Agents技术可谓是风头正劲，自从AutoGPT在Github上一周内狂揽6万star，刷新了涨星速度记录以来，AI Agents项目就如同雨后春笋般在各大技术平台涌现。OpenAI的创始成员Andrej Karpathy也表示，OpenAI内部对Agent领域的

人工智能ai大模型培训师专家讲师叶梓介绍及ChatGPT提纲

叶梓，长期负责城市信息化智能平台的建设工作，牵头多个省级、市级智能化信息系统的建设，主持设计并搭建多个行业省级、市级大数据平台。参与国家级行业人工智能课题研究，牵头市级行业人工智能课题研究。助理威信：amliy007 带领团队在相关行业领域研发多款人工智能创新产品，成功落地多项大数据、人工智能前沿项目。参与国家级、省级大数据技术标准的制定，曾获省部级以上的科技创新一等奖。【课程简介】本课

ai讲师老师人工智能培训讲师计算机视觉讲师叶梓：计算机视觉领域的自监督学习模型——MAE-11

接上一篇 P24P25 MAE的编码器部分 n Our encoder is a ViT but applied only on visible, unmasked patches . n Just as in a standard ViT , our encoder embeds patches by a linear projection with added pos

AI人工智能大模型讲师叶梓《基于人工智能的内容生成（AIGC）理论与实践》培训提纲

【课程简介】本课程介绍了chatGPT相关模型的具体案例实践，通过实操更好的掌握chatGPT的概念与应用场景，可以作为chatGPT领域学习者的入门到进阶级课程。合作威信amliy007 【课程时长】 1天（6小时/天）【课程对象】理工科本科及以上，且至少了解一门编程语言。【课程大纲】（培训内容可根据客户需求调整）时间内容案例实践与练习 Day1上

自然语言处理NLP培训讲师叶梓：人工智能之最新NLP自然语言处理技术与实战-18

接上一页 P39-P40 向量空间模型 VSM将文档表示为一个向量空间中的一个向量，由所有文档中提取出来的词典和各份文档构成的一个矩阵。余弦相似度 • 文本处理中最常用的相似性度量方式是余弦距离。 • 根据向量在其向量空间的坐标值，求得它们的夹角，夹角越小，它们的方向更加吻合，则越相似。 • 夹角大小通过计算得出的余弦值来表示，夹角越小，余弦值越接近

自然语言处理讲师NLP培训讲师叶梓：人工智能之最新NLP自然语言处理技术与实战-21

接上一篇 P46-P47 形式化定义 Q是所有可能的状态的集合，V是所有可能的观测的集合. Q={q1,...,qN},V={v1,...,vM} 其中，N是可能的状态数，M是可能的观测数S是长度为T的状态序列，O是对应的观测序列. S=(S1,...,ST),O=(o1,...,oT)A是状态转移矩阵： A=[aij]N×N 其中，aij=P(it+1=qj|i

自然语言处理讲师NLP培训讲师叶梓：人工智能之最新NLP自然语言处理技术与实战-20隐马尔可夫模型

接上一篇 P43-P45 HMM概念 • 隐马尔可夫模型（ Hidden Markov Model ， HMM ）是一种是关于时序的概率模型，用来描述一个含有隐含未知参数的马尔可夫过程。 • 它是指一个隐藏的马尔可夫链随机生成不可观测的状态随机序列，再由各个状态随机生成一个观测，从而产生观测随机序列的过程。隐马尔可夫模型并不是俄罗斯数学家马尔可夫发明的，而是

自然语言处理讲师NLP培训讲师叶梓：人工智能之最新NLP自然语言处理技术与实战-19

P41-P42 个人助理QQ526346584 TF-IDF • TF-IDF用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。 • • TF-IDF 的主要思想是，如果某个词或短语在一篇文章中经常出现，且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。 • • 字词的重要性随着它在文件中出现的次数成正比增加，

人工智能AI讲师NLP培训讲师叶梓：人工智能之最新NLP自然语言处理技术与实战-22

接上一篇 P48-P49 示例1-天气与地面干湿 S1: 晴天 S2: 雨天 S3: 多云 O1: 干 O2: 湿示例2-罐子里的彩球 Observation Sequence: 未完，下一篇继续……

人工智能培训老师叶梓介绍：人工智能之最新NLP自然语言处理技术与实战-29

接上一篇 P62-P64 Viterbi算法-另一个示例问题3：有监督的学习 • 1. 转移概率 a ij 的估计设样本中时刻 t 处于状态 i 时刻 t+1 转移到 j 的频数为 A ij ，那么状态转移概率为 a ij 的估计是 • 其中 i =1,2,...

ai人工智能培训老师讲师NLP自然语言处理讲师叶梓：人工智能之最新NLP自然语言处理技术与实战-11

个人助理QQ526346584 接上一页 P25-P26 语义组块语义组块（Chunking），将标注好词性的句子按句法结构把某些词聚合在一起，形成比如主语、谓语、宾语等。抄手：文字抄写者抄手：川渝方言，指馄饨。巴适：川渝方言，好吃的意思。实体ID 实体名称说明 12302 抄手|抄写者文字抄写人 43034 馄饨|扁食|云吞|抄手馄饨指

人工智能讲师ai讲师NLP讲师叶梓：人工智能之最新NLP自然语言处理技术与实战-14

接上一页 P30-P31 从情感词分析，如倾向性分类（褒，贬，中），情绪分类（喜，怒，悲，恐，惊）等。让机器人具有情感表达。在不同的领域都存在迁移的问题。如医患关系在医院与社会的评价是不同调的。如用事实陈述、比喻、反问、隐喻等表达情感。可以深入理解情感，知其然，亦知其所以然。进而可预测情感倾向。同一事件，不同的人有不同的情感表达。通过情感分析可以个性化应用。情感极性的判断情感词典方法是

人工智能讲师叶梓老师《人工智能概念入门》培训-5

课件为人工智能讲师叶梓人工智能基础课程之一，接上一篇，更多课程，及老师资料可点击个人主页朴素贝叶斯（Naive Bayes） l再看一个例子：假定数据样本世界由水果组成，用它们的颜色和形状描述。 l假定X表示样本是红色和圆的，H表示样本是苹果，则P(H|X)反映当我们看到样本是红色并是圆的时，我们对样本是苹果的确信程度。贝叶斯定理与全概率公式可以形象地把全概率公式