代码很孬写-CSDN博客

原创一文详解自然语言处理两大任务与代码实战：NLU与NLG

自然语言处理（NLP）是一门交叉学科领域，涵盖了计算机科学、人工智能、语言学等多个学科。它旨在使计算机能够理解、解释和生成人类语言的方式，从而创建与人类之间的自然、无缝的交互。自然语言处理的主要任务是让计算机能够像人类一样理解和生成自然语言。它能够让机器读懂人类的语言，使得人们与计算机的交互更加自然流畅。这不仅可以大大提高人机交互的效率，而且也为许多行业如客服、医疗、教育等提供了极大的便利。自然语言处理不仅是一门具有挑战性的科学，还是一项充满潜力的技术，能够推动许多行业和应用的发展。

2024-07-21 08:15:00 426

原创编织人工智能：机器学习发展历史与关键技术全解析

机器学习是一门研究计算机如何利用经验改善性能的科学。它的主要目的是通过从数据中学习模式并作出预测或决策。在技术层面上，机器学习可以分为监督学习、无监督学习、半监督学习和强化学习等。机器学习作为人工智能的关键部分，在过去的几十年中取得了显著的进展。从最初的简单算法，到复杂的深度学习模型，再到当前的跨学科整合和伦理考虑，机器学习不断推动科技的前沿，影响着我们的生活方式和工作方式。因为这个行业不同于其他行业，知识体系实在是过于庞大，知识更新也非常快。

2024-07-20 09:45:00 465

原创 AI大模型真的是大龄程序员的新出路吗？

大龄程序员转行至AI大模型领域并非遥不可及的梦想，而是充满机遇的现实选择。在这个过程中，你不仅能够重拾对技术的热情，还能开拓职业生涯的新篇章。面对未来的不确定性，主动出击，把握住AI大模型的风口，或许就是你职业生涯逆袭的关键。

2024-07-19 15:27:21 774

原创 OpenCV实战：从图像处理到深度学习的全面指南

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库。它由一系列的C函数和少量C++类构成，同时提供Python、Java和MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。# 导入OpenCV库 import cv2 # 打印OpenCV版本 print(cv2 . __version__)4.5 .2OpenCV的设计目标是提供一套简单而且可扩展的计算机视觉库，使得它能够方便地在实际的应用、研究、开发中被使用。

2024-07-19 11:23:47 930

原创 Pytorch 最全入门介绍，Pytorch入门看这一篇就够了

在这一部分，我们将会对Pytorch做一个简单的介绍，包括它的历史、优点以及使用场景等。DataLoader类提供了对数据集的并行加载，可以有效地加载大量数据，并提供了多种数据采样方式。dataset：加载的数据集（Dataset对象）batch_size：batch大小shuffle：是否每个epoch时都打乱数据num_workers：使用多进程加载的进程数，0表示不使用多进程# 数据转换])# 下载并加载训练集# 下载并加载测试集除了使用内置的数据集，我们也可以自定义数据集。

2024-07-19 11:21:00 583

原创 Python和PyTorch深入实现线性回归模型：一篇文章全面掌握基础机器学习技术

Python 是一种强大的编程语言，特别适合处理和分析大数据，广泛应用于各种科学计算中。Python有很多库可以方便地实现各种高级功能，例如：NumPy, Pandas, Matplotlib等。PyTorch 是一个开源的 Python 机器学习库，基于 Torch。它主要由 Facebook 的 AI 研究团队开发，用于实现深度学习算法。PyTorch 以张量为基本数据结构，可以在GPU或CPU上进行计算。具有动态定义计算图的特性，使得 PyTorch 在编写和调试模型方面更具优势。

2024-07-18 17:25:37 651

原创深入Scikit-learn：掌握Python最强大的机器学习库

Scikit-learn是一个基于Python的开源机器学习库，它基于NumPy、SciPy和matplotlib，支持各种机器学习模型，包括分类、回归、聚类和降维等。除了提供大量的机器学习算法外，Scikit-learn还包括了一整套模型评估和选择的工具，以及数据预处理和数据分析的功能。简单易用却功能强大，是Scikit-learn受欢迎的重要原因。在接下来的文章中，我们将详细介绍如何使用Scikit-learn进行机器学习开发。

