- 博客(65)
- 资源 (5)
- 收藏
- 关注
RSS订阅
原创 2026 Agent Skills 深度实战：从技能封装到规模化落地的全链路解决方案（附 3 大行业案例 + 框架实测 + 代码示例）
智能体技能封装：模块化革命推动产业落地新范式 本文基于100+企业案例和开发者实践，揭示了智能体落地的核心痛点——80%项目受限于技能复用率和成本控制。文章提出AgentSkills三层封装架构（元数据层、指令层、资源层），通过模块化设计实现技能复用率提升至80%、成本降低70-90%、团队协作效率提升60%。三个行业案例显示，该方案使新人效率提升300%、故障排查时间缩短50%。框架选型对比为开发者提供决策参考，并附Python实现代码。
2026-02-05 16:56:02
1224
1
原创 2026 智能体深度解析：落地真相、红利赛道与实操全指南（调研 100 + 案例干货）
本文基于 12 个行业、100 + 真实落地案例的深度调研，拆解 2026 年智能体从 “概念” 到 “盈利” 的核心逻辑。聚焦多智能体联动、轻量化模型、UCP/A2A 协议标准化三大技术突破，精选制造业、跨境电商、医疗等 6 大行业的 10 个带数据案例，附 5 套可直接复用的流程图和 3 张实测对比表。同时为职场人、开发者、中小企业主梳理了低门槛红利赛道（垂直技能包、部署服务、机器人配套），总结 37 个失败案例的避坑指南，并预测 2026-2027 年 “数字分身普及、智能体集群标配、国产化生态崛起”
2026-02-05 14:48:14
731
原创 五维讲解 + 星级难度！275 题吃透大模型面试 90% 考点
《大模型面试突击上岸课》针对大厂技术面试评分标准设计，采用"五维讲解模式+星级难度划分"体系。课程包含275道真题，覆盖12大核心模块，每道题按考点定位、原理拆解、答题框架、避坑纠错和追问延伸五个维度拆解。题目按1-5星分级，适配不同经验求职者。前50名学员可获赠《275题星级五维答题手册》，课程支持永久回看并持续更新。通过系统化训练，帮助候选人全面提升面试表现，精准把握得分要点。
2026-02-01 21:16:15
340
原创 2026-2027 大模型面试关键：275 道星级真题 + 工业界实操细节
大模型算法岗面试趋势显示，2026年大厂更注重实操能力而非死记硬背。面试问题深度聚焦RLHF对齐税优化、RAG的HyDE逻辑等实战细节。《大模型面试突击上岸课》提供275道星级真题，涵盖12大模块从基础到前沿的知识体系，结合工业级项目经验讲解RLHF稳定性、Self-RAG设计等核心问题。课程包含30节精讲视频和星级五维手册，前50名赠送价值299元的真题解析资料，持续更新2026年新题，帮助候选人系统提升面试竞争力。
2026-02-01 21:12:33
261
原创 275 道大厂真题 + 五维讲解！大模型面试高效突击
《大模型面试突击上岸课》针对2026-2027年大模型岗位竞争，提供275道大厂高频真题，覆盖Transformer、微调、RAG等12大模块。课程突出工业界实操细节，如LoRA参数设置、vLLM显存计算等核心考点，并采用"五维讲解模式"系统拆解答题逻辑。前50名学员可获赠《275题分模块五维解析手册》，包含完整解题框架。30节精讲课程永久回看，持续更新大厂真题，帮助求职者精准把握面试要点，避免题海战术。
2026-02-01 21:05:25
300
原创 无经验转行大模型？我靠汽车底盘运维大模型拿 3 家 offer，8 卡 A100 微调 + VLLM 部署全拆
【企业级AI运维实战：汽车零部件厂智能系统全解析】 本文详细拆解了一个汽车底盘零部件厂的设备运维AI系统落地案例，涵盖从数据处理到部署的全流程技术细节： 真实痛点解决： 结构化处理1200条维修工单，将故障排查时间缩短40% 针对专业术语理解问题(准确率仅58%)，采用LLaMA3-8B+QLoRA微调方案 建立知识库降低40%重复排查率 核心技术栈： 数据处理：Pandas清洗+正则表达式结构化 模型训练：8卡A100 QLoRA微调(显存优化90%) RAG优化：Chroma+FAQ前置过滤(延迟降低8
