- 博客(27)
- 收藏
- 关注
RSS订阅原创 零基础入门：计算机视觉需要哪些数学基础？如何高效学习线性代数和概率论？
img=np.array([[100,150],[200,250]])# 简单2x2图像transform=np.array([[0,-1],[1,0]])# 旋转矩阵new_img=np.dot(transform,img)# 矩阵乘法print(new_img)周3-4：线性变换、逆矩阵。1. 几何变换（矩阵乘法、逆矩阵）：用处：图像旋转、缩放、仿射变换（手机美颜、AR试妆）。我见过太多学员：文科生、程序员转行、甚至中年职场人，一开始怕公式如怕虎，但跟着正确路线，结合代码和图像实践，很快就爱上数学了。
2026-04-13 17:05:37
6
原创 转行AI Agent的真实成本：时间、金钱与精力
建议按照我下面的办法来做，不一定能让你成为LLM专家，但一定能帮你快速入门，少走弯路。1.先把模型“用顺”一上来别纠结框架、工程化这些，第一件事是能稳定调用一个模型，让它按你想要的格式输出结果。很多人卡在这里，是由于一直在犹豫在“模型选择”和“参数调最优”上，实际上不用。先挑一个能用的跑通链路就行，目的是让它听话，不是做学术研究。这阶段关键就两件事：API调用：会传prompt、拿返回结果、做流式输出、处理异常；提示词控制：别把提示词当作文写，关键是让它精准可控，遵循特定规则、不确定就说不知道。
2026-04-13 17:05:21
5
原创 深度学习理论精讲：从基础到大模型的完整路径
深度学习是后续学习自然语言处理，强化学习，计算机视觉等细分领域的基础，深度学习的应用也非常广泛，各个学科都会涉及，所以建议大家掌握基本的深度学习理论知识深度学习的理论可能会比机器学习更复杂一点，因为其中的数据流向是一个比较困难的点，很多同学学了很久都搞不清楚每个模块输入和输出的数据shape和类型这一期主要是给大家推荐一个深度学习理论教程：可以按照下面的学习计划来学习，总共六周的计划安排下面是具体的内容：第一周：深度学习基础 （难度。想了解的，扫码加我企业微信，备注"课程"，送你一份学习规划！
2026-04-13 17:03:19
74
原创 新手小白学习人工智能，推荐哪些入门书籍和课程？适合零基础的有哪些？
优势：零基础友好（从概念起步，无需编程基），体系完整（覆盖书籍精华+课程项目），实战导向（带做5-10个项目，如AI聊天bot），加上1v1学习规划（我帮评估、定制路线）、带练答疑（小班直播，每周反馈）。为什么推荐：免费，体系化（视频+quiz），2026年热门。大家好，我是唐宇迪，这些年，我辅导过上千名零基础小白入门AI，从文科生、职场妈妈到中年转行者，他们一开始连“算法”是什么都搞不清，但通过正确的资料和路线，几个月就上手了简单模型、做小项目，甚至拿到了AI助理或数据分析师的offer。
2026-04-13 17:01:41
130
原创 斯坦福AI软件课程：Devin背后的技术原理
第 6 周：AI 测试与安全安全编码在 AI 时代变得更加重要。本周覆盖 SAST、DAST、漏洞检测、AI 生成的测试用例，以及如何用 Semgrep 等工具进行安全扫描。第 7 周：现代软件支持AI 代码审查、智能文档生成、调试辅助。如何建立对 AI 生成代码的信任？如何设置 Code Review 流程来捕捉 AI 的错误和Hallucination？第 8 周：自动化 UI 构建用一个 Prompt 生成完整的 Web App。快速原型、设计普惠化、端到端应用构建。
2026-04-13 17:00:57
80
原创 从程序员到AI管理者：角色转变
第 3-4 周：AI IDE 与 Agent 管理探讨上下文管理的艺术：如何让 AI 认知你的项目？如何写好 PRD（产品需求文档）让 Agent 高效执行？如何设置 AI 原生的研发环境？第四周的重点是"Agent 管理"——如何在人机协作中找到平衡点，既不过度依赖也不完全不信任。第 5 周：现代终端AI 增强的命令行工具正在改变终端体验。本周深入 Warp 等工具，掌握终端自动化和 CLI 增强。第 6 周：AI 测试与安全安全编码在 AI 时代变得更加重要。
2026-04-13 16:58:37
167
原创 Prompt工程进阶：结构化输出与约束
一、这门课独特在哪里？传统的软件工程课教你如何写代码、如何设计架构、如何测试。CS146S 则教你一件完全不同的事：如何成为 AI Agent 的管理者。课程开篇就提出了一个关键理念：2025 年秋季，斯坦福计算机系出现了一门排课火爆的新课 —— CS146S: The Modern Software Developer（现代软件研发者）。
