收藏 / 列表

candy_68fb0dfb0afd0 頭像

Candy - 讓機器學習更簡單的 8 個 Python 庫

Machine Learning 再也不神秘了。 你已經熟悉 scikit-learn、PyTorch 和 XGBoost。很好——現在別再重複造輪子，來看看我在需要更快的實驗、更安全的 models，或在招聘經理眼裏像魔法一樣的 features 時真正會用的 8 個庫。它們不是人人都在列的“trendy”清單——而是優雅地解決了我在 production 和 research 中遇到的

機器人 , 人工智能

selectdb 頭像

SelectDB技術團隊 - Apache Doris Summit 2025 圓滿收官，一文速覽峯會高光時刻！

2025 年 11 月 5 日至 6 日，由飛輪科技主辦的 Apache Doris Summit 2025 技術峯會圓滿落下帷幕。本次峯會以 “Powering Real-Time Analytics Search in the AI Era” 為主題，通過線上直播的形式，成功吸引了全球的 10 萬+開發者、架構師和數據技術專家的參與。大家齊聚雲端，共探 AI 時代背景下，數據價值釋放的全新路

資訊 , 數據庫 , 人工智能 , apache

fannaodeshafa 頭像

煩惱的沙發 - PyCharm vs. VSCode 到底哪個更好用

在 Python 開發者中，關於 PyCharm 和 VSCode 的討論從未停止。一個是功能齊備的集成開發環境（IDE），另一個是輕快靈活的代碼編輯器。它們代表了兩種不同的開發哲學，選擇哪個，往往取決於你的項目需求、個人習慣，甚至是對順手二字的理解。 到底選哪個？每個人都有不同的看法，但今天，我們想探討一個更深層次的問題：無論選擇了哪把神兵利器，你是否為它準備了一個能發揮其最大威力的戰場？ P

visual-studio-code , pycharm , Python

aoshizhongshengdexiangjiao_bvx78q 頭像

傲視眾生的香蕉_bvX78Q - MCP 與傳統集成方案深度對決：REST API、GraphQL、gRPC 全方位技術解析

在系統集成領域，技術方案的選擇直接影響應用性能、開發效率和維護成本。隨着 AI 技術的快速發展，傳統集成方案在應對動態上下文管理、工具鏈調用等場景時逐漸顯露出侷限性，而 MCP（Model Context Protocol）作為 AI 時代的新選擇，正引發行業關注。本文將從技術特性、性能表現、安全機制等維度，對 MCP 與 REST API、GraphQL、gRPC 三種傳統方案進行深度對比。

rest-api , grpc , graphql , 人工智能

huandanshendeshoushudao 頭像

慧星雲 - Adobe 添加 AI 工具!讓設計師告別加班

Adobe 什麼！就連Adobe也開始進軍AI了？你們沒有看錯，作為咱們設計界的老大哥，Adobe也開始推出一系列AI工具，設計行也將迎來一場革命性的變革。 Adobe AI應用上新 Adobe作為設計軟件領域的絕對霸主，其一舉一動都牽動着整個行業的神經。近期，Adobe正式宣佈全面進軍AI生成領域，推出了包括Firefly、AI增強版Photoshop和Illustrator、A

設計 , adobe , 雲計算 , 人工智能

fabarta 頭像

Fabarta - 六問「大模型落地」— 如何打通企業智能化轉型最後一公里？

作者：張紅兵 楓清科技（Fabarta）合作人 ChatGPT 2022年底出現以來，大模型熱度持續不減，尤其是今年年初DeepSeek的爆火，更讓大模型走入更多人的視野。大模型除了在C端（個人用户）廣泛應用，在B端（企業）也有越來越多的企業在做落地。2025年8月26號， 國務院發佈《關於深入實施“人工智能+”行動的意見》，更將以大模型為主的人工智能技術放到更加突出的位置。“

開源軟件 , 數據 , 人工智能 , 深度學習

javaedge 頭像

JavaEdge - 別隻怪客户端宕機！還有這些導致 Redis 分佈式鎖“死鎖”的原因

本文已收錄在Github，關注我，緊跟本系列專欄文章，咱們下篇再續！ 🚀 魔都架構師 | 全網30W技術追隨者 🔧 大廠分佈式系統/數據中台實戰專家 🏆 主導交易系統百萬級流量調優 車聯網平台架構 🧠 AIGC應用開發先行者 | 區塊鏈落地實踐者 🌍 以技術驅動創新，我們的征途是改變世界！ 👉 實戰乾貨：編程嚴選網 0 前言 除了“持有鎖的進程崩潰、未釋放鎖”這一經典

