tag 機器學習

標籤
貢獻423
325
05:25 PM · Oct 25 ,2025
deephub 頭像 qingfouai 頭像 tecdat 頭像 u_17420180 頭像 chaoshenjinghyperai 頭像 lab4ai 頭像 u_17061379 頭像 youyudetusi 頭像 u_15214399 頭像 aigoto 頭像 u_15690955 頭像 MrVolleyball 頭像

@機器學習 / 博客 RSS 訂閱

u_17061379 頭像

AI編程社區 - Qoder 提效實戰：數據開發工程師用 Qoder 提效50%

我是阿里雲的一名數據開發工程師，今天非常榮幸能分享Qoder在數據開發場景中的實戰經驗。本次分享將圍繞以下四個核心模塊展開。 Qoder在數據開發中的背景與需求 當前，我們正在構建一個阿里雲新產品的數據體系，從0到1搭建數倉架構。這一過程面臨三重挑戰： 時間緊迫：項目啓動時對產品邏輯完全陌生，需快速理解業務代碼並設計數倉架構。 資源有限：團隊規

機器學習 , 數據 , AI , 人工智能 , 解決方案 , SQL

收藏 評論

u_16827017 頭像

全棧技術開發者 - 什麼是「過擬合」，如何判斷，常見的原因是什麼？為什麼深度網絡在海量數據下仍可能過擬合？為什麼高次多項式迴歸容易出現過擬合？

在機器學習中，模型性能的評估不僅依賴於訓練數據上的表現，更取決於其在未見數據上的穩定性。訓練精度的提升固然令人欣喜，但若這種提升無法轉化為對新樣本的可靠預測，則表明模型可能已經偏離了學習的核心目標——從有限數據中提取普遍規律。過擬合正是這一偏離的體現，它揭示了模型複雜性、數據量、訓練策略與泛化能力之間的微妙平衡。 過擬合是統計學習理論中模型選擇與假設空間設計中不可避免的挑戰

機器學習 , 複雜度 , yyds乾貨盤點 , 數據 , 人工智能 , 過擬合

收藏 評論

u_16099248 頭像

mob6454cc6d3e23 - docxtemplater 獲取解析的變量

DOM解析XML文件 　　dom(Document Object Model) 文檔對象模型。 　　DOM中主要包括五個對象： 　　　　Document、Node、NodeList、Element、Attr下面對這五個元素一一分析： 　　1，Document對象代表了整個xml文檔，xml所有的node都按一定的順序在document對象中排列成樹結構，通

機器學習 , System , xml , 人工智能 , JAVA

收藏 評論

u_16099358 頭像

月光傾城美 - Demura算法總結

1 - 緒論 Lua是一種為支持有數據描述機制的一般過程式編程語言而設計的擴展編程語言。它同樣可以對面向對象語言、函數式程序設計（Functional Programming，如Lisp）以及數據驅動編程（data-driven programming）提供很好的支持。它的目標是被用作一種強大的、輕型的配置語言。Lua目前已經被實現為一個擴展庫，是用clea

機器學習 , 字符串 , lua , 賦值 , Demura算法總結 , 人工智能

收藏 評論

tech 頭像

青雲交技術圈 - Java 大視界 -- Java 大數據機器學習模型在遙感圖像目標檢測與語義分割中的應用與改進

(centerJava 大視界 -- Java 大數據機器學習模型在遙感圖像目標檢測與語義分割中的應用與改進/center) 引言：從開源生態到遙感智能化的 Java 實踐 嘿，親愛的 Java 和 大數據愛好者們，大家好！我是CSDN（全區域）四榜榜首青雲交！在《大數據新視界》和《 Java 大視界》系列中，我們已通過智能體育、智能政務、工業互聯網等場景揭示 Java 的工程化

