tag 人工智能

標籤
貢獻960
1468
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

u_17522147 頭像

mb68c23637232fb - iLeadE-588邊緣計算網關-領嵌

1. 多通道視頻接入與AI分析 支持4路攝像頭同時接入，實時視頻流處理。 內置高性能AI算力，支持人臉識別、行為分析、車牌識別等算法，自動匹配場景需求，無需手動編程。 智能算法一鍵部署，自動優化計算資源分配。 2. 工業級網絡與設備連接 4個千兆網口，支持多設備級聯與數據高速傳輸。 工業接口全覆蓋：配備RS485、CAN總線，可直接連接傳感器、

雲平台 , 數據 , 物聯網 , 人工智能 , 數據分析

收藏 評論

u_16099321 頭像

技術博客領航者 - Windows 系統使用 RemoteFx 重定向 USB 設備

1、shell重定向概念：shell重定向包含輸出重定向和輸入重定向 何為輸入輸出方向？何為標準輸入輸出方向？ 標準輸入方向：從鍵盤讀取用户輸入的數據，然後再把數據拿到程序（C語言程序、Shell 腳本程序等）中使用；這就是標準的輸入方向，也就是從鍵盤到程序。 標準輸出方向：相反，程序運行產生的數據一般都是直接呈現到顯示器上，這就是標準的輸出方向，也就是從程

機器學習 , 錯誤信息 , 文件描述符 , 重定向 , 人工智能

收藏 評論

u_13102515 頭像

WarrenLynch - 生成式AI與Visual Paradigm AI視覺建模聊天機器人：何時選擇哪個？（專業圖表、符號和模型指南）

當您真正認真對待圖表、符號和模型時（例如在軟件工程、業務分析或系統設計等專業領域），工具的選擇會直接影響準確性、效率和最終輸出質量。本文將全面對比生成式AI（Generative AI，簡稱GenAI）與Visual Paradigm AI視覺建模聊天機器人（以下簡稱Visual Paradigm AI），幫助您在需要“真正專業”時做出正確決策。

建模 , 機器人 , UML , 人工智能 , Css , Visual , 前端開發 , HTML

收藏 評論

u_16756731 頭像

KlipC小助手 - 5×23！納斯達克申請將交易時間延長至23小時

KlipC報道：當地時間12月15日，納斯達克宣佈，將向SEC提交文件，申請推出近乎全天候的股票交易，將股票及交易所交易產品的交易時長從每週五個交易日的16小時延長至23小時。 據KlipC瞭解，在“5×23”新交易模式下，交易將劃分為兩個主要時段：日間交易時段為美東時間凌晨4點至晚上8點；隨後進行一小時的維護、測試及交易清算。夜間交易時段則從晚上9點開始，至次日凌晨4點結束。 晚上9點

市場分析 , d3 , 人工智能 , 深度學習

收藏 評論

teayear 頭像

學技術贏未來 - CANN為教育產業賦能.人工智能實踐

CANN賦能智慧教育：開啓AI驅動的教與學新範式 在數字經濟加速滲透的今天，智慧教育已成為教育信息化轉型的核心方向，其核心訴求是通過技術手段破解教育資源不均衡、教學模式固化、個性化需求難以滿足等痛點。華為昇騰AI基礎軟硬件平台的核心組件——CANN（Compute Architecture for Neural Networks，神經網絡計算架構），憑藉其高效的AI算力調度、靈活的異

應用開發 , 數據 , 推送 , 人工智能 , 深度學習

收藏 評論

u_17597763 頭像

數字冰雹智能孿生 - 從“項目交付”到“能力移交”：數字孿生系統如何避免成為昂貴的“數字展品”？

在數字化轉型的深水區，數字孿生技術已超越概念驗證，成為賦能產業升級的核心引擎。然而，大量投入不菲的數字孿生項目，上線即巔峯，在經歷轟轟烈烈的建設與交付後，卻迅速陷入“建而不用、用而不深”的沉默狀態。 （此圖為虛擬場景非用户項目現場） 這一困境的根源，在於傳統的“項目交付”思維——將數字孿生視為一個一次性完工的 IT 工程，而非一個“生