JAVA

u_17583190 頭像

fangpin - 從 0 搭建 LLM 不再難！這個 PyTorch 項目幫你吃透大模型底層邏輯

如果你曾想深入理解大語言模型（LLM）的 “五臟六腑”，卻被框架封裝的黑盒接口、複雜的源碼結構勸退；如果你希望親手實現 Transformer 的每一個組件，而非單純調用transformers庫 —— 那麼今天推薦的這個開源項目，絕對能成為你的 LLM 學習 “腳手架”。 它就是 GitHub 上的 llm-from-scratch（項目地址），一個基於 PyTorch、專為教育設

AIGC二三事 , llm , BPE , 人工智能 , transformer , 深度學習 , 大模型

u_16970152 頭像

求知上進 - Python 字典推導式：從入門到精通

1. 字典推導式概述 1.1 什麼是字典推導式？ 字典推導式是 Python 提供的一種語法糖，用於在一行代碼中創建字典。它基於列表推導式（List Comprehension）的概念，允許開發者通過循環和條件邏輯快速生成鍵值對。字典推導式結合了 Python 的動態性和簡潔性，特別適合數據轉換、過濾和映射任務。 基本語法： {key_expr:

鍵值對 , List , 初始化 , 人工智能 , 深度學習

u_16060192 頭像

HyperAI超神經 - 在線教程丨目標檢測邁入「全局感知」時代：清華大學等發佈 YOLOv13，實現速度、精度雙突破

在自動駕駛、工業質檢、安防監控等需要「毫秒級反應」的應用場景中，實時目標檢測始終是一條極具挑戰的技術賽道。過去十年裏，YOLO 系列憑藉輕量高效的架構成為該領域的主流方案，從最初的 YOLO 到近年的 YOLOv11、YOLOv12，模型不斷在速度與精度之間尋找新的平衡點。 不過，即便進化多次，YOLO 系列的底層機制依舊面臨共同瓶頸： 要麼像卷積那樣只能在固定感受野內做局部聚合，要

卷積神經網絡 , 人工智能 , 計算機視覺 , 實時目標檢測

u_13303 頭像

colddawn - 目標檢測識別電錶讀數

隨着可再生能源的重要性日益凸顯，光伏行業作為清潔能源的重要組成部分備受關注。在光伏發電系統中，防逆流檢測電能表技術被認為是未來發展的關鍵，它不僅可以提高光伏發電系統的效率，還可以保障電網安全穩定運行。本文將深入探討光伏防逆流檢測電能表技術的意義、原理以及未來發展趨勢。 開篇 光伏能源作為清潔能源的重要來源，正逐漸成為全球能源轉型的重要推動力量

能源 , 發展趨勢 , 目標檢測識別電錶讀數 , 人工智能 , 計算機視覺 , 分佈式 , 安全

ivorysql_xiaozhuli 頭像

IvorySQL - PG預寫式日誌解碼的藝術與應用

本文整理自 IvorySQL 2025 生態大會暨 PostgreSQL 高峯論壇的演講分享，演講嘉賓：李傳成，walminer 作者。 本文內容主要包括： 邏輯解碼的基本原理 高級邏輯解碼特性 walminer 數據恢復實戰 walminer pgto server 實戰 邏輯解碼的基本原理 數據庫 INSERT 操作的 WAL 日誌解析與使用流程 物理使用（二進制回放流程） 當數

數據庫 , postgresql

huizhudev 頭像

HuiZhu - 寫週報還在手動湊字數?試試這個結構化提示詞模板

週報:開發者的代碼之外的另一場戰鬥 週五下午 5 點,代碼提交完了,測試也跑通了,本想着可以準點下班。突然想起來:週報還沒寫。 打開文檔,腦子裏的想法是這樣的: const weeklyReport = { tasks: ['修bug', '寫代碼', '開會', '對接需求'], hours: 40, result: '???' } 問題就在這個 result 上。工作做了一堆,但該

generative-ai , 教程 , chatgpt , 人工智能 , prompt

chunzhendexiaogou 頭像

PoloAPI - Kimi K2 日調用量超100億 token，API 價格低於 Claude 系列模型

一、Kimi K2模型基本信息 Kimi K2是由北京月之暗面科技有限公司(Moonshot AI)於2025年7月11日發佈的開源大語言模型，具有以下核心特點： ‌架構創新‌：採用MoE(混合專家)架構，總參數規模達1萬億(1T)，激活參數為320億(32B)，包含384個專家模塊，每個token選擇8個專家進行計算 ‌性能表現‌：在SWE Bench Verified、Tau2、AceB