機器學習 , spark , 大數據 , yyds乾貨盤點 , 數據 , Java大數據 , JAVA , Image

收藏 評論

u_16213640 頭像

mob64ca1405d568 - 機器學習多元線性迴歸梯度下降法代碼 多元線性迴歸梯度下降python

本文主要講了梯度下降法的兩種迭代思路，隨機梯度下降（Stochastic gradient descent）和批量梯度下降（Batch gradient descent）。以及他們在python中的實現。 梯度下降法 梯度下降是一個最優化算法，通俗的來講也就是沿着梯度下降的方向來求出一個函數的極小值。那麼我們在高等數學中學過，對於一些我們瞭解

機器學習 , 人工智能 , 數據結構與算法 , 迭代 , 機器學習多元線性迴歸梯度下降法代碼 , Python

收藏 評論

u_16213659 頭像

mob64ca140a8e67 - tc使用netem限制網卡帶寬

tc流量控制 項目背景 vintage3.0接口lookupforupdage增加一個策略，當帶寬流量tx或rx超過40%，75%隨機返回304；超過60%，此接口均返回304 為了對測試機器進行流量控制，使用了tc：設置網絡傳輸速率；傳輸大文件：產生網絡流量 生成大文件 dd if=/dev/zero of=test bs=1M

機器學習 , tc使用netem限制網卡帶寬 , 流量控制 , 人工智能 , 外網 , 網絡接口

收藏 評論

u_13521 頭像

cnolnic - 迴歸任務網絡可視化

回退（Rollback WorkItem） 回退是工作流參與者對自己“待辦任務”（實際是對工作項）的一種操作，即參與者主動回退待辦任務列表中的任務到已經執行過的人工節點。 為什麼要回退？ 參與者接受任務後，發現不應由自己辦理此任務或以前的執行者辦理有錯誤等情況後，需要將此接受的任務回退給以前某個節點的執行者重新辦理。

機器學習 , 迴歸任務網絡可視化 , 條件判斷 , 工作 , 人工智能 , 多實例 , 工作流引擎

收藏 評論

u_16213634 頭像

mob64ca14048514 - emqx 如何查詢發送了哪些消息

7． 發送短消息後，收到出錯信息+CMS ERROR 515 　　如果您的GSM MODEM在初始化期間或在指令執行過程當中GSM MODEM又接受新的指令，將會出現此錯誤。您必須等到初始化完成或指令執行完畢。 　　8． 如何才能知道您發送的短消息已被送達目的號碼 　　a） 採用文本格式發送 　　在您採用文本

機器學習 , ico , 串口 , 數據 , emqx 如何查詢發送了哪些消息 , 人工智能

收藏 評論

u_16099238 頭像

碼海探險家 - 重新定向cubemx的jre

重定向，將原本輸出到標準輸出的數據重定向到一個文件中，因為標準輸出(/dev/stdout)本身也是一個文件，我們將命令輸出導向另一個文件自然也是沒有任何問題的 $ echo 'hello shiyanlou' redirect $ echo 'www.shiyanlou.com' redirect $ cat redirect 簡單的重定向

機器學習 , 文件描述符 , 重新定向cubemx的jre , 重定向 , 人工智能 , 標準輸出

收藏 評論

u_16213640 頭像

mob64ca1405d568 - Emeditor增強宏腳本

VS2005宏腳本添加註釋模板 現 在的IDE越做越強大，為我等懶人省了不少。為了使用將來的代碼自己或別人能看懂，註釋這種東西必不可少。當為函數添加註釋時，格式是固定的。每個函數寫 一遍，或從別的函數處拷貝過來，即麻煩又容易出錯。這種重複勞動讓人心煩都有不想寫註釋的慾望了，這時VS的宏可以幹掉這些“髒、亂、累”的體力活。 看了一下，VS2005的宏腳本就是VB