2024-07-18 17:17:44 557

原创 AI时代来临，传统产品经理如何转型抢抓行业红利？

在当前科技浪潮的推动下，人工智能（AI）领域迎来了前所未有的发展机遇。作为关注行业趋势的产品经理，你一定感受到了这一明显的变化：AI技术正迅速渗透到各行各业，成为推动社会进步的新动力。随着算法、算力和数据条件的成熟，AI技术进入高速发展阶段。国家政策的鼓励和社会资本的涌入，使得人工智能产业正处于技术研发的上升期。在智能教育、智慧城市、智慧安防、智慧物联、智慧医疗、智慧家居等垂直领域，AI的应用正逐渐深入，企业对AI人才的需求也随之井喷。

2024-07-18 17:11:25 754

原创 AI人才争夺战：巨头眼中的产品经理必备技能

在人工智能的浪潮下，BAT等一线互联网企业纷纷加码布局，对AI领域的人才需求空前高涨。然而，要在众多求职者中脱颖而出，成为企业眼中的人才，不仅需要深厚的产品功底，更要具备对AI的深刻理解和应用能力。那么，这些巨头在招聘AI方向的产品经理时，究竟在寻找怎样的人才呢？AI行业洞察力：理解趋势与格局企业首先看重的是候选人对AI行业的整体认知。这包括对AI技术发展趋势的把握，对行业格局的清晰理解，以及对AI如何改变商业和社会的前瞻性思考。能够站在行业前沿，洞察未来方向，是AI产品经理必备的素质。

2024-07-03 18:05:50 939

原创 OpenIM Bot: 用LLM构建企业专属的智能客服

自从`ChatGPT`横空出世以来，其自然、流畅的对话引起了全球的瞩目。基于大语言模型（LLM）搭建的AIGC应用如雨后春笋般涌现，掀起了这波AI新浪潮。对于个人用户来说，`ChatGPT`、`文心一言`以及`豆包`等LLM应用可以直接使用，并能帮忙解决很多问题。然而，对于企业应用来说，情况要复杂得多。实效性、私有数据的处理、幻觉现象和数据安全等问题，都可能成为潜在的隐患。

2024-06-21 17:38:20 858

原创 RAG-GPT 实践过程中遇到的挑战

大型语言模型(LLM)的新进展，包括ChatGPT，为AI应用提供了新的能力，使其能够`构建新的人机交互解决方案`、`完成复杂任务`、`总结文档`、`回答文献中的问题并生成新内容`。然而，LLM在获取最新知识或企业内部知识库中的领域特定知识时仍存在局限性。

2024-06-21 17:36:07 834

原创一线大厂都在高薪抢AI产品经理岗位，谁能不心动啊？

当AI的风吹到产品届，唯叹相见恨晚！作为一名产品经理，日常写调研、需求分析、产品设计、项目管理、数据分析……每一项工作都需要投入大量的时间和精力。但用上AI后，你会发现写个需求分析、做个PRD根本不在话下…除了能提高工作效率，而且AI产品经理岗，工资可真不低。随便一搜，就能发现很多一线大厂都在高薪招人👇高效率能摸鱼+高薪的工作，谁能不迷糊？

2024-06-20 18:03:52 388

原创人工智能产品经理，行业巨头争夺的稀缺人才

在当今这个由数据驱动的时代，人工智能（AI）正迅速成为推动各行各业创新的核心力量。随着行业巨头纷纷布局人工智能领域，对于专业人才的需求也日益增长。特别是人工智能产品经理这一岗位，缺口高达6.8万，成为市场上炙手可热的职位。人工智能产品经理作为连接技术与市场的关键角色，其重要性不言而喻。随着AI技术的不断进步和应用领域的不断拓宽，这一岗位的需求将持续增长。对于那些有志于在AI领域发展的专业人士来说，现在正是抓住机遇，提升自身能力，实现职业飞跃的最佳时机。

