登录社区云，与社区用户共同成长
邀请您加入社区
文章针对AI大模型开发领域的新人，指出不必因担心基础不牢而犹豫，建议先“占坑”进入团队再逐步补课。文章提供了新人进入团队后的生存指南，包括第一周的适应要点、初期的工作定位（如数据清洗、调参、文档编写）、成长法则（急用先学、缺啥补啥）以及必备的学习资源（书籍、文档、论文）。最后强调行业更看重能踏实干活、快速学习的人，而非全才，鼓励新人抓住机会在实战中成长。
已经很多年不写代码了，这两年只是听说AI辅助生成码，但也实际手操作过。所以当实际看到AI生成批处理直接可用时，还是感慨了一下：曾经自己学习+写出这样代码，加上不断调试，至少要好几天。现在半分钟出来，没有任何Bug。过年期间，整理一台老的笔记本电脑，结果发现有很多曾经备份手机照片，其中有大量的.hwbk文件，猜是HuaWeiBackup的意思，再看名称是.IMG_日期_序号.jpg，这肯定华为手机自
本文介绍了Linux系统中常用的15个基础命令及其用法，涵盖文件查看、时间日期、文件查找、压缩解压等日常操作。主要内容包括：1）more/less/head/tail等文件查看命令；2）date/cal时间日期命令；3）find/whereis文件查找命令；4）zip/tar压缩解压命令；5）alias/grep等实用工具；6）重要热键和扩展命令。每个命令都提供了基本语法、常用选项和示例说明，适合
的Level I考核科目中，人工智能商业应用（32%）和人工智能高级应用（RAG & Agent）（18%）占据了半壁江山，这正是市场对应用能力的直接映射——企业需要的是能用AI创造价值的人，而不是只会背公式的理论家。观察那些晋升快、薪资高的AI工程师，往往具备一个共同点：在完成业务任务的同时，保持对前沿的敏感，偶尔产出一些小创新——可能是一个业务场景下的算法改进，可能是一个工程效率上的优化技巧，
Q（查询矩阵）、K（键矩阵）、V（值矩阵）的生成核心，是对输入矩阵X进行三次独立的线性变换（矩阵乘法），每一次变换对应一个预先训练的可学习权重矩阵，三次运算。当Q、K、V三矩阵成功写入内存并完成专属标记后，Encoder的Q/K/V生成阶段正式结束，下一步将进入多头切分环节，对三个矩阵的特征维度进行拆分，为单头注意力计算做准备。简言之，自注意力机制的核心，就是通过Q与K的相似度匹配计算Token间
文章详解2024-2025年企业级RAG技术演进，混合检索已成生产标准，召回率提升5-10pp；GraphRAG通过知识图谱实现关系推理，LazyGraphRAG降低99.9%索引成本；Agentic RAG实现自主决策但90%项目生产失败，需谨慎应用。提供了框架选型指南和金融、法律、医疗等行业落地案例，强调企业应优先采用混合检索作为基础设施，根据场景决定技术引入，并建立评估体系贯穿始终。
本文介绍了Python模块和包的核心概念及使用方法。主要内容包括：模块的定义与导入方式（基础导入、指定导入、别名导入和全部导入），包的创建与组织结构，模块搜索路径机制，以及常用的入口惯用法if __name__ == '__main__'。文章还列举了9个常用标准库模块（如sys、os、math等）的典型用法，展示了Python"内置电池"的强大功能。通过学习这些内容，开发者可
系统梳理了AI Agent开发的10个核心模块，涵盖从基础理论到工程落地的完整学习路径。每个模块均明确核心内容、学习重点及线上资源，包括Prompt工程、Agent基础、工具调用、RAG技术、LangChain/AutoGen框架应用、AI编程、本地部署、模型优化等关键领域。学习路径设计兼顾面试备考与日常开发需求，特别强调实用工具链和主流框架的实操能力培养，为开发者提供从入门到进阶的完整指导方案。
本文系统梳理了大模型技术的学习路径，重点解析后训练和AI-Agent两大热门方向。作者结合实习经验和CS336课程，将知识体系划分为：Transformer原理、预训练技术、后训练方法（SFT/LoRA/RLHF）以及应用落地（RAG/Agent架构）。文章指出当前工业界最紧缺的是掌握模型微调和智能体开发的人才，并提供了包含提示工程、RAG系统、智能体开发等内容的学习资源包。通过90天系统学习，读
本文为Python新手提供了一条学习大模型技术的最简必学路线。首先，需要快速掌握Python基础。接着，重点学习大模型基础，包括LLM、提示词、RAG、Agent等概念，并学会调用大模型API。核心部分是学习LangChain，它能让写代码做任何大模型应用成为可能，是找AI开发工作的硬通货。此外，再学一个低代码平台Coze，能快速出产品、演示、落地项目。最后，可选学习Dify，适合未来想进公司做A