2026-01-02 21:05:25
1069
原创 无经验转行大模型？车载多模态项目全拆解（vLLM+QLoRA + 代码可跑），3 人靠它拿 offer
本文分享了一个车载多模态大模型项目的实战经验，重点解决零经验开发者如何通过具体项目进入大模型领域。文章详细拆解了从模型选型（Qwen2.5-VL-32B）、多模态融合（含语音降噪、手势识别等核心代码）、QLoRA微调（4卡A100优化车载术语识别）到vLLM边缘部署（Jetson AGX Orin量化优化）的全流程。特别针对车载场景的特殊需求（如低延迟、容错处理）提供了可复用的解决方案，并总结了数据清洗、术语区分等关键踩坑经验。该项目已帮助多位零经验开发者获得自动驾驶公司offer，强调企业更看重落地细节而
2026-01-02 19:36:22
479
原创 无经验转行大模型？我靠 1 个行业落地项目拿 3 家 offer，QLoRA+vLLM 细节全拆
本文分享零经验转行大模型的实战方法，通过定制"行业私有知识库+智能路径规划"项目，帮助求职者2周内获得3家AI公司面试机会。项目包含三大核心技术：1）知识图谱三层关联与动态权重设计；2）QLoRA微调的参数优化与问题解决；3）vLLM部署的高并发优化方案。文章强调企业更看重解决实际问题的能力而非工具使用，并提供面试应答话术模板。最后指出项目具有行业适配性，可快速调整应用于金融、医疗等不同领域，建议零经验者聚焦落地项目而非通用Demo。
2026-01-02 19:13:44
567
原创 转行AI必看！3个月打造大模型私有知识库项目，面试狂拿3个offer（附QLoRA微调+Milvus部署全流程）
转行AI时缺乏真实项目经验是致命短板。本文通过一个家电售后技术支持系统案例，展示了如何打造符合企业需求的大模型项目：1）业务价值方面，维修查询时间从15分钟降至2分钟，客户流失率降低76%；2）技术选型上，基于业务需求选择Qwen2.5-14B、Milvus、LangChain等技术栈，并详细说明决策依据；3）提供面试应答模板，强调"技术解决业务问题+数据支撑价值"的表达逻辑。文章还分享了QLoRA微调、分集合存储等核心代码片段及踩坑经验，帮助求职者打造有竞争力的项目作品。
2026-01-02 13:12:19
759
原创 无经验转行大模型？我靠1个行业落地项目拿3家offer，QLoRA+vLLM细节全拆
前阵子帮一个同学做大模型求职，他的情况太典型了——学了大半年大模型，从LangChain到Milvus全跟着教程跑过，但手里只有一个“通用知识库Demo”，简历写“熟悉大模型微调与部署”，投了40家公司，连1个面试都没拿到。后来加了任务队列和锁机制，高优先级任务先执行，低优先级排队，这个问题就解决了。整个适配过程只花了5天，不用重构核心架构，零经验同学也能快速上手，面试时可以说“我做的项目能快速适配不同行业，当时从企业服务改成金融方向，只调整了数据和部分规则，核心技术架构不用动”，体现项目的扩展性。
2026-01-02 12:06:22
563
原创 无大模型项目拿不到面试？我帮多个转行同学定制车载多模态项目，面试问答全设计好
本文纯实战分享：应届生/转行做大模型，最缺的不是技术知识，是“能落地、能说清、面试官爱问”的项目——我用「车载多模态认知智能交互系统」帮3个零项目经验的同学定制化包装，从模型架构到微调踩坑，从技术难点到面试话术全打通，现在他们都拿到了AI公司的面试邀约，甚至有人过了字节二面。很多人以为定制项目就是“给个代码包”，错了！不用怕没经验，我们帮你把“零基础”包装成“有潜力”，把“模糊的项目”变成“面试加分项”，帮你少走弯路，高效拿到意向offer～二、我们帮你做的，不只是“一个项目”，是“能应对面试的全套方案”
2026-01-01 22:20:21
697