應用開發 , 數據 , 數據可視化 , 人工智能 , 數字孿生 , 複用

收藏 評論

beishangdejianjidan_cqxuxf 頭像

悲傷的煎雞蛋_cQXuXF - AI輔助編程後的一種情況，懵逼老闆，混子員工~

​AI輔助編程成了必備工具以後，對程序員提出了一個更高的要求，你不能只是會寫代碼邏輯或只會用提示詞不斷提示。使用AI的前提是把它當成效率提升的工具，而不是一個你可以當甩手掌櫃的“總包”。 傳統程序員被淘汰的原因是沒有從單機程序員，單語言程序員向全棧程序員，更貼近產品的架構師轉型。這個轉型最重要的就是從純粹的後端等着需求拆分喂到嘴裏，變成直接對接需求前置性的思考需求，通過你的智力轉化成一個具有系統結

人工智能 , 程序員 , 後端 , 前端

收藏 評論

u_16099343 頭像

編程夢想編織者 - 神經網絡至少要多少數據 神經網絡有

目錄 迷人的神經網絡——機器學習筆記1 第1章 神經元模型及網絡結構 1.1 神經元模型 1.1.1 單輸入神經元 1.1.2 激活函數 1.1.3 多輸入神經元 1.2 網絡結構 1.2.1 單層神經網絡 1.2.2 多層神經網絡

神經網絡 , 激活函數 , 權值矩陣 , 神經網絡至少要多少數據 , 感知機 , 人工智能

收藏 評論

u_16213618 頭像

mob64ca1400bfa8 - LDA是獨熱編碼嗎

1 為什麼要進行特徵編碼？ 我們拿到的數據通常比較髒亂，可能會帶有各種非數字特殊符號，比如中文。下面這個表中顯示了我們最原始的數據集。而實際上機器學習模型需要的數據是數字型的，因為只有數字類型才能進行計算。因此，對於各種特殊的特徵值，我們都需要對其進行相應的編碼，也是量化的過程。 2 特徵編碼類型 本篇，我們主要説一下分類型特徵的編碼方式。對於分類型數據

機器學習 , 編碼方式 , 數據 , 特徵值 , LDA是獨熱編碼嗎 , 人工智能

收藏 評論

pannideniupai 頭像

雨大王 - 機械加工行業邁向智能化未來：工業互聯網的實施策略與成功案例

前因後果：工業互聯網與機械加工的融合基礎 工業互聯網作為新一代信息技術與製造業深度融合的產物，近年來在全球範圍內迅速發展。機械加工作為製造業的核心環節，其生產過程往往涉及複雜的設備操作、工藝參數調整以及質量控制環節。然而，傳統的機械加工模式存在諸多痛點：生產效率低下、設備利用率不高、產品質量波動大、信息孤島嚴重。這些問題的存在，使得機械加工企業難以適應現代製造業對智能化、柔性化和高質量的要求

人工智能 , 深度學習

收藏 評論

u_16099193 頭像

落花有意飛花 - 火山引擎語音合成安卓sdk demo

當露營成為年輕人的一種全新生活方式後，連帶着户外野營帳篷、可摺疊桌椅、卡式爐、多人趣味桌遊等露營周邊市場都迎來新一輪增長。 受限於户外環境，年輕人在露營期間可供選擇的集體娛樂消遣方式更偏向於桌遊、垂釣、燒烤等，到了晚間，集體“刷”綜藝、電視劇則成了主要消遣之一，但手機、平板電腦、筆記本電腦等設備受限於屏幕大小與音量音質體驗，很難滿足三人以上的集體觀