2024-06-20 17:57:34 570

原创深度学习（十四）——优化器

optimizer: 放入模型所使用的优化器名称: 训练的时候，每多少步进行一个更新: 默认为0.1。在循环中，每次训练的时候，新的学习速率=原来学习速率×gamma不同的优化器中有很多不同的参数，但是这些参数都是跟几个特定的算法相关的，这些需要使用的时候再去了解。如果只是单纯地使用优化器，那么只需设置optimizer和学习速率，就可以满足绝大部分的训练需求。因为这个行业不同于其他行业，知识体系实在是过于庞大，知识更新也非常快。

2024-06-20 17:20:12 1005

原创深度学习（十三）——损失函数与反向传播

计算\(MAE\) ()，即假设输入为\(x_i\)，目标为\(y_i\)，特征数量为\(n\)。在默认情况下，\(nn.L1Loss\)通过下面公式计算误差：reduction：默认为‘mean’，可选_mean_和_sum_。当时，计算误差采用公式：当时，计算误差采用公式：需要注意的是，计算的数据必须为浮点数。因为这个行业不同于其他行业，知识体系实在是过于庞大，知识更新也非常快。

2024-06-19 17:49:40 791

原创深度学习（十二）——神经网络：搭建小实战和Sequential的使用

第一个变量名model中，依次执行`nn.Convd2d(1,20,5)`、`nn.ReLU()`、`nn.Conv2d(20,64,5)`、`nn.ReLU()`四个函数。这样写起来的好处是使代码**更简洁**。 * 由此可见，函数\\(Sequential\\)的主要作用为**依次执行**括号内的函数

2024-06-19 17:27:38 616

原创深度学习（十一）——神经网络：线形层及其他层介绍

内含RNN、LSTM等函数，主要在nlp领域用的比较多官方文档：bias(bool)\(in\_features=d\)，即指的是in_features的个数\(out\_features=L\)，即指的是out_features的个数\(x_1,\dots,x_i,\dots,x_d\)每个指向\(g_1\)的箭头上，均有：其中，\(b_i\)代表偏置，参数\(bias=True\)，则加上\(b\)；\(bias=False\)，则不加\(b\)

2024-06-19 17:25:33 852

原创体系化入门AI产品经理，应该如何学习？

当下，行业巨头争先布局人工智能，产生大量人才需求，人工智能产品经理岗位缺口更是高达6.8万。人工智能领域人才稀缺并非新鲜事，但BAT等一线互联网企业在招聘人工智能领域人才时，究竟更看重哪些能力，却鲜为人知。是否对AI行业有清晰的了解是否对AI赋能的场景有自己的认知和思考是否熟悉当下常见且较为成熟的AI技术，了解不同AI技术的适用场景是否掌握正确的工作方法，在不同的需求场景下，能合理调度不同的资源，以确保产品方案落地。

2024-06-18 21:58:41 1134

原创深度学习（十）——神经网络：非线性激活

作用：计算公式：inplace参数：inplace=True，则会自动替换输入时的变量参数。如：input=-1，ReLU(input,implace=True)，那么输出后，inplace=True，则不替换输入时的变量参数。如：input=-1，ReLU(input,implace=True)，那么输出后，计算公式：因为这个行业不同于其他行业，知识体系实在是过于庞大，知识更新也非常快。

2024-06-18 21:42:14 670

原创深度学习（九）——神经网络：最大池化的作用

nn.MaxPool2d是在进行图像处理时，Pool layers最常用的函数: 用于设置一个取最大值的窗口，如设置为3，那么会生成一个3×3的窗口: 默认值为kernel_size，步幅，和卷积层中的stride一样: 填充图像，默认填充的值为0: 空洞卷积，即卷积核之间的距离。如卷积核的尺寸为3×3，dilation为1，那么返回一个大小为5×5的卷积核，卷积核每个元素与上下左右的元素之间空一格: 一般用的很少，不做介绍: 默认为False。

2024-06-18 21:30:05 948

原创 AI大模型系统从入门到精通，看这一篇就够了

自 GPT 系列和 LLaMA 系列等大规模语言模型及应用问世以来，AI 内部技术突飞猛进，能力迅速超越以往。这些“超级 AI 助手”看似便捷强大，但其背后复杂原理及潜在影响值得深入思考。这些预训练模型虽然可以替代部分内容生产工作，但其自动化程度与单一能力有限，无法取代所有人类工作。更重要的是，AI 并不等于智能，背后依靠的是人工编程的规则与人类训练数据。如何运用它们协助而非替代人类生产，仍需要明智而谨慎地诠释。

