智能体开发学习笔记 定义：大模型通常指那些具有数十亿甚至上千亿参数的深度学习模型，如GPT-3、GPT-4、BERT等。特性：强大的生成和理解能力：能够生成高质量的文本，理解复杂的语境。预训练与微调：大模型通常通过在大规模数据集上的预训练获得一般语言知识，然后通过微调适应特定任务。多模态处理：最新的大模型能够处理文本、图像、音频等多种数据形式。
大语言模型学习 LLM定义与特点：处理海量文本，多者可具备数百亿参数，理解语言深度，展现涌现能力。LLM国内外代表：i.国外有GPT系列、LLaMA等 ii.国内有文心一言、通义千问等。模型大小与性能能关系：与小模型构架相似，但参数量级提升带来解决复杂任务的显著优势。LLM应用实例：Chat GPT是LLM的对话应用典范，展示出与人类流畅自然的交互能力。计算机并不能直接理解字符，例如：“我喜欢你”可以拆解为“我”，“喜欢”，“你”，可以进行排序。
阿里云天池学习 对于有序的分类数据（如教育水平、收入等级等），使用OneHot 编码可能会丢失这些数据的顺序信息。在模型训练完成后，使用测试集来检验模型的泛化能力，即模型在未见过的数据上的表现。验证集是可选的，用于在训练过程中调整模型参数，如选择模型结构、调整超参数等。在训练模型时，OneHot 编码后的数据可以直接输入到模型中，如决策树、随机森林、支持向量机等。OneHot 编码生成的向量通常是稀疏的，大多数元素都是0。通过走梯度的负方向并以恰当的步长来调整各个数据的权重，来拟合数据，得到更准确的预测结果。
Pandas学习笔记 可以理解为 使用Python进行类似于excel的操作进入环境后，输入：jupyter notebook ./打开打开学习文件.ipynb 是jupyter notebook的文件.csv可以理解为excel的文件。
Python学习 函数代码块以def关键词开头，后接函数标识符名称和圆括号()。任何传入参数和自变量必须放在圆括号中间，圆括号之间可以用于定义参数。函数的第一行语句可以选择性地使用文档字符串—用于存放函数说明。函数内容以冒号 : 起始，并且缩进。return [表达式]结束函数，选择性地返回一个值给调用方，不带表达式的 return 相当于返回 None。文件打开与关闭：（很重要）
关注