編程 , llm , 算法 , 人工智能 , 後端

aloudata 頭像

Aloudata大應科技 - Aloudata Agent 重磅功能發佈：“用户編排思路、AI 精準執行、可沉澱複用”的模塊化分析報告

自今年年初產品雛形推出以來， Aloudata Agent 保持着快速迭代，功能演進路徑清晰而堅定： 三階能力躍遷：8 月，Aloudata Agent 公開體驗版正式上線，形成了「AI 問數+智能歸因+深度報告」端到端智能分析閉環，結合“場景助手”構建了一個真正面向業務、服務於決策的分析智能體。 洞察深化：9 月，Aloudata Agent 實現了基於指標語義層的智能歸因分析能力升級，歸

chat , agent , 數據可視化 , 數據分析

matrixorigin 頭像

MatrixOrigin - 視頻+教程 | 解鎖 RAG 深度搜索應用潛能：Deerflow 與 MOI 融合實戰指南

前言 本教程旨在為開發者提供一份清晰、詳盡的指南,説明如何將開源 RAG (Retrieval-Augmented Generation) 應用開發引擎 Deerflow 與 MOI 的 RAG 服務進行集成。通過本教程,讀者將掌握 Deerflow 的部署方法、在 MOI 中創建數據處理工作流的技能,並最終實現兩者連接,以構建一個強大的、可定製的深度檢索增強生成應用。 一、 Deerflow 簡

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

u_17580222 頭像

mb691327edb400f - AI人工智能

在數字化轉型加速與人才競爭白熱化的當下，企業招聘正陷入前所未有的多重困局。一方面，經濟下行壓力下企業招聘預算普遍收緊，但業務擴張、人才迭代帶來的崗位需求卻愈發迫切，人才市場中核心崗位的薪酬成本持續攀升，HR團隊卻往往面臨人手不足、技術工具匱乏的資源困境；另一方面，海量簡歷如同“信息海洋”，HR僅依靠人工逐一審閲不僅耗時耗力，還易因主觀判斷出現疏漏，即便經過多輪面試，仍常出現候選人

數據 , 人工智能 , 深度學習 , 迭代

u_16349720 頭像

短短同學 - 對象住哪裏?——深入剖析JVM內存結構與對象分配機制

對象住哪裏？—— 深入剖析 JVM 內存結構與對象分配機制 在 Java 程序運行時，我們創建的每一個對象（如new User()）都需要佔用 JVM 內存，但這些對象究竟 “居住” 在哪個內存區域？為何有的對象很快被回收，有的卻能長期存活？要解答這些問題，必須先理清 JVM 的內存結構劃分，再深入對象從創建到銷燬的全生命週期分配邏輯 —— 這不僅是面試高頻考點，更是理解

User , jvm , 人工智能 , 深度學習 , 常量池

u_16380863 頭像

未聞花名AI - 構建AI智能體：十七、大模型的幻覺難題：RAG 解決AI才華橫溢卻胡言亂語的弊病

一、拋磚引玉 經過一段時間的接觸，大型語言模型（LLM），展現出了令人驚歎的文本生成、對話和推理能力。它們飽讀詩書、才華橫溢，能夠就幾乎任何話題進行流暢的對話。然而，這個天才有一個致命的弱點：它的知識完全來源於其訓練數據，存在截止日期，並且它有時會為了保持對話的流暢性而“捏造”事實。這種現象在AI領域被稱為“幻覺”或“胡説八道”。想象一下，你結合實際問了一個問題，最新的員工

yyds乾貨盤點 , 搜索 , NLP , 數據庫 , 人工智能 , 參考資料

shujuxiaowanzi 頭像

數據小玩子 - 【營銷數據洞察系列5】多渠道歸因分析：單一歸因模式下，如何避免低估部分渠道的真實貢獻？

用户決策是多渠道協同作用的結果，單一歸因（如最終點擊）會忽略中間渠道的價值，導致預算分配失衡。通過助睿BI的多模型歸因功能，可呈現首次互動、最終點擊、線性歸因等不同模型下的渠道貢獻額，避免單一歸因模式的侷限性，讓預算分配更貼合實際貢獻情況。 助睿BI鏈接：https://www.zhurui.com/

數據挖掘 , bi , 人工智能 , 數據分析

writers 頭像

思否編輯部 - 最新！2025 OSCAR 開源產業大會完整版議程揭曉

開源作為一種開放共享的新型生產模式，已成為數字經濟創新、開放、共享和可持續發展的核心驅動力。由中國通信標準化協會牽頭主辦，中國信息通信研究院具體承辦的2025 OSCAR 開源產業大會將於 10 月 28 日在北京中關村國家自主創新示範區會議中心舉行。大會以“可信開源泳萬業，無邊智域啓未來”為主題，現公佈會議完整議程： 會議概況： 會議時間：2025 年 10 月 28 日 主辦單位：中國通

開源協議 , 開源 , 開源項目介紹