tag 人工智能

標籤
貢獻960
1464
06:37 AM · Oct 27 ,2025
deephub 頭像 u_13357275 頭像 pannideniupai 頭像 elhix0bg 頭像 rtedevcomm 頭像 xingxingshangdeliushu 頭像 tecdat 頭像 chaoshenjinghyperai 頭像 u_15591470 頭像 u_17579295 頭像 u_17512334 頭像 lab4ai 頭像

@人工智能 / 博客 RSS 訂閱

bchbb 頭像

編程黑板報 - 告別收藏不讀：NotebookLM 讓資料開口説話

引言 你是否也經歷過這樣的絕望： 不管是堆滿 PDF 的下載文件夾、永遠關不完的瀏覽器標籤頁，還是隻進不出的收藏夾，我們似乎都陷入了"只收藏不閲讀"的信息焦慮中。 我們像是被信息的巨浪拍死在沙灘上。明明坐擁一座"信息金山"，卻找不到挖掘的鏟子。 最近，Google 推出的 NotebookLM 徹底解決了這個痛點。當我第一次把一份枯燥難懂的行業報告丟進去，它竟然在幾分鐘內生成了一段兩個 AI 主持

generative-ai , llm , 教程 , 知識 , 人工智能

收藏 評論

u_19261 頭像

戀上一隻豬 - Using temporary優化方向

本文介紹的常數優化方法能使代碼加速到原來的一半甚至更快 使用union類 定義 union是一種特殊的類，定義方法如下（定義在main內或main外都可以） union Union{ int a; double b; char c; }; Union u; 互斥的特性 union的所有成員存儲在同一個地址上，因此在任意時

機器學習 , 運行時間 , 數組 , Using temporary優化方向 , 人工智能 , 多維數組

收藏 評論

pannideniupai 頭像

雨大王 - 工業互聯網平台在工藝工程安全與環保中的應用

一、工業互聯網平台：現代製造業的智能心臟 在當今工業4.0時代，工業互聯網平台已成為推動製造業數字化轉型的關鍵力量。它不僅僅是技術的堆砌，更是將傳統生產過程中的孤立環節連接成一個高效、智能的整體。工藝工程作為製造業的核心組成部分，涵蓋了從設計、生產到維護的全過程，其安全性與環保性直接關係到企業的可持續發展。想象一下，一個繁忙的工廠車間裏，機器轟鳴、材料流動，如果不加以控制，很容易發生事故或造

人工智能 , 深度學習

收藏 評論

u_16213711 頭像

mob64ca1416f1ef - 基線數據不齊分析邏輯迴歸分析

　　基線的本意是指立體視覺系統中兩攝像機光心之間的距離。依據拍攝兩幅圖 像的視點位置關係可將對應點匹配問題分為寬基線(Wide Baseline)和窄基線匹配(Short Baseline)。寬基線一詞用於匹配時，泛指兩幅圖像有明顯不同的情況下的匹配。產生這種情況的原因有可能為攝像機之間的位置相差很大，也有可能由於攝像機旋轉或焦距的變化等因素產生的。

機器學習 , 鄰域 , 對應點 , 基線 , 基線數據不齊分析邏輯迴歸分析 , 人工智能

收藏 評論

deephub 頭像

deephub - 4個解決特定的任務的Pandas高效代碼

在本文中，我將分享4個在一行代碼中完成的Pandas操作。這些操作可以有效地解決特定的任務，並以一種好的方式給出結果。 從列表中創建字典 我有一份商品清單，我想看看它們的分佈情況。更具體地説：希望得到唯一值以及它們在列表中出現的次數。 Python字典是以這種格式存儲數據的好方法。鍵將是字典，值是出現的次數。 這裏可以使用value_counts和to_dict函數，這項任務可以在一行代碼中完成

