赛题：智能驾驶汽车虚拟仿真视频数据理解赛道 任务： 输入：元宇宙仿真平台生成的前视摄像头虚拟视频数据（8-10秒左右）； 输出：对视频中的信息进行综合理解，以指定的json文件格式，按照数据说明中的关键词（key）填充描述型的文本信息（value，中文/英文均可以） 初赛提交格式： { "author":"abc", "time":"YYMMDD", "model":"model_name", "test_results":[ { "clip_id":"xxxx_1", "scerario":"cityroad", "weather":"unknown", "period":"n...

开始分析 根据海量的应用数据作为训练样本，基于提供的样本构建模型，预测用户的新增情况。 赛题数据由约62万条训练集、20万条测试集数据组成，共包含13个字段。其中uuid为样本唯一标识，eid为访问行为ID，udmap为行为属性，其中的key1到key9表示不同的行为属性，如项目名、项目id等相关字段，common_ts为应用访问记录发生时间（毫秒时间戳），其余字段x1至x8为用户相关的属性，为匿名处理字段。target字段为预测目标，即是否为新增用户。 基于训练集的样本数据，构建一个模型来预测测试集中用户的新增情况。这是一个二分类任务，其中目标是根据用户的行为、属性以及访问时间等特征，预测该...

关于用户新增预测 数据收集：收集与用户新增相关的数据。包括用户的基本信息（如年龄、性别、地理位置等）、行为数据（如浏览历史、购买记录等）以及时间序列数据（如用户注册日期、活跃度等）。 数据预处理：在构建模型之前对数据进行预处理。这可能包括缺失值处理、异常值处理、数据标准化、特征选择等。确保数据集是准确、完整和一致的。 特征工程：根据业务需求和数据特点，提取有意义的特征。包括基于统计的方法（如相关系数、协方差等）或基于领域知识的方法（如聚类分析、主成分分析等）。 选择模型：根据问题类型（如回归、分类等）和数据特点，选择合适的预测模型。包括线性回归、决策树、随机森林、支持向量机、神经网络等。对于时...

    回首本期夏令营，从最初的报名到开始阶段的学习，再到如今已近尾声，初入营仿若为昨日，而现已快完结。正如你所说，相信我们一定有所收获了，于我而言，收获不止是仅仅了解了用户新增预测这个挑战赛的解答，在白日空暇之时，在天黑夜深之际，更多的是一遍遍的感悟代码之中所蕴含与发挥创造性去探索，在多个不同的模型之间进行交叉验证，比较其精度。从数据的预处理，到不同特征的探索，这些都需要细细思索。     这期的学习是我第一次开始了解并体悟机器学习，以初学者的视角去看这些代码及其背后的逻辑，显然迷雾重重障眼，而这又正是我们这些初...

在本次进阶实践部分，将在原有Baseline基础上做更多优化，一般优化思路，从特征工程与模型中来思考。 特征选择与删除：分析特征的重要性，可以使用特征选择方法（如基于模型的特征重要性）来选择最具有预测能力的特征，也可以删除一些对模型性能影响较小的特征。 特征组合与交互：将不同特征进行组合、相乘、相除等操作，创建新的特征，以捕捉特征之间的复杂关系。 数值型特征的分桶（Binning）：将连续的数值型特征划分为多个区间，可以提高模型对特征的鲁棒性。 类别型特征的编码：除了One-Hot编码外，可以尝试使用其他编码方式，如LabelEncoding、TargetEncoding等，来更好地处理类别...

本次项目使用的是platform.virtaicloud。 在趋动云平台创建项目，填写项目名称和项目描述，然后添加镜像，选择含TensorFlow2.x框架的官方镜像，这里我选择的是TensorFlow2.10.1。接着选择公开数据集，DogsVsCats。 在本次训练过程中我选择的是基础版B1.small。进入的Jupyter界面。 在进入项目后在终端中调试代码： 命令为： python$GEMINI_RUN/DogsVsCats.py--num_epochs5--data_dir$GEMINI_DATA_IN1/DogsVsCats/--train_dir$GEMINI_DATA_...

新建项目： 然后上传代码压缩包。 点击进入开发环境 pipinstall-rChatGLM2-6B/requirements.txt-ihttps://pypi.virtaicloud.com/repository/pypi/simple 加载模型 pythonChatGLM2-6B/cli_demo.py

在上传代码页选择暂不上传。 初始化开发环境实例 选择网页终端，进入： 1、解压代码及模型 tarxf/gemini/data-1/stable-diffusion-webui.tar-C/gemini/code/ 2、解压配置文件到隐藏目录/root/.cache tarxf/gemini/data-1/cache.tar-C/root/ 3、拷贝frpc内网穿透文件（注意有两行->两条指令） cp/gemini/data-1/frpc_linux_amd64/root/miniconda3/lib/python3.10/site-packages...