機器學習 , 快捷鍵 , 註釋模板 , text , 人工智能 , Emeditor增強宏腳本

收藏 評論

u_16099318 頭像

墨染心語 - llama3支持embedding嗎

AMD正式公佈了第三代鋭龍台式機處理器家族的最新成員：鋭龍3 3100和鋭龍3 3300X處理器，AMD B550芯片組也同步亮相。全新的鋭龍3台式機處理器採用最新的7nm工藝製造，基於最新的Zen 2微架構，均為4核心8線程設計，同時還加入了同步多線程(SMT)技術的支持。

機器學習 , SMT , 芯片組 , 人工智能 , amd同步多線程 , 解決方案 , llama3支持embedding嗎

收藏 評論

u_16213631 頭像

mob64ca1403c772 - Collapse圖標居左elementui

Excel迷你圖支持三種類型：折線圖、柱形圖、盈虧圖；由於迷你圖只佔用了一個單元格的位置，非常小巧，所以非常適合數據量大、或者分析儀表盤中使用。 一、插入迷你圖 選擇將要在迷你圖中展示的數據，切換到【插入】功能頁籤，點擊“迷你圖”功能組的“折線圖”功能按鈕，將打開“創建迷你圖”窗口，剛才選擇的數據區域已經顯示在“數據範圍”中，光

機器學習 , 數據區 , 數據 , 座標軸 , 人工智能

收藏 評論

huodadexiang 頭像

南瓜 - 基於深度學習的YOLO框架實現金屬工業表面缺陷識別｜開箱即用系統級項目（源碼+模型+界面）

🛠️ 基於深度學習的YOLO框架實現金屬工業表面缺陷識別｜開箱即用系統級項目（源碼+模型+界面） 🧠 項目背景 在現代金屬製造與工業質檢流程中，金屬表面缺陷的及時識別與分級對保障產品質量至關重要。傳統的人工檢測不僅耗時耗力，而且容易受限於人眼疲勞、主觀判斷等問題，導致誤檢漏檢頻發。 本項目採用當前主流的深度學習目標檢測框架 YOLOv8，結合 圖形化界面（PyQt5），打造了一套完整的 金屬

機器學習

收藏 評論

fennudexiyang 頭像

中昊芯英 - DeepSeek-V3.2的DSA稀疏注意力技術：在TPU平台上的效能革命與適配實踐

9 月 29 日，DeepSeek 最新發布的DeepSeek-V3.2-Exp模型引入了自主研發的DeepSeek Sparse Attention（DSA）稀疏注意力機制，在幾乎不影響模型性能的前提下，實現了長文本訓練和推理效率的大幅提升。本文旨在深入解析 DSA 的技術原理，並重點探討中昊芯英「剎那®」TPU 平台如何憑藉其片上緩存與高度並行矩陣計算單元，在 Lightning Indexe

機器學習 , tensorflow , 神經網絡 , 自然語言處理 , 人工智能

收藏 評論

nizi_60e514d097c9a 頭像

MIAOYUN - MIAOYUN | 每週AI新鮮事兒（11.14-11.21）

本週全球AI領域創新密集，各大廠商競相推出新一代大模型與智能工具。基礎模型性能顯著提升，Google的Gemini 3、OpenAI的GPT-5.1、xAI的Grok 4.1等模型在多模態、代碼及情感理解方面取得突破。AI智能體與工具生態持續繁榮，微軟的Copilot、Google的SIMA 2、AI編程IDE Antigravity及螞蟻集團「靈光」等應用正重塑工作與創作方式。與此同時，開源操作

機器學習 , 資訊 , 圖像識別 , 自然語言處理 , 人工智能

收藏 評論

u_15434217 頭像

文傳商訊 - Airship研究：無代碼原生應用體驗使購買頻次翻倍（增長140%），為假日季盈利增長開闢新路徑

移動優先的客户體驗公司Airship今日發佈全新彙總數據分析結果，顯示無代碼原生應用體驗可顯著提高關鍵生命週期事件的轉化率，且能使購買頻次提升一倍以上。 Airship開展的“體驗影響力”(Experience Impact)研究分析了超過1000個零售類應用內體驗和17億次設備會話，量化了利用無代碼和AI驅動工具優化端到端客户旅程（而非僅發送信息