2026-04-13 16:56:16
135
原创 CS146S课程笔记：LLM基础与Prompt工程精华
第 6 周：AI 测试与安全安全编码在 AI 时代变得更加重要。本周覆盖 SAST、DAST、漏洞检测、AI 生成的测试用例，以及如何用 Semgrep 等工具进行安全扫描。第 7 周：现代软件支持AI 代码审查、智能文档生成、调试辅助。如何建立对 AI 生成代码的信任？如何设置 Code Review 流程来捕捉 AI 的错误和Hallucination？第 8 周：自动化 UI 构建用一个 Prompt 生成完整的 Web App。快速原型、设计普惠化、端到端应用构建。
2026-04-13 16:54:45
175
原创 AI编程工具发展史：从Copilot到Devin
第 6 周：AI 测试与安全安全编码在 AI 时代变得更加重要。本周覆盖 SAST、DAST、漏洞检测、AI 生成的测试用例，以及如何用 Semgrep 等工具进行安全扫描。第 7 周：现代软件支持AI 代码审查、智能文档生成、调试辅助。如何建立对 AI 生成代码的信任？如何设置 Code Review 流程来捕捉 AI 的错误和Hallucination？第 8 周：自动化 UI 构建用一个 Prompt 生成完整的 Web App。快速原型、设计普惠化、端到端使用构建。
2026-04-13 16:53:14
211
原创 AI Agent开发需要编程基础吗：零基础学习指南
钱景”是肯定有的，重点是怎么拿到offer。现在这行正处于爆发期，月薪3-4w很常见，搞得好年薪80万往上都有可能，大量高薪酬待遇岗都在招，我们这种中小厂都能给到40w税后。不用太纠结学历，AI Agent是最近一两年才火起来的，是一个全新的领域，能有落地项目经验的同学少之又少么，基本都靠自学。因此相比学历，求职面试官更关心你的实战经验。
2026-04-13 16:51:44
158
原创 AI Agent实习简历亮点怎么写：STAR法则应用
这些实际上更像工程难题，公司愿意给30k月薪的原因就在这里，Agent研发不是玩具技能人，是能把玩具变成生产力的人。这环节最直接有效的策略就是跟着项目完整走一遍，如果你无从下手，趁着有大佬带队，你直接跟着做就行。我就是跟着这个「Agent 从入门到实战」学的，技能大佬带你手搓企业级项目全流程，手把手带你做出一个能用的Agent架构，简历项目阅历就有了。3.把Agent做成能交付的架构很多人到这里就卡壳了，Demo跑得飞起，但一上强度就不稳定。
2026-04-13 16:50:14
165
原创 垂直领域Agent：知识图谱构建与Cypher查询实战
这样更可靠、更容易解析。语料切分：项目中的关系抽取任务是句子级关系抽取，传统的句子级关系抽取数据集每条样本的句子长度是几十个Token。我在项目中使用的自建数据集，质量一般，实体关系密度较低，如果按照传统句子级关系抽取的窗口来切分语料，会导致关系样本量不足。计算方法：首先利用 Embedding 模型（如 BGE 或 OpenAI-text-embedding）对某个关系类别下的所有样本句子进行向量化，然后对这些高维向量求均值（Mean Pooling），得到该类别的“质心向量”来代表这个关系的原型。
2026-04-07 13:59:44
23
原创 图解YOLO原理：单阶段目标检测的工作机制与代码实现
YOLO（You Only Look Once）名字本身就说明了原理——对图像只看一次，就能识别出所有物体及其位置。传统方法（如R-CNN）是"两阶段"：先找候选区，再逐个识别，速度慢。YOLO是"单阶段"：把检测变成回归问题，一次扫描同时输出所有预测结果。
2026-04-07 13:59:41
7
原创 国央企数字化转型：硕士新机会在哪里
这时候能快速搭建可落地的解决方案的人就特别吃香，可能只需要把开源模型微调下，做个增强检索，再设计好业务流程中的提示词，就能解决他们80%的痛点。当下的大模型落地进程，依然处于初期阶段，正是百废待兴的时候。尤其B端，现在很多企业的情况很有意思，手里攥着预算想搞智能化，但既不敢all in大模型，又不甘心只做表面功夫。但是算法的话还是算了吧，你去看看那些大厂算法岗招聘，清一色要求顶会论文+名校PhD，现在这行情，要是没个PhD头衔，连训练模型的显卡都摸不着。Java就算了吧，太卷了，尤其现在大环境下，更卷了。
2026-04-07 13:59:39
5