2024-06-17 17:21:58 320

原创 15天系统化入门AI产品经理，打好入行基础，抢占时代红利！！

随着算法、算力和数据条件的逐渐成熟，AI时代来临已成共识。与此同时，行业巨头争先布局人工智能，产生大量人才需求，人工智能产品经理岗位缺口高达6.8万。面对这样一个大热的朝阳行业，产品经理如何才能快速入行，抢占先机？许多人对AI产品经理存在一个误区，认为只有深度钻研AI技术才能成为好的AI产品经理。

2024-06-15 18:48:15 583

原创深度学习（八）——神经网络：卷积层

如果输入图像in\_channel=1，并且只有一个卷积核，那么对于卷积后产生的输出，其out\_channel也为1* 如果输入图像in\_channel=2，此时有两个卷积核，那么在卷积后将会输出两个矩阵，把这两个矩阵当作一个输出，此时out\_channel=2

2024-06-15 18:02:53 887

原创深度学习（七）——神经网络的卷积操作

orch.nn是对torch.nn.functional的一个**封装**，让使用torch.nn.functional里面的包的时候更加方便* torch.nn包含了torch.nn.functional，打个比方，torch.nn.functional相当于开车的时候齿轮的运转，torch.nn相当于把车里的齿轮都封装好了，为我们提供一个方向盘

2024-06-15 17:58:52 895

原创【已拿offer】最新AI产品经理大厂面经（含百度&腾讯&科大讯飞&商汤&蚂蚁金服）

最近有些小伙伴，想要求职AI领域的产品经理，特别是AIGC的产品经理，但是不知道面试官会问哪些问题，也就不知道如何开始准备？该准备哪些东西？要准备到什么程度？最终导致迟迟不敢开始。

2024-06-14 18:30:02 840

原创深度学习（六）——神经网络的基本骨架：nn.Module的使用

**Module**：对于**所有**神经网络提供一个基本的骨架，一般定义一个神经网络用如下代码。其中，_Model_代表模型的名称，_nn.Module_就是继承了这个类的模板。然后我们先用`__init__`初始化，其中`super(Model,self).__init__()`指的是对父类进行初始化，后面的部分是根据自己构建的神经网络个性化定制的。之后我们使用`forword`函数对输入数据进行计算，也可以这么理解：对于一个神经网络，_首先输入数据-->使用forword函数计算数据-->输出数据

2024-06-14 17:18:11 1184

原创深度学习（五）——DatadLoader的使用

可以理解为一个for循环就是打一次牌，打完一轮牌后，若shuffle=False，那么下一轮每一步抓到的牌都会跟上一轮相同；如果shuffle=True，那么就会进行洗牌，打乱牌的顺序后，下一轮每一步跟上一轮的会有不同。

2024-06-14 17:14:27 912

原创从零到一，四步战略解锁AI产品经理大门

在当今科技飞速发展的背景下，越来越多的职场人士将目光投向了人工智能（AI）领域，寻求职业发展的新机遇。其中，AI产品经理和技术工程师作为该领域的两大明星岗位，凭借其高薪和广阔的职业发展前景，吸引了众多求职者的关注。特别是对于那些不具备深厚技术背景但对AI充满热情的个体而言，转型成为AI产品经理无疑是一条值得探索的道路。然而，要将这一职业愿景转化为现实，需采取一系列策略性步骤，以下便是这一过程的四大关键环节。

2024-06-13 16:29:47 889

原创深度学习（四）——torchvision中数据集的使用

也就是说，数据标签有'airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck'十类，分别用整数0~9来表示

2024-06-13 11:04:18 637

原创深度学习（三）——Transforms的使用

通过transforms.ToTensor去说明两个问题：第一，transforms该如何使用；第二，Tensor数据类型相较于普通数据类型有什么区别，为什么需要tensor这个数据类型。关注函数的输入、输出的数据类型多看官方文档，比网上文档准确得多关注方法需要什么参数。关注每个函数的__init__，比如，一般情况下，需要输入的参数为\(padding\)，其他参数使用默认值即可。这时候还需要了解一下\(padding\)的作用及输入的数据类型。

