归档 / 话题
思维方法
“思维方法”话题下的全部文章。
-
Trae已上线 Windows 版本
🚀2月17日,字节的AI IDE工具-Trae的 Windows 版本终于上线啦🎉!🎉不再是 Mac 独占,现在大家都可以用起来啦💻。Trae(/treɪ/)与 AI 深度集成,是开发者的超级助手🤖。它提供智能问答、…
-
DeepSeek-R1横空出世,Prompt真的要被时代抛弃了吗?
最近科技圈被DeepSeek-R1的突破性进展刷屏,许多自媒体开始鼓吹"Prompt工程已死"的论调。这种非黑即白的论断背后,实则暴露了对大模型技术演进规律的误读。
-
RAG基础:Markdown指南 – 专业文档结构化的破局之道
RAG基础:Markdown指南 – 专业文档结构化的破局之道 当非结构化文档成为RAG的阿喀琉斯之踵 在金融、法律、医疗等专业领域,每天产生的PDF技术白皮书、Word版行业报告、PPT培训文档堆积如山。
-
何同学的“流量密码”:从219个封面测试看视频点击率的优化之道
在短视频与自媒体高度竞争的时代,如何让作品在海量内容中脱颖而出?知名数码博主何同学通过一项针对219个视频封面的系统性测试,揭示了封面设计对点击率的深层影响,并结合自身创作经验总结出一套“流量密码”。
-
Cursor 、v0 和 Bolt.new:当今 AI 编程工具的全面解析与对比
AI 驱动的编码工具正在迅速发展,每次新版本的发布都承诺将改变我们的开发流程。这些工具旨在通过智能代码建议、重复任务的自动化,甚至从自然语言提示生成整个代码片段来提升生产力。
-
提前体验火上热搜的 Kimi 探索版,我感觉 AI 搜索和百度们完全不是一个物种了
谁能最先用 AI 颠覆搜索,至今还悬而未决。年初,在体验当下几款热门的 AI 搜索引擎后,我和同事都一致认为,即便百度、Google 等搜索引擎巨头被群狼环视,但还是难以被撼动。
-
机器学习算法之XGBoost
来源: 什么是XGBoost? 全称:eXtreme Gradient Boosting 作者: 陈天奇 (华盛顿大学博士) 基础:GBDT 所属:boosting迭代型、树类算法。
-
相关性分析:Pearson、Kendall、Spearman
来源: 在分析特征间相关性时,常使用的方法是 pandas.DataFrame.corr : 其中包含的方法主要为: pearson:Pearson相关系数 kendall:Kendall秩相关系数 Spearman…
-
机器学习算法之逻辑回归
来源: 逻辑回归算法的名字里虽然带有“回归”二字,但实际上逻辑回归算法是用来解决分类问题的。简单来说, 逻辑回归(Logistic Regression)是一种用于解决二分类(0 or 1)问题的机器学习方法,用于估…
-
机器学习算法之朴素贝叶斯
来源: 贝叶斯分类是一类分类算法的总称,这类算法均以贝叶斯定理为基础,故统称为贝叶斯分类。而朴素贝叶斯分类是贝叶斯分类中最简单,也是常见的一种分类方法。贝叶斯定理 贝叶斯定理实际上就是计算“条件概率” 的公式。
-
风险控制:信用评分卡模型
评分卡模型又叫做信用评分卡模型,最早由美国信用评分巨头FICO公司于20世纪60年代推出,在信用风险评估以及金融风险控制领域中广泛使用。银行利用评分卡模型对客户的信用历史数据的多个特征进行打分,得到不同等级的信用评分…
-
机器学习之特征选择方法
特征选择能剔除不相关(irrelevant)或冗余(redundant)的特征,从而达到减少特征个数,提高模型精确度,减少运行时间的目的。另一方面,选取出真正相关的特征简化模型,协助理解数据产生的过程。
-
几行乱码让大模型获得科学思维:超级提示
不过两三天的时间,仅有两个 Markdown 文件的 GitHub 项目为何竟能收获 1.9k star?仔细一看,其中一个 Markdown 文件是一个流程图,另一个 Readme 文件的主要内容则是一大篇大模型提…
-
机器学习入门
拥抱人工智能,从机器学习开始 背景: 自“阿尔法狗”(AlphaGo)完胜人类围棋顶尖高手后,有关人工智能(AI)的讨论就从未停歇。工业4.0方兴未艾,人工智能引领的工业5.0时代却已悄然苏醒。
-
[转载]使用Cursor,2个晚上做了一个PDF转Markdown的工具
我不禁重新思考,这何尝不是一种 0 代码?程序员真的可以被替代么?以前我的个人感受是 GPT 确实能帮助很多会用的人,提高 80%的效率。但是今天真的有一个程序,100%是 AI 生成的,这个感受还是有些不一样的。