原创 图像处理-最常见面试题（必问）
文章目录1.图像预处理有哪些方法？1.1 高斯滤波器原理介绍？2.图像增强有哪些方法？3.图像的特征提取有哪些算法？3.1 HOG(方向梯度直方图）3.2 SIFT(尺度不变特征变换）3.3 SURF(加速稳健特征，对sift的改进）3.4 DOG(高斯函数差分)3.5 LBP(局部二值模式）3.6 HAAR3.7 SIFT vs HOG4.膨胀和腐蚀含义?开运算和闭运算先后顺序？5.传统的边缘检测算子有哪些？5.1 索贝尔算子（Sobel）5.2 加权平均算子（Isotropic Sobel）5.3 罗伯
2021-03-02 18:02:00
12579
原创 深度学习-第二章 卷积神经网络面试题（大厂必问，历经半年整理）
文章目录1.[神经网络](%28https://blog.csdn.net/cc13186851239/article/details/113983560%29)2.CNN2.1卷积神经网络的结构2.2 Keras搭建CNN2.2经典网络分类2.2.1 LeNet2.2.2 AlexNet2.2.2.1 AlexNet 对比LeNet 的优势？2.2.3 VGG2.2.3.1 VGG使用2个3*3卷积的优势在哪里？2.2.3.2 每层卷积是否只能用一种尺寸的卷积核？2.2.4 Inception(GoogL
2021-02-24 19:21:19
8204
1
原创 深度学习-第一章 神经网络面试题（大厂必问，历经半年整理）
文章目录1.神经网络1.1各个激活函数的优缺点？1.2 为什么ReLU常用于神经网络的激活函数？1.3 梯度消失和梯度爆炸的解决方案？梯度爆炸引发的问题？1.4如何确定是否出现梯度爆炸？1.5神经网络中有哪些正则化技术？1.6 批量归一化(BN) 如何实现？作用？1.6.1 BN为什么防止过拟合？1.7谈谈对权值共享的理解？1.8 对fine-tuning(微调模型)的理解？为什么要修改最后几层神经网络权值？1.9 什么是Dropout？原理？为什么有用？它是如何工作的？1.10如何选择dropout 的概
2021-02-23 13:28:58
7952
原创 告别“复读机“AI：用Agent Skills打造你的专属编程副驾
本文探讨了AI编程助手的局限性及解决方案。当前AI工具存在三大痛点：1)需要反复调整需求细节；2)无法及时更新团队规范；3)跨平台配置割裂。2026年兴起的Agent Skills技术通过分层架构解决这些问题：Rules层定义基本行为约束，Skills层封装专业工作流程，MCP层连接外部工具。文章详细演示了如何构建SpringBoot API开发助手Skill，包括目录结构设计、核心SKILL.md编写、辅助脚本开发等。同时提出了团队落地建议，如共享Skills仓库、版本管理策略等。
2026-02-12 11:27:41
595
原创 从“码农“到“AI指挥家“：2026年程序员生存指南
2026年AI编程工具完成质变：Kimi K2.5代码修复率达76.8%，Cursor让初级开发者3天上手原本需2周的项目。程序员核心竞争力正从"手写代码"转向"指挥AI团队"——包括复杂系统设计、AI代码审计、人机协作流程设计三支柱。实测显示，不同工具有明确边界：Kimi中文理解最强但安全意识弱，Claude架构最严谨但成本极高，通义灵码最合规适合金融场景。转型需三个月实战：首月精通工具建立提示词库，次月设计团队AI协作SOP，三月定位AI架构师/安全专家/业务翻译官。
2026-02-09 11:11:01
751
原创 工业大模型工程化部署实战！4 卡 L40S 高可用集群（动态资源调度 + 监控告警 + 国产化适配）
