生成式人工智能应用工程师

当打开半监督训练开关后，可以将未标注的数据添加至训练数据中参加训练。同时，这些未标注的数据在半监督训练完成后将会自动生成对应的标签信息，如在「保存自动生成标签」字段下选择了“是”，则可在EasyData数据服务对应数据集中查看并确认对应的标签结果 注：开启半监督训练后会增加部分训练时间，一般不会大于对应全量标注数据训练的训练时间两倍，请根据实际需求考虑后选择。

查看更多>>

内容目录 一、大模型应用开发方式介绍 基于大模型进行应用开发通常有以下三种方法： 基于API应用开发模式 基于大模型微调的应用开发模式 基于大模型API或大模型微调+插件开发模式 本节内容希望读者对三种应用开发模式及过程有基本的了解，可以根据自己的情况按需选用适合自己能力和业务场景的开发方式。

查看更多>>

内容目录 一、大模型应用开发方式介绍 基于大模型进行应用开发通常有以下三种方法： 基于API应用开发模式 基于大模型微调的应用开发模式 基于大模型API或大模型微调+插件开发模式 本节内容希望读者对三种应用开发模式及过程有基本的了解，可以根据自己的情况按需选用适合自己能力和业务场景的开发方式。

查看更多>>

图像分类数据标注说明 目录 标注操作说明 标注技巧说明 上传图片 标注操作说明 在数据集查看详情页面可以点击开始标注，进入到标注页面。 添加标签 点击右侧添加标签，输入不同分类名称，完成标签添加。 标签格式说明：目前平台标签名称只支持数据/字母/下划线，暂时不支持中文 标注方式 根据左侧选定的当前图片，在右侧标签列表选择标签即可完成标注。 点击下一张图片/切换图片即可完成保存 标注技巧说明 快速标

查看更多>>

Paddle框架API调用文档 本文档主要说明使用Paddle框架训练的模型部署到公有云后获得的API如何使用，如有疑问可以通过以下方式联系我们： 在百度智能云控制台内 提交工单 进入 BML社区交流 ,与其他开发者进行互动 接口描述 基于Paddle深度学习框架训练出的模型，模型训练完毕，发布到模型仓库并部署到公有云后可获得定制API 接口鉴权 在BML-控制台创建应用 应用列表获取AK/SK

查看更多>>

XGBoost 1.3.1 XGBoost XGBoost框架下，自定义作业支持发布保存模型为 pickle 和 joblib 格式，并且在发布至模型仓库时需要选择相应的模型文件。使用下面代码进行模型训练时，训练程序可以自行加载数据，训练数据选择空文件夹即可。 pickle格式示例代码 # -*- coding:utf-8 -*- xgboost train demo import

查看更多>>

文本实体抽取数据标注 通过平台导入「无标注信息」的数据集后，可对无标注数据进行标注操作。 1. 创建标签 进入到待标注的数据集，您需要在右侧的标签栏中创建标签，点击「添加/搜索标签」后，即可输入标签名称，注意平台仅支持数字和字母的标签名 添加完标签后，可以添加标签的备注信息，如下图： 2.标注实体 您可以在文中划选需要标注的文本，然后在弹出的下落标签中选择需要标注的标签，如下图。也可以在划选文本后

查看更多>>

Blackhole 1.0.0 Blackhole 1.0.0 Blackhole是百度自研的高性能数据科学引擎，CodeLab中内嵌了该引擎。通过异构加速计算、超大数据处理、高效数据存储等技术，单机Blackhole在数据分析和机器学习等场景相比开源Pandas/Sklearn性能可提升7倍以上、拥有TB级的单机超大数据处理能力，同时提供和Pandas、Sklearn基本一致的易用接口。参考文档

查看更多>>