機器學習 , 人工智能 , pandas , Python

收藏 評論

u_16099178 頭像

雲端小悟空 - 批量加域組到windows remote desktop users

羣加域P處理 簡介： 在域環境下如果有多台PC機要同時加域的話，如果是要域管理員一台台的去把PC機添加到域，這樣不僅費時而且又費力，做事效率也不高。 那有什麼方法可以同時把多台PC加入到域了，這個技術有點難度，不過不要緊，我們可以用到Window server 2003 自帶的工具Netdom工具，用這個工具可以把PC機加入到域（默認情況下，這個工具沒有安裝），

機器學習 , ip , 客户端 , 人工智能 , 用户名

收藏 評論

u_16099226 頭像

雲端夢想實現家 - 深度學習迭代次數多少合適

迭代和科學的方法 在為一個問題開發解決方案的過程中包括很多活動行為。我們需要理解待解決的問題，為一個潛在的解決方案收集需求，將這些需求轉換至設計中，構建解決方案，並對方案進行測試。這個順序非常自然，並且在一般情況下是正確地。然而，當我們試圖將規模擴大時－也就是説，當我們按照一個嚴格的線性流程試圖蒐集所有的需求，並完成所有的設計，所有的開發，進行所有

深度學習迭代次數多少合適 , 測試 , 工作 , 人工智能 , 深度學習 , 活動 , 產品

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI教學評價分析管理系統：用技術讓課堂評價更精準高效

傳統教學評價總繞不開“憑經驗、耗時間、不全面”的難題——專家聽課靠主觀打分，不同人評分差異率超30%，一學期最多覆蓋8%的課程，反饋報告還要等兩週。而AI教學評價分析管理系統，正是用技術打破這些侷限，讓教學評價從“模糊感知”變成“精準診斷”。 系統的核心能力，源於“多模態數據採集+智能分析”的技術閉環，就像給課堂裝了一套“智能感知中樞”。前端靠三類“感知設備”捕捉全量數據：教室的廣角

數據 , 數據採集 , NLP , 人工智能 , 模態

收藏 評論

u_14176533 頭像

北京數據堂 - 71 種語言 + 125 種口音識別！AI 精準翻譯背後的數據力量！

當網易有道詞典“AI同傳”累計用户突破2000萬，支持71種語言互譯、精準識別125種口音，還能實現專業術語優化時，這不僅是一款產品的里程碑，更標誌着AI翻譯正在從“淺層轉譯”向“深度理解”加速演進。在全球化溝通日益頻繁的今天，AI翻譯正成為打破語言壁壘的核心力量，而這份亮眼成績的背後，是技術對多重挑戰的攻克，更是高質量數據的堅實支撐。 一

數據集 , 平行語料 , 發音詞典 , 有道翻譯 , 人工智能 , 深度學習 , 語音識別

收藏 評論

u_14767244 頭像

u_14767244 - Apache Doris 4.0.2 版本正式發佈

親愛的社區小夥伴們，**Apache Doris 4.0.2 版本已正式發佈。**此版本新增了在 AI Search、函數、物化視圖、Lakehouse 等方面的功能，並同步進行了多項優化改進及問題修復，歡迎下載體驗！ GitHub 下載：https://github.com/apache/doris/releases 官網下載：https://doris.apach

大數據 , hive , 數據倉庫 , 人工智能 , 物化視圖 , apache

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - EDA 縮寫全解析系列 | 第 1 周：A–I

在 VLSI、數字 IC、驗證或物理設計的世界裏，工程師的日常語言幾乎被縮寫“統治”——有些耳熟能詳，有些晦澀神秘，還有些讓新人望而生畏。本系列將從 A 到 Z，把這些高頻縮寫逐一拆解成“真正能聽懂的工程語言”，幫助你係統補齊基礎概念。 ✦ 01 從 A 到 I：九個最常遇到、卻最容易用錯的縮寫 • ATPG：自

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

u_16018702 頭像

架構師李哲 - 16k數據撬動300億大模型！用Qwen3-VL打造了一位“頂尖放射科醫生”