本文聚焦工业大模型工程化部署的核心挑战，提出了一套完整的解决方案。针对工业场景特有的资源抢占、负载波动、高稳定性要求等痛点，设计了五层分布式架构，整合VLLM推理服务和Milvus向量数据库，并实现动态资源调度与全链路监控。通过量化技术、动态批处理和冷热缓存优化显存使用，采用ARIMA模型预测负载波动，确保P0紧急请求优先处理。文章详细提供了部署脚本、配置文件和实测数据，解决了GPU抢占、高峰延迟等关键问题，最终实现99.9%的可用性和≤220ms的响应延迟，为工业场景提供了稳定可靠的大模型落地方案。
2026-01-14 09:57:17
648
原创 工业多模态输入实战！截图 + 语音双输入无冲突（CLIP+Whisper + 语义对齐）
本文针对工业场景下工程师难以打字反馈故障的问题，提出了一套多模态输入解决方案。系统通过CLIP模型结合工业术语词典实现图像故障特征提取（准确率94%），采用Whisper模型配合方言适配和降噪处理语音输入（错误率8%），并设计了语义对齐机制解决多模态冲突问题（对齐准确率96%）。方案特别强调工业场景的实用性，通过ROI裁剪、术语约束、追问机制等优化，相比通用模型显著提升了操作效率和准确性。测试数据显示，该方案使工程师操作满意度提升30%，故障处理效率提高40%，为工业智能化提供了切实可行的技术路径。
2026-01-14 09:56:55
489
原创 工业大模型落地复盘：4 大核心难点 + 可复用方法论（转行 / 无经验必看）
本文总结了工业大模型落地过程中的四大核心难点及解决方案：1）工业数据"脏、杂、专"问题，通过协议专属解析和标注质量控制提升数据质量；2）模型微调过拟合问题，采用数据重排和术语对比损失优化；3）RAG增量更新慢问题，通过分层索引和动态权重调度改善；4）工程化部署稳定性问题，实施动态资源切片和全链路监控。文章提炼出工业大模型落地五步方法论（需求调研、技术选型、数据处理、模型优化、工程部署），强调业务思维优先、细节把控和闭环迭代的重要性。
2026-01-14 09:56:29
531
原创 RAG + 模型融合实战！工业场景检索延迟从 200ms→80ms（动态权重 + 分层索引 + 三级检索）
本文探讨了工业大模型中RAG与微调模型的融合方案，针对工业场景的三大痛点（知识更新滞后、优先级差异、检索精准度不足），提出分层索引、动态权重和三级检索的创新方法。通过Milvus分层索引将增量更新时间从2小时缩短至10分钟，设计区域/紧急度/时间/解决率四维动态权重确保核心故障优先处理，采用BM25+BGE-1.5+Cross-Encoder三级检索使准确率达98%。最终实现RAG负责实时知识检索、微调模型精准生成的结构化闭环，新设备适配率提升36%，核心场景方案准确率100%，推理延迟控制在320ms内。
2026-01-13 16:11:08
687
原创 4 卡 A100 微调 Qwen2.5-14B 实战！工业术语准确率从 88%→95%
本文详细介绍了工业大模型Qwen2.5-14B的微调全流程，重点解决工业场景特有的三大挑战：术语准确率、结构化输出和模型幻觉问题。通过LoRA微调技术，在4卡A100上实现了高效训练，包括数据集优化（标准化格式、平衡分布）、核心参数配置（r=8的低秩矩阵）以及训练过程中的三大致命坑解决方案（数据分布偏移、术语混淆和非结构化输出）。最终模型在工业测试集上表现优异：术语准确率达95%，结构化输出100%达标，方案实操通过率92%。
2026-01-13 15:03:07
499
原创 工业数据处理避坑指南！Profinet/Modbus 日志结构化 + PDF 表格提取
协议解析规则：正则表达式+字段映射(S\d+-\d+);(.*?(.*?)(%|$)","device_model": lambda x: f"交换机{x.split('-')[0]}" if x.startswith("S57") else "未知",
2026-01-13 11:42:26
555
原创 不吹不黑！车企大模型选型实测，3 款基础模型 + 3 类组件真实对比
