【Paper筆記】Graph database modeling of a 360-degree e-customer view in B2C e-commerceAbstractNov 16Nov 16
傳統智能客服 vs. RAG:誰能給你更好的答案?在生成式 AI 的應用中,RAG(Retrieval-Augmented Generation)技術因其先檢索相關資料、再生成答案的特性,常被認為能提高回答的準確性。這是因為它能將生成的答案範圍限制在特定的資料集內。然而,一般的生成式 AI(如…Nov 13Nov 13
【小聚】9/25 數創實驗室: 用生成式 AI 賦予資料分析的新方法昨天參加數創實驗室九月份的小聚,這次的主題圍繞著大型語言模型(LLM)在各行各業中的應用與影響。這場聚會不僅分享了企業如何面對 LLM 的技術挑戰,也探討了這些技術如何改變我們的工作方式,甚至對個人創業者產生的潛在影響。AI…Sep 26Sep 26
資料治理超入門:學習心得與關鍵知識點前陣子我參加了 andyrockdata 舉辦的資料治理超入門課程,會想參加這堂課程主要是因為對資料治理的興趣,以及想了解實務上如何實施資料治理。Aug 27Aug 27
【邁向圖神經網絡GNN】Part5: 建構 GNN model 實作 Cora 資料集結點分類任務上一篇我們通過 pytorch 實作自定義的 message passing class,這篇要實作整個 GNN model ,以及使用 cora dataset 進行分類任務,並比較各個模型的成效,如果還沒看過上一篇的人可以點以下連結:Jul 28Jul 28
【邁向圖神經網絡GNN】Part4: 實作圖神經網路訊息傳遞機制在上一篇文章中,我們理解到GNN中的訊息傳遞機制,那在這一篇會透過 pytorch 實作訊息傳遞機制,還沒看過上篇的可以點以下連結:Jul 24Jul 24
【邁向圖神經網絡GNN】Part3: 圖神經網絡的核心-消息傳遞機制在上一篇文章中,我們探討了如何使用PyTorch來構建圖形對象,本篇專注於圖神經網絡(GNN)中的一個核心概念 — — 消息傳遞(message passing)。我們先簡單回顧卷積神經網絡(CNN),它與 CNN…Jul 24Jul 24
【邁向圖神經網絡GNN】Part2: 使用PyTorch構建圖形結構的全過程上篇我們基本認識圖神經的起源發展,以及可行的應用場景,那這篇主要筆記使用 pytorch 建立 graph 的幾個概念與實作!Jul 23Jul 23