logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

Rust AI 命令行工具:从参数解析到模型调用的最小闭环

Rust AI 命令行工具可以从参数解析、配置读取、模型调用和输出格式化的最小闭环开始。把类型、错误和安全边界打好,后续再扩展 Agent、插件和多模型能力会稳很多。

#rust#github#python
Python数据分析:Pandas vs Polars 详细对比

数据结构:Series(一维数组)和DataFrame(二维表格)数据操作:数据清洗、转换、聚合、合并等时间序列:强大的时间序列分析功能IO工具:支持多种文件格式的读写生态系统:与NumPy、Matplotlib等库无缝集成高性能:基于Rust实现,性能优异内存效率:内存占用低,支持流式处理并行处理:原生支持并行计算类型安全:基于Rust的类型系统,类型安全API简洁:API设计简洁明了Panda

#github#python
Python爬虫与数据分析:从数据采集到分析可视化

Python爬虫与数据分析是一个强大的组合,可以帮助我们从网络获取数据并从中提取价值。作为一个非科班转码者,我深刻体会到这两个技能的重要性。我的学习过程并不是一帆风顺的,遇到了很多困难和挫折,但通过不断地实践和学习,我逐渐掌握了Python爬虫与数据分析的各种技巧。保持学习,保持输出。虽然现在我还是个菜鸡,但我相信只要坚持,总有一天能成为真正的「第一程序员」!

#github#python
Python深度学习实战:从理论到应用

Python深度学习实战是一个从理论到应用的过程,需要掌握深度学习的基本概念、框架使用、模型训练和部署等技能。作为一个非科班转码者,我认为通过系统学习和实践,完全可以掌握深度学习技术。虽然深度学习的学习曲线比较陡峭,但通过项目实践和不断积累经验,你会逐渐掌握其精髓。同时,结合Rust的性能优势,可以进一步优化深度学习应用的性能。保持学习,保持输出。虽然现在我还是个菜鸡,但我相信只要坚持,总有一天能

#github#python
AI时代的Python:如何利用Python进入人工智能领域

AI时代已经到来,Python作为AI开发的主要语言,为非科班转码者提供了进入AI领域的机会。通过系统学习Python和AI知识,积累项目经验,非科班转码者完全可以进入AI领域并取得成功。作为一个非科班转码者,我相信只要坚持学习,不断提升自己的技能,就一定能够在AI领域找到自己的位置。保持学习,保持输出。虽然现在我还是个菜鸡,但我相信只要坚持,总有一天能成为真正的「第一程序员」!

#github#python
Python与云计算:非科班转码者的指南

Python在云计算领域有着广泛的应用,它的简洁语法和丰富生态使其成为云应用开发的理想选择。作为一个非科班转码者,我认为学习Python与云计算的结合不仅可以提高开发效率,还可以打开更多的职业机会。在学习Python的过程中,我深刻体会到云计算的重要性。云计算不仅提供了强大的计算资源,还简化了应用的部署和管理。同时,学习Rust也可以帮助我们从不同的角度理解云计算,提高我们的编程能力。云计算是一个

#github#python
Python计算机视觉实战:从图像处理到目标检测

Python计算机视觉实战是一个从基础到应用的过程,需要掌握图像处理、图像识别、目标检测等技能。作为一个非科班转码者,我认为通过系统学习和实践,完全可以掌握计算机视觉技术。虽然计算机视觉的学习曲线比较陡峭,但通过项目实践和不断积累经验,你会逐渐掌握其精髓。同时,结合Rust的性能优势,可以进一步优化计算机视觉应用的性能。保持学习,保持输出。虽然现在我还是个菜鸡,但我相信只要坚持,总有一天能成为真正

#github#python
Python机器学习模型部署

最近在学习机器学习的过程中,我发现模型训练只是机器学习的一部分,如何将训练好的模型部署到生产环境中同样重要。作为一个从后端转 Rust 的萌新,我认为了解模型部署是非常有必要的,它可以帮助我们将机器学习模型应用到实际场景中。Python 作为机器学习的主要语言,提供了多种模型部署的方法。今天,我就来分享一下 Python 机器学习模型部署的相关知识,希望能帮到和我一样的萌新们。模型部署是指将训练好

#github#python
Python推荐系统实战:从协同过滤到深度学习

Python推荐系统实战是一个从基础到应用的过程,需要掌握协同过滤、矩阵分解、深度学习等技术。作为一个非科班转码者,我认为通过系统学习和实践,完全可以掌握推荐系统技术。虽然推荐系统的学习曲线比较陡峭,但通过项目实践和不断积累经验,你会逐渐掌握其精髓。同时,结合Rust的性能优势,可以进一步优化推荐系统的性能。保持学习,保持输出。虽然现在我还是个菜鸡,但我相信只要坚持,总有一天能成为真正的「第一程序

#github#python
WebAssembly AI 插件开发:浏览器端推理,从模型加载到推理流水线

WebAssembly AI 插件为浏览器端推理提供了一条可行路径,核心价值是零延迟交互、零服务端成本、零隐私泄露。但受限于浏览器算力和内存,只适合小型模型的轻量推理任务。先用 ONNX Runtime Web 验证模型在浏览器中的推理效果确认可行后,用 Rust 重写推理逻辑,编译为 WASM对模型进行 INT8 量化,控制模型体积在 50MB 以内使用 IndexedDB 缓存模型文件,优化加

文章图片
#rust#github#python
    共 163 条
  • 1
  • 2
  • 3
  • 17
  • 请选择