本文详细介绍了BERT预训练语言模型的核心概念、算法原理及实战应用。从预训练模型、双向编码器到Masked Language Model和Next Sentence Prediction，文章深入浅出地解析了BERT的工作机制。同时，提供了使用BERT进行文本分类的代码实例和最佳实践，帮助读者快速上手。BERT在文本分类、命名实体识别、情感分析等领域具有广泛应用，本文还推荐了Hugging Fac
摘要： API模糊测试面临语义边界的挑战，传统方法因随机输入导致覆盖率低、误报率高。智能模糊测试结合遗传算法（GA），通过模拟自然选择优化测试用例，有效突破语义边界。GA将输入编码为染色体，利用适应度函数（如代码覆盖率）评估用例，通过交叉、变异迭代进化，定向生成有效输入。实践案例显示，GA可将API测试覆盖率提升至95%，发现深层漏洞（如逻辑绕过）。尽管存在计算开销和技能门槛，但GA与AI（如LL
随着AI技术的兴起，集成工具如Jira（用于测试管理）和ChatGPT（用于智能分析）已成为变革性解决方案。示例prompt： “基于以下Jira缺陷数据，生成一份测试报告摘要：缺陷总数=50，严重缺陷占比20%，平均修复时间=2天。：过滤无效条目（如重复缺陷），并转换为结构化格式（如JSON或CSV）。：将数据导入数据库（如MySQL或MongoDB），设置定时任务（如cron job）实现实时
1.背景介绍人工智能(Artificial Intelligence, AI)是一门研究如何让机器具有智能行为的科学。机器学习(Machine Learning, ML)是人工智能的一个子领域，它研究如何让机器通过数据学习规律，从而提高其智能程度。人类智能与机器学习的相互作用是指，人类智能和机器学习之间的相互作用，以提高机器学习的学习效率。在过去的几十年里，机器学习已经取得了巨大的进展，例...
解析（一），工具链 bootloader
将数据放入 CUDA 后，没有出现过拟合的原因可能在于 CUDA 的使用有助于提高计算效率和数据处理速度，从而使得模型训练过程更加高效。通过使用 CUDA，可以加速模型的训练过程，减少训练时间，这在某种程度上可能有助于避免过拟合。使用 CUDA 进行计算可以加快模型的训练速度，使得模型能够更快地收敛到一个较好的解决方案，这在一定程度上减少了模型在训练数据上过度拟合的风险。此外，
嵌入式技术需要编程，学习嵌入式技术可以提升你的编程能力。在嵌入式开发中，你需要熟练的运用C，linux等编程基础知识，解决各种复杂问题，编写高效、稳定的代码。嵌入式技术是未来科技发展的趋势之一。掌握嵌入式技术，你将更加了解未来科技的发展方向，能够更好地规划自己的职业发展。学习嵌入式技术，你将站在科技的前沿，不断探索未来的可能。学习嵌入式技术，可以为你的职业发展打开更多的门路，让你在不同领域有更多选
AlexNet网络详解、代码实现
在深度学习与岩土工程融合的背景下，科研的边界持续扩展，创新成果不断涌现。从基本物理模型的构建到岩土工程问题的复杂模拟，从数据驱动的分析到工程问题的智能解决，深度学习正以前所未有的动力推动岩土工程领域的革新。
摘要：瓦斯涌出是煤矿安全生产的主要威胁之一，准确预测瓦斯浓度对于预防瓦斯灾害、保障矿工安全至关重要。本文提出一种基于阿基米德优化算法 (AOA) 优化宽度学习神经网络 (BLS) 的瓦斯浓度回归预测模型，旨在提高瓦斯浓度预测精度。首先，介绍了宽度学习神经网络的结构和原理，以及阿基米德优化算法的优化机制；然后，提出了基于AOA优化BLS的模型构建方法，并详细阐述了算法流程；最后，通过真实矿井瓦斯浓度
首先数据经过前向传播（经过隐藏层和输出层）得到一个预测结果，然后预测结果和数据标签做损失，然后损失通过反向传播算法来更新模型的参数，直至收敛。
我们使用 .tuning 子包中的 ParamGridBuilder() 对象，并使用 .addGrid(...) 方法向网格中添加参数：第一个参数是我们要优化的模型的参数对象（在我们的例子中，这些是 logistic.maxIter 和 logistic.regParam），第二个参数是我们想要遍历的值列表。这里应该谨慎说明：如果你定义了太多的参数要优化，或者这些参数的值太多，选择最佳模型可能需
设计一些任务，这些任务既可以生成标签，又可以通过模型来预测。例如，给定一个图片，可以创建旋转预测任务，模型需要预测图片被旋转的角度。