機器學習 , 火山引擎語音合成安卓sdk demo , 數據 , 人工智能 , 用户需求 , 歷史數據

收藏 評論

rtedevcomm 頭像

RTE開發者社區 - 全球首個語音 AI 廣告平台問世；Sam Altman 與 Jony Ive：合作新硬件將「如湖畔山間小屋般平靜」丨日報

開發者朋友們大家好： 這裏是 「RTE 開發者日報」，每天和大家一起看新聞、聊八卦。我們的社區編輯團隊會整理分享 RTE（Real-Time Engagement） 領域內「有話題的技術」、「有亮點的產品」、「有思考的文章」、「有態度的觀點」、「有看點的活動」，但內容僅代表編輯的個人觀點，歡迎大家留言、跟帖、討論。 本期編輯：@鮑勃 和 Gemini（儘量不生產 AI Slop） 01 有話題的

人工智能

收藏 評論

puxiaoke6 頭像

一點人工一點智能 - 《實用線性代數（第三版）》

書籍：Linear Algebra in Action，Third Edition 作者：Harry Dym 出版：American Mathematical Society​ 編輯：陳萍萍的公主@一點人工一點智能 下載：書籍下載-《實用線性代數（第三版）》 01 書籍介紹 本書主要基於作者在魏茨曼科學研究所（Weizmann Institute）費恩伯格研究生院（

數學 , 人工智能 , 線性代數

收藏 評論

u_15440725 頭像

u_15440725 - 自然語言驅動Agent革命：零代碼構建生產級智能體的技術範式與實戰指南

目錄 前言 AI開發的困局，創意與技術的巨大鴻溝 範式革新，MuleRun Agent Builder的技術內核解析 商業閉環，從創意到變現的全鏈路支持 生態共建，下一代Agent構建範式的無限可能 加入這場革命，成為下一代Agent創作者 結束語 前言 在AI技術爆發的當下，一個矛盾始

變現 , 商業 , 自然語言 , 數據可視化 , 人工智能

收藏 評論

aws_aidevcommunity 頭像

亞馬遜雲開發者 - 使用 Kiro AI IDE 開發 基於Amazon EMR 的Flink 智能監控系統實踐

概述 本文介紹如何使用Kiro AI IDE開發 Amazon EMR Flink 智能監控系統，重點分享基於Strands Agents MCP和Amazon Data Processing MCP的開發實踐，以及Spec 驅動開發的完整流程。 項目地址：https://github.com/yangguangfu007/emr-flink-monitoring-agent 🔥 想利用生成

人工智能

收藏 評論

u_17580222 頭像

mb691327edb400f - AI 時代 HR 的進化與工具賦能

AI 時代 HR 的進化與工具賦能 AI時代招聘變革：HR的進化之路與工具賦能 在AI技術重塑各行業的當下，招聘領域正經歷深刻的座次重排。曾經作為“後台工具”的HR技術，如今已升級為企業核心的業務操作系統。AI不會取代HR，但不懂運用AI的HR，正逐漸被時代拉開差距。 2026年，行業的核心命題不再是“AI是否會奪走工作”，而是“HR能否藉助AI制定戰略、依託數

鏈路 , 數據 , 上傳 , 人工智能 , 深度學習

收藏 評論

deephub 頭像

deephub - 斯坦福ACE框架：讓AI自己學會寫prompt，性能提升17%成本降87%

斯坦福和SambaNova AI最近聯合發了一篇論文，Agentic Context Engineering (ACE)。核心思路：不碰模型參數，專注優化輸入的上下文。讓模型自己生成prompt，反思效果，再迭代改進。 可以把這個過程想象成模型在維護一本"工作手冊"，失敗的嘗試記錄成避坑指南，成功的案例沉澱為可複用的規則。 數據表現 論文給出的數字： AppWorld任務準確率比GPT-4驅動的a

llm , 神經網絡 , 人工智能 , 深度學習

收藏 評論

lulu_up 頭像

lulu_up - 技術人員第一次創業掏心掏肺級別攻略(建議收藏)

