统计语言模型

大规模语言模型（LLM）是基于深度学习的自然语言处理模型，能够学习和生成人类可读的文本。这些模型基于神经网络，利用互联网上的大量文本数据进行训练，拥有数十亿到数万亿个参数。整理了国内外公司和科研机构开源的LLM，展示了它们在自然语言生成、文本分类、机器翻译等领域的应用。

利用语言模型结合Boruta算法预测NBA常规赛前16强，预测准确率达到14/16。文章详细介绍了模型建立过程及算法评估。

Semantic Kernel (SK) 是一个轻量级 SDK，允许开发人员将 C# 和 Python 等传统编程语言与大型语言模型 (LLM) AI 相结合。 SK 提供提示模板、链接和规划功能，帮助开发人员创建自然语言提示、生成响应、提取信息、调用其他提示或执行可以用文本表示的其他任务。 SK 的四大优势： 快速集成: SK 可以轻松地嵌入到任何类型的应用程序中，方便开发人员测试和运行 LLM AI。 扩展性: SK 支持连接外部数据源和服务，使应用程序能够将自然语言处理与实时信息结合使用。 更优的提示: SK 的模板化提示使开发人员能够使用抽象和机制快速设计语义函数，从而释放

统计编程里的老牌选手 R 语言，适合搞数据的你。它不光是免费开源的，还能应付各种统计图和模型，扩展性也不错。语法有点像数学公式，逻辑清晰。用 R 缺失值、做图、时间序列，真的是挺方便的。如果你是 Python 用惯了的，刚上手 R 会有点不适应，但慢慢来，就发现它的图形输出真香！

本幻灯片深入解析R语言在多元统计中的应用。

统计里的 R，真的是个好用到爆的小工具，尤其配上《统计建模与 R 软件》这本书，用起来简直事半功倍。书的结构比较贴近熟悉的数理统计课程，基础打得挺牢，还挺系统地讲了建模怎么搞，怎么用 R 来跑数据、画图、做检验。每一章都不是干讲概念，而是直接结合 R 来演示，比如用lm()做线性回归，或是用ggplot2画出各种炫酷图表，代码量不大，上手也不难。R 的包多得让人眼花，但书里挑的都是比较实用的，比如car、MASS、forecast，讲得也比较接地气，有种“老司机带你飞”的感觉。你要是之前用 Excel 数据，换成 R 之后会发现灵活多了，图也清晰，逻辑也顺。更妙的是它还结合了不少实际应用场景，

R语言统计分析 作者: John M. Quick 出版商: Packt Publishing 出版日期: 2010年10月26日 页数: 300 语言: 英语 格式: PDF

汤银才所著《R语言与统计分析》深入浅出地介绍了R语言在统计分析中的应用，涵盖数据处理、统计建模、可视化等方面。

R 语言的开源特性和灵活性，确实挺吸引人的，是做数据可视化和统计建模的时候，用起来就一个字：爽。你要是平时也和我一样，得跑点回归、画点图，那这篇《R 与其他统计软件比较》还蛮值得一看。讲得直接，谁快、谁贵、谁难用，基本都点到了。 SAS 的模块挺全，跑起来快，就是扩展性差点意思，而且买起来真不便宜；SPSS嘛，新手友好，图形界面清爽，就是你真要写点逻辑复杂的东西，容易卡壳；Splus支持 S 语言，跟 R 基本兼容，挺高级的，但也挺贵。这么一比，R 真的是香啊，社区活跃，扩展包丰富，而且最重要——免费！ 要是你正纠结学哪个，不妨看看这几篇文章：探索数据科学：统计软件与 R 语言这篇挺适合新手理

在控制台中键入如下命令2 + 2 a