少量标记的学习（Few-shot learning）是一种在较少标注数据集中进行模型训练的一种学习方法。为了解决大量标注数据难以获取的情况，利用预训练模型，在少量标记的数据中进行微调是一种新的帮助我们进行模型训练的方法。而就在昨天，Hugging Face发布了一个新的语句transformers（Sentence Transformers）框架，可以针对少量标记数据进行模型微调以获取很好的效果。
HFUTUtils的使用
深度学习的标准符号表示
Python生态系统中5个NLP工具库
如何理解狄利克雷过程（Dirichlet Process）
网络爬虫存储数据的三种常见方式及其python实现
几幅图解释为什么Netflix要进军游戏行业
学术工具
div和span的区别
张华平分词（又名中科院分词/NLPIR分词）的使用（Java版本）
!important属性和权重
Dirichlet Distribution（狄利克雷分布）与Dirichlet Process（狄利克雷过程）
回归模型中的交互项简介（Interactions in Regression）
贝塔分布（Beta Distribution）简介及其应用
矩母函数简介（Moment-generating function）
使用R语言进行K-means聚类并分析结果
普通最小二乘法（Ordinary Least Squares，OLS）的详细推导过程
H5文件简介和使用
深度学习技巧之Early Stopping（早停法）
Wishart分布简介
stata 用outreg2输出回归结果