• 支持向量机-SVM 1
• 知识蒸馏 1
• 建模
• 特征提取
• 特征工程 1
• 特征归一化
• softmax 1
• 时间序列预测模型 1
• FinGPT 1
• FinML
• ChatGPT
• LLM
• GPT 1
• LSTM
• Transformer 1
• 梯度下降 1
• 特征工程 1
• 神经网络 1
• AI原理系列-强化学习 1
• AI原理系列-无监督学习 1
• AI原理系列-监督学习 1
• MoE架构的解析 1
• GPU 消费级与专业级性价比分析报告
• 算力集群的自建与租赁方案对比分析报告
• 训练一个1B的金融大模型需要花多少钱？ 1
• AlphaNet 1
• 卷积神经网络
• 循环神经网络
• Bert
• AlphaNet
• Vnp...

Read more

Getting Started

Beyond the basics

Airflow in practice

in the cloud

Read more

1. 金融数据研究方法论剖析

1.1 微观主体行为分析法

金融数据是微观经济主体行为的直接反映，深入剖析这些数据能够揭示经济活动的本质。从资金来源角度看，社会融资规模（扣除政府融资）是衡量企业融资策略的关键指标。例如，当社融数据中企业债券融资占比上升时，表明企业在优化债务结构，倾向于通过债券市场获取低成本资金，这可能反映出市场利率处于较低水平，企业对未来投资回报率持乐观态度。而财政净支付数据则能体现政府对经济的调控力度和方向，如财政净支付增加，意味着政府在加大基础设施建设等领域的投入，这将刺激相关产业的发展，带动企业订单增加和就业机会上升。

从资金去向角度分析，存款、现金和金融投资的动态...

Read more

RAG：开启人工智能“智慧”新纪元

RAG：突破传统，崭露头角

在当今的人工智能领域，生成式 AI 模型如璀璨明星般耀眼，其中 GPT 系列更是备受瞩目。它凭借强大的语言理解与内容创作能力，在众多领域掀起了创新的浪潮。从文案撰写到代码生成，从智能客服到创意写作，GPT 仿佛无所不能，为人们的工作和生活带来了前所未有的便利。

然而，再耀眼的明星也有其阴影。生成式 AI 模型，包括 GPT，存在一个不容忽视的 “阿喀琉斯之踵”——“幻觉” 现象。这些模型依赖于预训练数据构建的静态知识库，一旦面对实时更新的信息或者垂直领域的专业问题，便容易陷入困境。例如，当询问 “2023 年诺贝尔经济学奖得...

Read more

AutoML：开启机器学习自动化新时代

传统机器学习的困境

在当今数字化时代，机器学习已成为推动各行业发展的核心技术之一。从金融领域的风险预测到医疗行业的疾病诊断，从电商平台的个性化推荐到自动驾驶汽车的智能决策，机器学习的应用无处不在。然而，传统的机器学习流程在实际应用中却面临着诸多挑战。

数据处理的复杂性：在数据收集阶段，数据来源广泛且形式多样，包括结构化数据（如数据库中的表格数据）、半结构化数据（如 XML、JSON 格式的数据）和非结构化数据（如图像、文本、音频等）。收集这些数据需要耗费大量的时间和精力，并且要确保数据的完整性和准确性。以医疗领域为例，收集患者的病历信息时，可能需要...

Read more

解锁机器学习超参数：从基础到进阶的探索之旅

一、引言：超参数 —— 机器学习的隐形舵手

在机器学习的庞大体系中，数据、算法与超参数构成了模型构建的三大核心要素 ，它们彼此关联、相互影响，共同推动着模型从理论走向实际应用。

数据：机器学习的基石：数据是机器学习的原材料，其质量、规模和多样性直接决定了模型的学习上限。大量且高质量的数据能够为模型提供丰富的信息，帮助模型更好地捕捉数据中的潜在模式和规律。以图像识别领域为例，ImageNet 数据集包含了超过 1400 万张标注图像，涵盖了 2 万多个不同的类别，为众多图像识别模型的训练提供了坚实的数据基础，使得模型能够在图像分类、目标检测等任务...

Read more

一文看懂知识图谱：解锁AI“智慧密码”

从 0 到 1，知识图谱是什么

在信息爆炸的时代，数据如潮水般涌来。我们每天都会接触到海量的信息，这些信息分散在各个角落，如同散落在沙滩上的贝壳，等待着我们去收集和整理。知识图谱，正是这样一个强大的工具，它能够将这些碎片化的知识整合起来，构建出一个庞大而有序的知识网络，就像把贝壳串成美丽的项链。

知识图谱本质上是一种语义网络，以图的形式来表示实体以及实体之间的关系。其中，节点代表实体，边代表实体之间的关系 。比如说，在一个关于历史人物的知识图谱中，“李白” 是一个节点，“杜甫” 也是一个节点，他们之间可能存在 “好友” 这样的边。通过这样的图结构，...

Read more

解锁AI Agent：从模式架构到应用挑战全洞察

AI Agent：智能化时代的新引擎

在科技飞速发展的当下，人工智能（AI）已不再是一个遥远的概念，而是深入到我们生活和工作的方方面面。从智能手机中的语音助手，到工业生产线上的自动化机器人，AI 正以惊人的速度改变着我们的世界。而在这股 AI 浪潮中，AI Agent 作为一项关键技术，正逐渐崭露头角，成为推动智能化发展的新引擎。

AI Agent，即人工智能智能体，是一种能够感知环境、自主决策并执行任务以实现特定目标的智能实体。它可以是软件程序，也可以是硬件设备，甚至是软件与硬件的结合体。与传统的 AI 系统不同，AI Agent 具有...

Read more

探秘神经网络架构：解锁深度学习的核心密码

神经网络架构：深度学习的基石

在当今数字化时代，深度学习已经渗透到我们生活的方方面面，从智能手机的语音助手到自动驾驶汽车，从图像识别到自然语言处理，深度学习技术正在以前所未有的速度改变着我们的生活方式。而在深度学习的庞大体系中，神经网络架构无疑是其最为核心的组成部分，堪称深度学习的基石。

神经网络架构，简单来说，就是神经网络的结构和组织方式。它决定了神经网络如何接收输入数据、如何对数据进行处理和转换，以及最终如何输出结果。不同的神经网络架构适用于不同类型的任务和数据，它们各自具备独特的优势和特点。就如同建筑设计师根据不同的建筑需求设计出各式各样的...

Read more

解锁大语言模型潜力：探秘后训练技术

后训练技术：大模型的进阶密码

在当今数字化时代，大语言模型（LLM）如璀璨星辰照亮了人工智能的天空，而在其耀眼光芒背后，后训练技术恰似那关键的引擎，推动着模型性能的飞跃，成为大模型发展中不可或缺的进阶密码。

大语言模型的发展历程，是一部不断突破与创新的传奇。从最初简单的语言模型到如今拥有强大语言理解与生成能力的大模型，每一步都凝聚着无数科研人员的智慧与汗水。早期的模型在面对复杂的语言任务时，往往显得力不从心，就像一个初出茅庐的新手，虽有潜力但缺乏经验。随着技术的不断进步，大规模预训练模型应运而生，它们通过在海量文本数据中学习，掌握了丰富的语言知识，如同...

Read more