原创 国央企AI岗位：硕士进去干什么
这时候能快速搭建可落地的解决方案的人就特别吃香，可能只需要把开源模型微调下，做个增强检索，再设计好业务流程中的提示词，就能解决他们80%的痛点。当下的大模型落地进程，依然处于初期阶段，正是百废待兴的时候。尤其B端，现在很多企业的情况很有意思，手里攥着预算想搞智能化，但既不敢all in大模型，又不甘心只做表面功夫。但是算法的话还是算了吧，你去看看那些大厂算法岗招聘，清一色要求顶会论文+名校PhD，现在这行情，要是没个PhD头衔，连训练模型的显卡都摸不着。Java就算了吧，太卷了，尤其现在大环境下，更卷了。
2026-04-07 13:59:36
6
原创 国企LLM岗真的好吗？过来人告诉你真相
第二，刚毕业的同学，尽量不要选择国企（家里有矿除外），LLM的职业方向，或者说其他 IT 方向的技术岗，在国企都是学不到东西的，这个懂得都懂。接下来，我们将召回到的相关信息作为上下文增强（Augmented）到 LLM 中，这一步是关键，由于它为模型提供了生成答案所需的具体背景信息，减少了模型产生错误或虚假信息的风险。继续来看今天的内容，这段时间我不是在集中招聘嘛，面了很多候选人，清华，北大，华五，包括一些海外的学校都有，因此也准备给大家集中分享一些求职面试的情况，帮助大家备战秋招。
2026-04-07 13:59:34
7
原创 固定长度vs语义切分：文档切片策略深度对比
以前我们是用一个复杂的Deep Learning模型（例如DIN, DIEN）去猜用户可能喜欢什么商品，现在是直接把用户的行为序列（点了啥、买了啥）当成一种“语言”，扔给LLM，让LLM去“理解”这个用户的品味和意图。你能把你做过的项目，像上面这样，把遇到的问题、你的尝试、你的思考、最后的效果给说明白了，这比你简历上挂一个不相关的论文要有说服力得多。你的项目经历，就是你最好的“论文”。尤其在企业侧，尤其是业务落地的LLM算法，不是做基础模型架构研究的那帮团队，对口论文的硬性要求没你想象的那么严。
2026-04-07 13:59:31
4
原创 商业级LLM应用：如何保证严格的稳定性和可靠性
LLM的关键特征在于基于概率分布的“生成式能力”，这为创意和灵感的激发提供了巨大的价值。然而，这种概率驱动的机制具有双面性：它在赋予模型“创造力”的同时，也带来了输出的不确定性。这种“一模型多能”的特性，大幅降低了应用的开发与维护成本，也让跨功能的业务整合变得前所未有的高效。而现在，LLM允许用户以日常对话的方式输入需求。LLM应用开发的相关的信息并不稀缺——课程、路线图、项目清单到处都是，真正稀缺的是一种清晰感：哪些内容属于“LLM应用开发”的关键，哪些只是围观热闹的知识点，这需要有相当清晰精准的认知。
2026-04-07 13:59:29
5
原创 告别“填鸭式“训练：AFSS让YOLO训练效率提升1.6倍的秘诀
数据：YOLO11s在MSCOCO2017上，推理200FPS，实时检测能力拉满。同硬件Faster R-CNN只要6.5小时，差距7倍。2026年，目标检测仍是CV落地最核心的技术：安防监控、自动驾驶、工业质检、无人机巡检、医疗影像……核心知识点：YOLO = You Only Look Once，一次前向传播同时完成定位+分类，是单阶段检测的王者。做CV的都知道，YOLO系列推理是真的猛，毫秒级响应，工业场景首选。4个数据集：自然图像提速1.43~1.69倍，遥感图像提速1.63~1.70倍。
2026-04-07 13:59:26
58
原创 告别全量训练：AFSS让YOLO训练效率提升1.43~1.70倍
2026年，目标检测仍是CV落地最核心的技术：安防监控、自动驾驶、工业质检、无人机巡检、医疗影像……所有"让机器看懂物体位置和类别"的场景都离不开它。核心知识点：YOLO = You Only Look Once，一次前向传播同时完成定位+分类，是单阶段检测的王者。YOLO系列是实时目标检测的首选，推理毫秒级，工业场景到处在用。4个数据集测试：自然图像提速1.43~1.69倍，遥感图像提速1.63~1.70倍，精度还小幅上涨。问题根源："全量训练范式"——每个epoch遍历全部样本，不管模型掌握程度。
2026-04-07 13:59:24
63
原创 告别全参微调：LoRA让大模型适配成本降10倍
错误后果解决方案r过大显存溢出r≤32target_modules不完整效果腰斩必须覆盖QKVO学习率沿用全参收敛慢提升10倍无梯度累积不稳定启用累积数据格式不规范训练失败Alpaca格式未合并推理延迟高3倍先merge显存不足用fp16OOM改bf16/4bit不保存checkpoint中断重训定期保存只看loss效果误判多指标评估生产不量化成本翻倍INT8/INT4。