本文针对工业大模型项目的技术选型问题，提出了避免盲目堆技术的核心原则，并提供了实测对比结果。摘要如下： 基础模型选型：实测对比Qwen2.5-14B、LLaMA3-14B和ChatGLM4-14B三款模型，Qwen2.5-14B以93%工业术语准确率、250ms推理延迟和良好国产化适配胜出。 向量库选型：Milvus凭借80ms检索延迟、分布式支持和内网部署能力，成为处理2亿工业数据的首选，优于FAISS和Pinecone。
2026-01-13 11:35:33
760
原创 对接车企总装车间！运维大模型真实需求拆解，3 大痛点催生的定制化方案
本文针对工业运维场景中的三大痛点——故障排查耗时、术语理解偏差和知识碎片化，提出了一套智能问答系统解决方案。系统采用四层架构设计：输入层支持文本、语音、图像多模态输入并归一化处理；知识层通过结构化知识库、Milvus向量库和术语库实现知识整合；推理层结合RAG检索和微调后的Qwen2.5-14B模型；决策层通过结构化输出和三级校验确保方案准确性。该方案能将故障查询延迟控制在200ms内，方案准确率达90%以上，故障排查时长缩短40%，单条生产线年节省停线损失28万元。
2026-01-13 11:31:08
761
原创 封神！18 个国产 AI 硬核用法实测（附官网链接），打工人 / 学生党 / 程序员直接抄，每天省 3 小时（专业级案例）
国产AI工具崛起，办公学习效率倍增！实测豆包、千问、文心一言等国产AI在职场、科研、创作等场景表现出色：职场人可用WPSAI一键生成PPT，千问编写代码；学生党用文心一言排版论文公式，豆包撰写文献综述；创作者用CanvaAI设计海报，豆包生成多平台文案。使用技巧包括精准指令公式（场景+需求+格式+约束）和任务拆解，避免指令模糊和工具混杂。这些工具已能替代ChatGPT，大幅提升工作效率，每天可节省3小时。
2026-01-04 09:56:29
694
1
原创 面试必背！汽车底盘运维大模型项目 30 个定制化问题 + 深度解析，0 经验也能轻松通关
摘要：本文详细拆解汽车底盘运维智能系统项目的30个定制化面试问题，覆盖数据层、技术层、业务与部署层全流程。重点剖析了数据分布不均处理、LLaMA3微调、RAG优化、模型幻觉抑制等核心技术难点，并提供真实落地细节和面试话术模板。项目通过分层抽样、QLoRA微调、工业级Agent设计等方案，实现术语理解准确率90%、幻觉率8%、3条生产线年省84万等显著效果。文章还分享了部署优化、持续迭代等实战经验，帮助求职者在面试中展现真实的项目落地能力。
2026-01-04 09:49:36
710
1
原创 转行大模型简历项目经验深度写法！4 步写出 “被追问” 的落地经历
摘要：本文针对转行大模型领域的简历撰写痛点，提出避免"罗列技术栈的错误写法，转而采用步深度写法：1）拆解业务痛点；2）量化技术动作；3）突出核心难点；4）绑定商业价值。通过汽车底盘运维智能系统案例，展示如何将普通项目写出深度，包括数据预处理、模型微调、RAG优化等具体细节，并强调量化结果（如术语理解率提升30%）。文章还提供3个项目改写示例和适配技巧，帮助0经验者展现落地能力，让面试官主动追问技术细节。
2026-01-04 09:48:44
772
1
原创 （七）大模型工程落地与部署 10 题！vLLM/QPS 优化 / 高可用，面试实战必备（工程篇）
本文聚焦大模型工程部署的核心实践，涵盖七大关键场景：1）部署形态选择（单机/多卡/分布式）的硬件匹配与性能指标；2）vLLM优化技巧（量化+动态批处理）实现QPS从5到20的提升；3）高可用架构设计（三副本+监控告警）保障99.99%可用性；4）故障排查四步法（硬件→服务→模型→基线）；5）模型更新策略（蓝绿/滚动/金丝雀）；6）容器化部署规范（Docker+K8s配置）；7）跨地域延迟优化方案。提供可直接复用的命令行、配置参数和面试话术，帮助工程师快速掌握生产级部署能力。
2026-01-04 09:47:29
842
1
原创 （六）大模型算法与优化 15 题！量化 / 剪枝 / 幻觉缓解，面试说清性能提升逻辑（深度篇）