背景、    23年作者從大廠前端開發崗位裸辭後開始了ai方面的創業, 作為一個純粹的技術人員在這個過程中遇到諸多挑戰, 希望我的思考+實戰可以幫你創業路上少走一些彎路, 哪怕只想打工一輩子, 這篇文章也可以讓你看看創業者們的"樂子"。    技術人創業優勢: 創業肯定要花錢的, 但技術人員能將成本壓縮到極低(省錢), 可快速多次的試錯, 可更理性分析問題, 創業過程可擴展綜合能力, 提升等級上

react , 創業 , 人工智能 , 後端 , 前端

收藏 評論

u_17611688 頭像

wx69548870b612b - 對計算機導論這門課程的看法

計算機導論（Introduction to Computer Science）是打開計算機科學大門的核心基礎課程，其價值不僅在於傳遞知識，更在於構建認知框架、培養核心思維 —— 它不是 “教你用電腦”，而是 “讓你理解計算機世界的底層邏輯”，無論對計算機專業學習者還是數字化時代的普通人，都具有不可替代的意義。 以下從核心定位、核心內容、對計算機科學與技術專業的學習

數據結構 , AI寫作 , aigc , 人工智能 , 計算機科學

收藏 評論

deephub 頭像

deephub - PyCausalSim：基於模擬的因果發現的Python框架

做 A/B 測試或者分析轉化率的時候，經常會碰到那個老生常談的問題： “這數據的波動到底是干預引起的，還是僅僅是相關性？” 傳統的分析手段和機器學習擅長告訴你什麼能預測結果，但預測不等於因果。而在做決策，不管是干預、優化還是調整業務邏輯時，我們需要的是因果關係。 今天介紹一下 PyCausalSim，這是一個利用模擬方法來挖掘和驗證數據中因果關係的 Python 框架。 問題：相關性好找，

機器學習 , 人工智能 , Python

收藏 評論

u_16213708 頭像

mob64ca14163a4f - emeditor編輯器打開文本亂碼

説明 1、EditPlus是Windows的文本編輯器，具有內置的FTP，FTPS和sftp功能。雖然它可以作為一個很好的記事本替代品，但它也為網頁作者和程序員提供了許多強大的功能。 2、語法高亮顯示HTML，PHP，Java，C / C ++，CSS，ASP，Perl，JavaScript，VBScript，Python和Ruby on Rails。此外，它可以基於

機器學習 , 註冊碼 , 人工智能 , emeditor編輯器打開文本亂碼 , HTML , 工具欄

收藏 評論

juicefs 頭像

JuiceFS - 3D-AIGC 存儲架構演進：從 NFS、GlusterFS 到 JuiceFS

光影煥像（Lightillusions）是一家專注於空間智能技術，結合 3D 視覺、圖形學和生成模型技術，致力於打造創新的 3D 基礎模型公司。公司由譚平教授領導，譚教授曾擔任阿里巴巴達摩院實驗室負責人，目前是香港科技大學的教授，同時擔任馮諾伊曼人工智能研究室副院長，並是香港科技大學與比亞迪聯合實驗室的主任。 區別於二維模型，三維模型單個模型的大小可達幾 GB，尤其是點雲數據等複雜模型。當數據量達

運維 , 數據庫 , 人工智能

收藏 評論

deephub 頭像

deephub - DeepSeek 開年王炸：mHC 架構用流形約束重構 ResNet 殘差連接

大過節的qwen發佈了image 2512，DeepSeek這邊就偷摸的在arXiv 上掛出了這篇 mHC: Manifold-Constrained Hyper-Connections (arXiv:2512.24880)，哪個正經公司在最後一天還發論文啊。 簡單的看了一下，説説我的看法： 這回DeepSeek又要對 殘差連接（Residual Connection）出手了。 現在我們模型的底層

神經網絡 , 人工智能 , 深度學習

收藏 評論