机器学习

未来，AI或许会取代你，但现在它是寻找工作的绝佳工具。很多人不知道如何使用AI来提高自己的机会，因此利用这些工具可以让你在求职中脱颖而出。

随着ChatGPT等工具的普及，解决方案的想法很容易被限制在人工智能助手范式中。为了帮助扩展可能性的空间，我分享了本文中的3个使用替代方法的实际AI用例。

多模态检索增强生成（Multimodal Retrieval Augmented Generation，简称RAG）是一种新兴的设计范式，允许AI模型与文本、图像、视频等多种信息存储接口进行交互。在理解了多模态RAG的基本概念后，我们将使用Google Gemini和一种类似CLIP的编码模型来构建一个多模态RAG系统。

本文是四篇系列文章中的第二篇，专门讨论时间序列数据中异常值的识别和管理。对于具有多个变量的数据，隔离森林、LOF和自动编码器自然适合处理高维数据。我们将在本文中探讨这些方法。

本文是关于时间序列数据中异常值识别和管理的三部曲系列的第一部分。在这篇初始文章中，我们将探索有效识别时间序列数据中异常值的可视化和统计方法。这些基础知识对于任何希望提高分析准确性的人来说都是至关重要的。在第二篇文章中，我将专门讨论机器学习方法，鉴于其重要性和复杂性，它们值得专门讨论。