摘要：本文深入解析大模型算法优化的核心技术与工程实践，涵盖量化、剪枝、上下文扩展等7大高频面试题。重点剖析INT8/INT4/FP8量化差异、结构化剪枝优势、显存OOM解决方案、RoPE/ALiBi扩展技术等实战要点，提供可直接落地的优化方案和面试话术。针对模型蒸馏、混合精度训练等深度技术，给出参数配置和效果对比。全文聚焦资深岗位必备的算法优化能力，帮助求职者掌握从理论到工程的全链路优化方法，冲击高薪offer。
2026-01-04 09:46:58
790
1
原创 （五）LangChain 与 Agent15 题！ReAct 机制 + 工具调用 + 容错设计，面试项目加分（应用篇）
本文系统讲解LangChain与Agent在大模型应用开发中的核心技能。内容涵盖：1）LangChain五大组件（Chains、Agents、Memory、Tools、DocumentLoaders）的功能解析；2）Agent的ReAct决策机制与工具调用容错方案；3）多轮对话的Memory配置优化技巧；4）开源LLM推理速度提升方法；5）LangChain与LlamaIndex的定位差异。通过智能客服、数据分析助手等真实案例，提供可直接落地的工程解决方案，包括代码示例、异常处理策略和性能优化手段。
2026-01-03 15:10:49
785
1
原创 （四）RAG 检索增强 15 题！Milvus / 混合检索 / 幻觉抑制，面试必懂企业刚需技术（落地篇）
本文分享了RAG（检索增强生成）在企业落地中的关键技术和面试要点。文章详细解析了RAG的三个核心模块（检索器、排序器、生成器）及其优化方法，包括向量数据库选型（Milvus、Chroma、Pinecone）、召回率提升方案、幻觉抑制技巧和延迟优化策略。针对面试场景，提供了可直接背诵的回答话术，涵盖8个高频问题及解决方案，如文档分块策略、混合检索实现、知识库更新方法等。最后指出RAG在知识更新和事实准确性上的优势，并预告下篇将讲解LangChain与Agent技术。全文聚焦实际落地经验，帮助求职者应对企业面试
2026-01-03 14:59:03
705
原创 （三）模型微调技术 20 题！LoRA/Q-LoRA/PPO/DPO 落地细节，面试说清微调全流程（实战篇）
【摘要】本文针对大模型微调面试高频问题，提供10个实战案例解析，涵盖LoRA/Q-LoRA选型、PPO/DPO差异、过拟合解决等核心考点。关键点包括：1）Q-LoRA采用NF4量化技术，7B模型显存仅需6GB；2）DPO训练速度比PPO快3-5倍，适合小数据场景；3）LoRA过拟合可通过降低秩r、加入Dropout和混合训练解决；4）学习率选择需结合扫描测试与训练曲线观察；5）灾难性遗忘可通过混合预训练数据+PEFT方法缓解。全文聚焦工程落地细节，提供可直接复用的面试话术，帮助候选人在技术面中展现实操能力。
2026-01-03 14:30:16
619
1
原创 （二）多模态大模型 15 题！GPT-4V/LLaVA 核心设计 + 显存优化，2026 面试必背（进阶篇）
本文总结了多模态大模型面试高频考点，包含8道核心题目及7道补充题。重点解析了模态对齐、CLIP预训练、GPT-4V设计优势等关键技术，提供了可直接背诵的面试话术模板，并标注了常见易错点。文章特别强调工程落地能力，针对图像分辨率处理、显存优化等实际问题给出具体解决方案。最后预告将深入讲解模型微调技术，帮助求职者系统掌握大厂面试必备的多模态知识体系。全文以实战为导向，融合真实案例和量化数据，适合进阶选手快速提升面试竞争力。
2026-01-03 14:23:51
876
原创 （一）大模型基础理论 TOP20 题！背完初面直接通关 —— 我带 100 + 人上岸的真实面试笔记（小白入门篇）
摘要：本文总结了3年大模型面试辅导经验，揭示80%求职者因基础题回答不深入而失利。精选10道初面高频题，如Transformer结构差异、自注意力机制等，每题拆解原理、易错点和应对话术。例如，强调Encoder的双向理解与Decoder的单向生成差异，指出常见错误（如忽略掩码作用），并提供可直接背诵的面试答案。同时补充10道简洁版高频题，涵盖架构选择、数据长度优化等实用技巧。文章指出，掌握这些基础题是面试成功的关键，后续将探讨多模态大模型等进阶内容。