機器學習 , 原生應用 , 人工智能 , 客户體驗 , 移動優先

收藏 評論

deephub 頭像

deephub - 15個基本且常用Pandas代碼片段

Pandas提供了強大的數據操作和分析功能，是數據科學的日常基本工具。在本文中，我們將介紹最常用的15個Pandas代碼片段。這些片段將幫助簡化數據分析任務，從數據集中提取有價值的見解。 1、過濾數據 Pandas提供了多種方法來過濾數據。 import pandas as pd # Create a DataFrame data = {'Name': ['Alice', 'Bob',

機器學習 , 人工智能 , pandas , 數據分析

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI就業服務系統：讓求職招聘精準“對上暗號”

不管是求職者海投簡歷石沉大海，還是HR埋在簡歷堆裏找不到合適人選，“匹配錯位”都是就業市場的老大難。而AI就業服務系統就像一位智能“就業紅娘”，用技術打破信息壁壘，讓求職者精準對接崗位，讓招聘方高效鎖定人才，把求職招聘的“盲盒遊戲”變成“精準匹配”。 這個系統能實現“精準牽線”，核心靠三大技術撐場面。首先是自然語言處理（NLP）的“讀懂”能力——它能像人一樣拆解簡歷和崗位描述。比如求

機器學習 , 跨境電商 , NLP , 人工智能 , 行業趨勢

收藏 評論

openbayescom 頭像

OpenBayes - Open-AutoGLM 實現手機端自主操作；PhysDrive 數據集採集真實駕駛生理信號

公共資源速遞 5 個公共數據集： FirstAidQA 急救知識問答數據集 PhysDrive 駕駛員生理測試數據集 PolypSense3D 息肉尺寸感知數據集 Envision 多階段事件視覺生成數據集 Care-PD 帕金森三維步態評估數據集 8 個公共模型： SAM 3 Z-Image-Turbo Ovis-Image-7B Ministral-3-14B Lon

機器學習 , pytorch , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_16213614 頭像

mob64ca13ffd0f1 - sklearnLogisticRegression多分類

文章目錄 邏輯迴歸（分類） 1、基本原理 4、梯度下降法 4、sklearn實現邏輯迴歸 5、多分類問題 5.1多分類原理 5.2sklearn實現多分類 邏輯迴歸（分類） 1、基本原理 邏輯迴歸用於分類，是對樣本屬於某一類的概率進行預測，對數機率函數：

機器學習 , 多分類 , 雲計算 , 取值 , 雲原生

收藏 評論

u_16213680 頭像

mob64ca140f67e3 - 數據庫的 shema

ACID，是指在數據庫管理系統（DBMS）中事務所具有的四個特性：原子性（Atomicity）、一致性（Consistency）、隔離性（Isolation，又稱獨立性）、持久性（Durability）。 在數據庫系統中，一個事務是指由一系列數據庫操作組成的一個完整的邏輯過程。例如銀行轉帳，從原賬户扣除金額，以及向目標賬户添加金額，這兩個數據庫操作的總和構成一個完整的邏輯過

機器學習 , 數據庫的 shema , 持久性 , 數據庫 , 人工智能 , 日誌記錄

收藏 評論

u_16099169 頭像

編程夢想家 - PKC雷達目標檢測

本文作者：黃浴| 以前提到過此文（在想法中），WACV‘2021錄取：“CenterFusion: Center-based Radar and Camera Fusion for 3D Object Detection“ https://arxiv.org/abs/2011.04841 摘要：這是一個middle

機器學習 , PKC雷達目標檢測 , 人工智能 , 深度學習 , 計算機視覺

收藏 評論