僅用1.6萬張醫學影像，我們讓大模型學會了“看片子”。 患者提問：“請使用中文詳細描述這張圖像並給出你的診斷結果。” 這是微調前模型的回答。雖然能夠識別出基本病變，但其分析存在明顯不足，描述過於簡略，僅關注單一病灶而忽略了圖像中實際存在的雙肺多發性結節，且診斷結論過於武斷，直接定性為"良性腫瘤"，缺乏嚴謹的鑑別診斷思

數據集 , 數據 , 人工智能 , 深度學習 , Json

收藏 評論

rtedevcomm 頭像

RTE開發者社區 - AI 不想取代播客主播，因為播客根本不賺錢｜編碼人聲

「編碼人聲」是由「RTE開發者社區」策劃的一檔播客節目，關注行業發展變革、開發者職涯發展、技術突破以及創業創新，由開發者來分享開發者眼中的工作與生活。 別再問「AI 會不會取代播客主播」了——AI 根本懶得動你，因為你這個賽道壓根不賺錢，而音頻 AI 變現場景是在別處。 在 RTE2025 大會開放麥現場，四位內容和 AI 從業者撕開了 AI 替代論的遮羞布： 播客是數字時代的「膠片相機」，

人工智能

收藏 評論

u_16213584 頭像

mob64ca13f87273 - C++實現

1 ~ 初識紅黑樹：概念熟悉 紅黑樹也是一棵二叉搜索樹，其每個結點會增加一個存儲位（顏色存儲位），用來表示結點的顏色（兩種顏色），可以是紅色或者黑色（因此被稱為紅黑樹）。通過對任何一條從根到葉子的路徑上各個結點的顏色進行約束，紅黑樹確保沒有一條路徑會比其他路徑長出2倍，因而是接近平衡的，也就是説，紅黑樹是近似平衡的，這裏提前説一句，因為紅黑樹是近似平衡的，所以紅黑樹的插入的

紅黑樹 , 大數據 , 開發語言 , c++ , 後端開發 , 人工智能 , Python

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI業務洞察系統：讓數據替業務“説真話”

做業務的朋友大概都有過這樣的困擾：報表堆了一屏幕，卻找不到業績波動的原因；花幾天整理數據，結論還可能出錯。而AI業務洞察系統，就像給業務裝上了“智能大腦”，能自動從海量數據裏找規律、提預警，讓決策不再靠“猜”。 這個系統的核心技術，其實一點都不玄乎。首先是“數據整合術”——它能自動對接銷售、庫存、用户等多個系統的數據，不用人工再做“複製粘貼”。不管是Excel表格裏的舊數據，還是實時

數據 , NLP , 實時監控 , 人工智能 , 數據分析

收藏 評論

huaweiclouddeveloper 頭像

華為雲開發者聯盟 - 對話機器人70年：科幻與現實的交融

摘要：本文將圍繞對話機器人相關技術及其在行業中應用實踐展開，同時介紹華為雲對話機器人在多模態、小樣本、預訓練方向上的最新進展。 從 1950 年圖靈測試的提出到現在，對話系統已經走過了將近 70 年的時間，在這期間對話系統技術得到了快速的發展。方法也從當初的規則演變成如今的深度學習方法，對話系統的魯棒性和準確性都得到了大幅提升。2020 年，自然語言處理頂級會議 ACL 被接收論文中，對話系

圖靈訪談 , 機器人 , 人工智能

收藏 評論

aws_aidevcommunity 頭像

亞馬遜雲開發者 - Amazon CodeWhisperer 正式發佈可免費供個人使用

文章作者：sunny 亞馬遜雲科技日前推出了實時 AI 編程助手 Amazon CodeWhisperer，包括個人套餐和專業套餐，所有開發人員均可免費使用個人套餐。Amazon CodeWhisperer 讓開發人員能夠保持專注、高效，幫助他們快速、安全地編寫代碼，無需因離開 IDE 去研究某件事而中斷流程。 亞馬遜雲科技開發者社區為開發者們提供全球的開發技術資源。這裏有技術文檔、開發案例、技術