2026-04-07 13:59:21
60
原创 向量数据库选型：余弦相似度与欧几里得距离实战
第二，刚毕业的同学，尽量不要选择国企（家里有矿除外），LLM的职业方向，或者说其他 IT 方向的技术岗，在国企都是学不到东西的，这个懂得都懂。接下来，我们将召回到的相关信息作为上下文增强（Augmented）到 LLM 中，这一步是关键，由于它为模型提供了生成答案所需的具体背景信息，减少了模型产生错误或虚假信息的风险。继续来看今天的内容，这段时间我不是在集中招聘嘛，面了很多候选人，清华，北大，华五，包括一些海外的学校都有，因此也准备给大家集中分享一些求职面试的情况，帮助大家备战秋招。
2026-04-07 13:59:19
181
原创 向量数据库选型：Faiss vs Milvus vs Pinecone对比
这样更可靠、更容易解析。语料切分：项目中的关系抽取任务是句子级关系抽取，传统的句子级关系抽取数据集每条样本的句子长度是几十个Token。我在项目中使用的自建数据集，质量一般，实体关系密度较低，如果按照传统句子级关系抽取的窗口来切分语料，会导致关系样本量不足。计算方法：首先利用 Embedding 模型（如 BGE 或 OpenAI-text-embedding）对某个关系类别下的所有样本句子进行向量化，然后对这些高维向量求均值（Mean Pooling），得到该类别的“质心向量”来代表这个关系的原型。
2026-04-07 13:59:16
162
原创 后训练+RAG项目：如何做成求职面试能讲的成功案例
以前我们是用一个复杂的Deep Learning模型（例如DIN, DIEN）去猜用户可能喜欢什么商品，现在是直接把用户的行为序列（点了啥、买了啥）当成一种“语言”，扔给LLM，让LLM去“理解”这个用户的品味和意图。你能把你做过的项目，像上面这样，把遇到的问题、你的尝试、你的思考、最后的效果给说明白了，这比你简历上挂一个不相关的论文要有说服力得多。你的项目经历，就是你最好的“论文”。尤其在企业侧，尤其是业务落地的LLM算法，不是做基础模型架构研究的那帮团队，对口论文的硬性要求没你想象的那么严。
2026-04-07 13:59:13
129
原创 后端开发转型AI：大模型应用开发入门指南
看到同事靠大模型开发拿到高薪offer，你还在犹豫自己不是AI专业？作为一名普通后端开发，我曾经也认为大模型开发高不可攀——直到亲眼目睹同组Java同事仅用一个月就成功转型大模型应用开发，薪资涨幅40%。。现在，我要分享一条专门为设计的实战路径，让你即使零基础，也能在短时间内掌握大模型应用开发的核心技能。一、破除迷思：为什么非AI程序员更容易上手大模型应用开发？“我没有AI背景，能学会大模型开发吗？最关键的是项目实践，把大模型API用起来，边做边学**。我接的第一个项目是知识库问答，三周就交付了。
2026-04-07 13:59:10
183
原创 合同审查+智能辅导：LLM应用开发的具体行业案例
作为LLM领域的“关键技术担当”，最为负责设计、优化和模型训练大规模预模型训练模型，例如改进Transformer架构、融合多模态模型、实现模型压缩与加速等。从我们日常接触的NLP（例如聊天机器人）、计算机视觉（例如人脸识别），到企业端的智能推荐、金融风控，LLM技术正在悄悄重构传统行业的运作模式，也催生了大量高薪酬待遇职业方向。在当下求职就业竞争激烈的环境里，想要实现年薪百万的目标，AI技术LLM赛道，甚至比传统互联网行业更有优势，成为了很多开发者和职场人的“新出路”。
2026-04-07 13:59:08
197
原创 双非本科+985硕士无对口论文，如何拿到LLM实习
以前我们是用一个复杂的Deep Learning模型（例如DIN, DIEN）去猜用户可能喜欢什么商品，现在是直接把用户的行为序列（点了啥、买了啥）当成一种“语言”，扔给LLM，让LLM去“理解”这个用户的品味和意图。你能把你做过的项目，像上面这样，把遇到的问题、你的尝试、你的思考、最后的效果给说明白了，这比你简历上挂一个不相关的论文要有说服力得多。你的项目经历，就是你最好的“论文”。尤其在企业侧，尤其是业务落地的LLM算法，不是做基础模型架构研究的那帮团队，对口论文的硬性要求没你想象的那么严。
2026-04-07 13:59:05
331
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人