2026-01-03 14:19:48
811
1
原创 2026 NLP(自然语言处理)算法 最全面面试题汇总
【NLP算法 最全面面试题（48+页）】详细面试题资料，领取方式: https://www.bilibili.com/video/BV1fF411J7C9/
2022-02-11 14:27:28
5924
原创 2026 深度学习算法 最全面面试题汇总
【深度学习算法 最全面面试题（30页）】详细面试题资料，领取方式: https://www.bilibili.com/video/BV1pi4y197bT/
2022-02-11 14:23:23
2318
原创 2022 机器学习岗位算法 最全面面试题汇总
【老铁们，2022机器学习算法最全面面试题 来给您送福利了！-人工智能/AI算法/ML算法 【机器学习算法 最全面面试题（61页）】详细面试题资料，请添加VX: cc52757760 备注: ML，友情价领取，期待赢得您的认可！本资料有详细的知识体系目录，从机器学习模型，线性模型（LR,Lasso,Ridge）,验证方式（过拟合，欠拟合，交叉验证等），分类，正则化，特征工程，决策树，...
2022-02-11 14:13:13
5549
原创 OpenCV使用总结
OpenCV手册文章目录OpenCV手册1. OpenCV安装2. OpenCV基本操作1）读取、图像、保存图像3. 图像色彩操作1）彩色图像转换为灰度图像2）色彩通道操作3）灰度直方图均衡化4）彩色亮度直方图均衡化5）色彩提取6）二值化与反二值化4. 图像形态操作1）图像翻转2）图像仿射变换3）图像缩放4）图像裁剪5）图像相加6）图像相减7）透视变换8）图像腐蚀9）图像膨胀10）图像开运算11）图像闭运算12）形态学梯度5. 图像梯度处理1）模糊处理2）图像锐化处理3）边沿检测6. 轮廓处理1）查找并绘
2021-10-16 17:32:11
1989
1
原创 人体骨骼关键点检测的算法
1.AlphaPose实时全身多人姿势估计与跟踪系统https://github.com/MVIG-SJTU/AlphaPose.gitgit clone -b pytorch https://github.com/MVIG-SJTU/AlphaPose.gitpython demo.py --indir examples/demo --outdir examples/res --sppython video_demo.py --video D:/cpl.mp4 --outdir example
2021-10-09 21:07:13
17987
7
原创 Numpy常用语法总结
文章目录1.array的创建1.1 创建全0数组1.2 创建全1的数组1.3 创建所有值都相同的数组2.arange的用法3.linspace的用法4.random的用法5.函数运算6.聚合运算7.arg运算partition使用8.掩码9.数组操作9.1 数组去重9.2 插入元素9.3 合并9.4 分割1.array的创建1.1 创建全0数组np.zeros(10)：默认为float64类型的一维全0数组；np.zeros((3, 5),dtype = int)：类型为int的3行5列的矩阵；1
2021-05-03 23:28:22
432
【最厉害面试秘籍】伙伴们，2022深度学习算法最全面面试题 来给您拜年了！
2021-01-26
【最强面试宝典】童鞋们，2022计算机视觉岗位算法 复习流程及面试题汇总 来给您送福利了！
2022-01-15
计算机视觉面试-提纲.docx
2021-10-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人