cloud9 , lambda , 人工智能

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI大模型視覺檢測平台：讓“機器眼”精準識別千萬場景

傳統視覺檢測總陷“兩難”：簡單場景靠人工累到眼痠，複雜場景靠普通算法漏檢錯檢；換個檢測對象，又得重新標註數據、訓練模型，耗時耗力。AI大模型視覺檢測平台，就像給機器裝了“進化版火眼金睛”，靠大模型加持的核心技術，打破“場景受限、效率低下、適配困難”的困局。今天就用通俗的話，拆解它的技術邏輯。 核心技術之一是大模型預訓練+微調技術，讓檢測模型“一學多用”。傳統視覺模型像“偏科生”，只懂

數據 , NLP , 人工智能 , 核心技術 , 模態

收藏 評論

u_13961087 頭像

代碼AI弗森 - 多模態不再縫縫補補：文心 5.0 正在重寫大模型的“世界觀”

背景 我們的日常使用大模型，就像是在不同模型間打補丁：“這個模型會看圖，但不會講故事；那個模型能生成視頻，但不懂視頻在表達什麼。” 於是乎，大致像這樣，想用圖像模型，就得跑去找midjourney；想做視頻模型，又得等 Sora；想讓模型理解視頻劇情，還得靠那些半懂不懂的“視覺語言拼接模型”；想讓模型讀情緒，甚至還得給它加一堆“情緒標籤的模板提示詞”。 而就在昨天，我

人工智能 , 深度學習 , 貼圖 , 模態 , 百度

收藏 評論

u_17580222 頭像

mb691327edb400f - AI 招聘系統功能落地指南

AI 招聘系統功能落地指南 AI全面重塑招聘行業：效率與體驗的雙重革新 如果你仍在為“候選人爽約”“簡歷篩選繁重”“面試效率低下”而困擾，可能已經忽視了一個激進的行業趨勢：招聘正被AI全面接管。這並非停留在討論或小範圍試點階段，而是大規模落地、快速替代傳統面試流程的現實。 過去一年，多項行業數據印證了這一變革：近50%的企業已將初篩環節完全交給AI；金融、互聯網

系統功能 , 自動回覆 , ATS , 人工智能 , 深度學習

收藏 評論

u_16099345 頭像

智能開發先鋒 - 33、JAVA

文章目錄 多 Web 端子系統共享會話：原理與實踐 同主域名共享方案：Cookie + Session 集中存儲 原理 實現方案 1. Cookie 設置要點 2. 集中式 Session 管理 3. 單點登出機制 跨主

redis , 人工智能 , 深度學習 , .net , 跨域 , 前端

收藏 評論

u_17420180 頭像

合合信息解決方案 - 金融機構AI中台建設典型案例

熱點背景 當前，銀行業數字化轉型已從“業務線上化”的初級階段，邁入“運營智能化”與“能力平台化”的深水區。監管層面持續倡導金融科技賦能，推動銀行業通過技術創新優化運營流程、防控金融風險、提升服務質量。然而，傳統分散式的AI能力建設模式，普遍存在技術標準不統一、資源重複投入、數據互通困難等頑疾，嚴重製約了數字化轉型的深化推進。在此背景下，構建統一、高效、智能的AI中台，將孤立

機器學習 , 字段 , 人工智能 , 文檔處理 , 迭代

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 硬件描述語言解讀

“硬件描述語言是連接邏輯與電路、抽象與實現的關鍵設計語言。” 在數字電路設計的世界裏，硬件描述語言(HDL, Hardware Description Language) 是一類非常特殊的編程語言。與傳統的軟件編程語言不同，HDL 不僅能描述功能邏輯，還能建模電路的並行性與時間特性，因此它被廣泛應用於芯片設計與驗證。 HDL 的獨特之處 普通編程語言關注的是指令順序和數據處理，而 H

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論