飞桨常规赛:MarTech Challenge点击反欺诈预-9月第5名方案 本文围绕MarTech Challenge点击反欺诈预测比赛，介绍了结合XGBoost与PALM语言模型的方案。先进行数据分析与特征工程，筛选关键特征、构建新特征，如数量特征、时间多尺度特征等。再分别用XGBoost五折交叉验证和PALM模型训练预测，最后融合两者结果，以提升点击欺诈识别准确率。
【AI达人特训营】服装分类：Fashion-MNIST数据集 该项目基于飞桨构建模型对Fashion-MNIST数据集分类。数据集含60000张训练图、10000张测试图，为28x28灰度图，分10类。项目先解压数据、查看概览，再划分训练集与验证集（8:2），计算均值和方差，定义数据读取器。构建简单卷积神经网络，经两次训练（固定和变动学习率），评估得精度0.91225，最后保存模型并实现预测功能。
【PaddlePaddle+OpenVINO】AI“朗读机”诞生记 本文介绍了基于Paddle模型库在Intel AI BOX边缘设备上部署简易AI“朗读机”的项目。该设备可识别实体书或A4纸文字，按空格键即可发声并截图。部署涉及PaddleOCR、PaddleSpeech等，提供了从PaddleHub和PaddleSpeech调用语音合成模型的两种方式，后者支持更多预训练模型及自定义优化，设备类似预装Windows系统的PC。
【PaddlePaddle】基础理论教程 - 算子与机器学习概述 本文围绕算子与机器学习展开，先介绍算子定义、与张量关系、常见类型及作用。接着讲解自动微积分，包括微积分基础、自动微分原理及PaddlePaddle中的实现。还阐述机器学习核心概念、工作流程，并以PaddlePaddle实现线性和多项式回归模型，展示其应用。
[数据可视化]RumorLens: 社交媒体谣言的互动分析和验证 RumorLens是发表于CHIEA'22的交互式可视化分析系统，旨在助力社交媒体管理员高效分析验证谣言。其整合NLP与可视化技术，通过三个层次视图呈现信息：概述显示谣言时空分布，投影视图体现特征与相似性，传播视图以圆形设计展示动态传播细节，还介绍了数据处理及视图设计思路。
ConvNeXt飞桨版本预训练权重 本项目提供了ConvNeXt的飞桨版本的预训练权重以及模型文件。权重由PyTorch转换而来。并且通过在ImageNet 1K测试集进行精度校验。模型文件请见ConvNeXt.py。本项目旨在提供飞桨版本的模型权重、模型文件和验证精度，对于模型的理解并没有描述，如果想深入了解模型，请见： ConvNeXt：探索CNN网络的极限潜力
基于Paddle2.0的注意力卷积网络RAN 本项目用Paddle2.0复现RAN，在10类动物数据集（8:2划分）上实验，对比RAN-56与ResNet50。RAN-56验证准确率85.26%，远高于ResNet50的58.88%，体现注意力机制优势。
AdaptSegNet：学习调整结构化输出空间进行语义分割 本文介绍AdaptSegNet的PaddlePaddle实现，该方法将语义分割从合成数据集（如GTA5）适配到真实数据集（如Cityscapes）。给出了复现指标、训练过程，说明数据集下载与目录结构，提供预训练模型链接，还详述了测试和训练的启动方式及相关参数，展示了模型在真实图片上的分割效果。
基于PaddleOCR的FCENet复现 本文介绍基于PaddleOCR复现CVPR2021论文提出的FCENet文本检测算法。该算法用傅里叶变换建模任意形状文本框，采用ResNet+FPN架构，含分类和回归分支。文中说明CTW1500数据集情况，复现精度达Hmean 0.854，还介绍了AI Studio在线运行、训推一体流程及本地运行方法，展示代码结构与检测效果。