本文为初学者提供了神经网络的学习路线，从基础知识到实战应用，涵盖了数学、编程、神经网络基础概念、深度学习框架（如PyTorch和TensorFlow）、实战项目构建及优化调试技巧。文章逐步引导读者从零基础掌握神经网络的核心技术，并通过实战项目如MNIST数据集上的图像分类模型，帮助读者将理论知识应用于实际。此外，还分享了AI学习资源，包括课程、项目、论文和行业报告，以支持深入学习人工智能领域。
wps pdf右键的文字识别功能还需要开通会员才能使用，如何免费破解？
Claude系列从诞生之初就带着“安全优先、严谨可靠”的核心基因，彻底跳出了“堆参数、拼跑分”的同质化竞争，以宪法AI技术为核心，解决了大模型行业“安全与能力不可兼得”的核心痛点，成为法律、金融、咨询、高端研发等强合规行业的标杆性产品。本文将严格遵循系列日志的统一框架，所有核心信息均以Anthropic官方披露内容、技术论文与产品文档为唯一基准，从核心定义、发展历程、解决的行业痛点与落地场景、优劣
DTS综合体验第 1 章：实验背景1.1 注意事项注意：本实验涵盖两部分实验资源，请点击第一部分创建资源后，间隔3~5秒后再点击第二部分创建资源本实验涉及到本地自建MySQL数据库及RDS for MySQL数据库，最好对MySQL和RDS有基础的了解本实验的DTS相关链路已在创建资源时创建完成，实际操作时需要自行购买，请参考官方文档选择配置规格进行购买1.2 背景知识DTS简
dataSet = pd.read_csv(‘dataSet.csv’, header=None).values.T# 转置 5*15数组。return -np.sum([p * np.log2§ for p in probability_lst])# 返回信息熵。cnt = Counter(data)# 计数每个值出现的次数Counter({1: 8, 0: 5})cnt = Counter(d
C语言学习笔记分享
【持续更新】李宏毅深度学习课程学习笔记。
本文将介绍嵌入式竞赛实训平台（CT117E-M4）开发板上ADC的使用。
这篇博客来聊一聊Linux系统的休眠与唤醒。嵌入式驱动学习专栏将详细记录博主学习驱动的详细过程，未来预计四个月将高强度更新本专栏，喜欢的可以关注本博主并订阅本专栏，一起讨论一起学习。现在关注就是老粉啦！
2024年人工智能产业加速发展，规模预计突破9000亿元，但面临专业人才严重短缺的挑战。AI职业证书成为提升核心竞争力的有效途径，其价值体现在：提供能力认证、覆盖前沿技术、重塑知识体系。证书体系包含11个方向，涵盖算法研发、应用开发、数据交互三大类，满足不同职业需求。获取AI证书不仅是对专业能力的认证，更是把握时代机遇、实现职业跃迁的重要方式。
void printStr(char s[][10],int row) //注意需要传行数，因为操作多个字符串。//如果想在当前文件使用别的文件中的 全局变量 ，//相当于，把别的文件中的变量作用域扩展到当前文件。//表示 此时这个a 不是在当前文件中定义的 ，//指针变量 p 指向 了 int型变量a。//这个是一个自动变量 --- 栈上开辟的变量。
1.ADC（Analog-Digital Converter）模拟-数字转换器2.ADC可以将引脚上连续变化的模拟电压转换为内存中存储的数字变量，建立模拟电路到数字电路的桥梁3.12位逐次逼近型ADC，1us转换时间4.输入电压范围：0~3.3V，转换结果范围：0~4095 18个输入通道，可测量16个外部和2个内部信号源5.规则组和注入组两个转换单元6.模拟看门狗自动监测输入电压范围 STM32
本文提供了一份全面的AI学习路线图，旨在帮助不同背景的人有效地学习和应用AI技术。文章首先强调摆正心态，将AI视为基础设施而非威胁，并提供五个核心学习心法：动手为先、场景驱动、溯源学习、功利学习、输出与沉淀。接着，文章介绍了如何选择合适的AI工具，从对话类、创作类和搜索类工具中进行选择，并根据个人场景进行应用。文章还深入探讨了AI的底层逻辑、提示词进阶、工作流搭建、Vibe Coding以及如何建
自然语言处理（NLP）是人工智能的重要分支，致力于让计算机理解、生成和处理人类语言。它结合了计算机科学、语言学和统计学，广泛应用于文本分析、情感分析、机器翻译和语音识别等领域。NLP的核心任务包括文本处理（如分词、词性标注）、语法与语义分析、情感分析、机器翻译和文本生成。入门NLP需要掌握编程（如Python）、数学基础（如线性代数、概率论），并学习经典算法（如TF-IDF、Word2Vec）和深
学习
——学习
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
2048 AI社区
魔乐社区