2024-06-13 11:00:04 897

原创现在转行转岗AI产品经理真的是一个好时机吗？

2024年过去一半时间了。很多朋友年初就计划转岗产品经理，但又苦于没有经验、知识不牢固……经常能看到有朋友问：转岗产品经理会有哪些坑要注意？有什么建议？综合大家问得比较多的问题，我们发现：很多想转岗产品经理的同学，一旦下定决心，就会一头扎进“产品经理做什么”的规划中无法自拔。然而，结果就是：虽然从各类平台吸收了大量理论知识，但缺少对产品知识的总结和梳理，无法将知识串联起来，形成体系。如果不学会及时跳出这种盲目学习的思维陷阱，久而久之很容易变成“假性勤奋”，在错误的道路上坚持不懈。

2024-06-12 15:05:11 1426

原创深度学习（二）——TensorBoard的使用

SummaryWriter是向事件文件夹log\_dir**写入事件文件**的一个操作，并且这个事件文件可以**被Tensorboard进行解析**

2024-06-12 11:24:25 662

原创深度学习（一）——使用Python读取图片

PIL的安装：win+r → cmd → 选择环境 → pip install Pillow#选择图像路径#注意：在复制图像路径后，在windows环境下，需要将\变为\\#打开并标识给定的图像文件。#image.open()是一个懒惰的操作；此函数可识别文件，但文件保持打开状态，直到尝试处理数据(或调用load()方法)，才会从文件中读取实际图像数据。#输出图像大小#打开图像(指的是直接根据该地址打开一个窗口显示这个图像)img.show()

2024-06-12 11:21:52 857

原创 AI大模型火了，你的饭碗要变金饭碗还是铁饭碗？

当前，AI大模型的发展正以前所未有的速度和规模推进，它们凭借其深度学习能力和海量数据训练，在诸多领域展现出了革命性的影响力。这些模型，如OpenAI的GPT系列、阿里云的通义千问等，不仅在自然语言处理上取得了显著成就，还逐步渗透到图像生成、代码编写、甚至是创造性设计等多个层面。

2024-06-11 17:35:35 897

原创大模型核心技术原理: Transformer架构详解

在大模型发展历程中，有两个比较重要点：第一，Transformer 架构。它是模型的底座，但 Transformer 不等于大模型，但大模型的架构可以基于 Transformer；第二，GPT。严格意义上讲，GPT 可能不算是一个模型，更像是一种预训练范式，它本身模型架构是基于 Transformer，但 GPT 引入了“预测下一个词”的任务，即不断通过前文内容预测下一个词。之后，在大量的数据上进行学习才达到大模型的效果。

2024-06-11 15:19:13 706

原创 NLP原理系列1-说清楚transformer原理

假如我们的场景是问答，问题是“中国的首都是哪里？” 推理阶段最开始，左侧Input就是这个问题，右下Outputs就是起始符，Inputs和Outputs共同进行前向传播，它们会在中间蓝笔红笔那部分完成汇合，然后到右上侧推理出“北”（如果模型效果尚可，确实能正确推理出“北京”的话），“北”作为本步推理结果，就会被送入Outputs拼在起始符后方，然后Inputs和带有“北”的Outputs又共同前向传播，又再汇合推理出“京”…大抵是这么一个往复的过程

2024-06-11 15:11:12 668

原创一文读懂大型语言模型LLM

在当今的技术世界中，人工智能正以前所未有的速度发展和演变。这一领域的快速发展得益于先进的机器学习算法、海量数据的可用性以及计算能力的显著提升。特别是，在自然语言处理（NLP）领域，AI的进步已经让计算机不仅能理解人类语言的基本结构，还能在更深层次上把握其语义和情感。这种能力的核心在于大型语言模型（大语言模型），如GPT和Gemini，它们通过分析和处理大量文本数据，能夠生成流畅、准确且具有上下文关联性的语言输出。这些模型的强大之处在于它们的多功能性和适应性，能够被应用于从简单的文本生成到复杂的对话系统和文本

2024-06-10 17:29:44 784

空空如也

空空如也