- 博客(14)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 中医结构化数据资源最全汇总：AI赋能中医药研究的核心数据指南
摘要随着人工智能技术在中医药领域的深入应用，高质量的结构化数据资源成为推动中医药现代化发展的关键基础。本文系统整理了当前可获取的中医结构化数据资源，涵盖方剂、中药、临床电子病历、古籍文本、标准术语等多类别数据，为AI算法工程师和中医药研究者提供全面的数据资源指南。通过对各类数据的特点、规模、适用场景及获取方式的分析，旨在促进中医药数据资源的有效利用和科研合作，推动中医药智能化研究的发展。
2025-09-03 00:17:48
1127
原创 《AI人才自我定位与职业发展决策框架》—— 从自我剖析（优势/需求/性格）到外部选择（公司/行业/岗位）的全面指南
选择AI工作的核心是 “知己知彼”。首先，深刻自我剖析：明确你的技术背景、核心需求（求成长、稳定还是高薪）和性格特质（内向钻研型还是外向沟通型）。然后，进行精准匹配：将自我分析的结果对应到不同的公司类型（大厂/外企/创业公司）和岗位方向（研发/工程/产品/业务）。最终，确保你的选择是自身优势与需求同岗位要求与公司文化的最佳结合。
2025-08-25 22:18:47
966
原创 《如何拿下AI算法岗？不同年龄、不同阶段的准备策略与避坑指南》
受众：为所有阶段（学生/初阶/转行/资深）的AI算法求职者提供指导。内容：详解各阶段策略、技能准备、公司类型选择（大厂/独角兽/创业公司）、团队相处之道。特色：提供独家求职渠道推荐，并指导读者将技术岗位与个人人生目标深度融合。目标：助你不仅获得Offer，更规划出一条长期的、可持续发展的AI职业路径。
2025-08-24 23:41:52
362
原创 《AI辅助编程全指南：从高效提示到安全落地的核心原则与标准化流程》
摘要：本文提出AI辅助编程的规范流程，强调开发者应保持主导地位，将AI作为高效工具而非替代者。核心流程包括：任务拆解与精准描述、代码生成与审查、安全扫描、人工优化及合规审查。关键工具推荐GitHub Copilot、Semgrep等，并强调必须检查AI生成代码的漏洞、性能及版权风险。建议企业使用本地化模型保障安全，采用测试驱动开发提升准确性。成功要诀在于;精准输入、严格审查、合规使用"，通过系统化流程最大化AI价值，同时控制风险。
2025-08-23 11:13:57
1662
原创 算法模型和业务的底层逻辑关系 初阶版
数据内在结构：数据中存在一些复杂的模式和关系，通过不断地优化损失函数，逐步构建一个能够准确捕捉这些模式的集成模型，数据的分布可能存在一些局部的不规则性，需要通过迭代的方式来逐步适应和拟合。数据内在结构：数据存在高度非线性的关系，不同特征之间相互作用，通过多层神经元的组合可以自动提取数据中的高级特征和模式，数据的分布可能具有复杂的几何形状，需要通过非线性变换来适应。的序列，如时间序列数据或文本数据，序列中的每个元素都与前后元素存在一定的依赖关系，过去的信息对当前的预测或理解具有重要作用。
2025-06-08 22:40:59
2073
原创 AI 交流学习网址大全：按需选择，成就你的 AI 知识之旅
一、技术开发型社区二、学习成长型社区三、行业应用型社群四、前沿探索型组织高效使用指南1. 按需求选择平台2. 国内开发者专项资源。
2025-06-04 23:07:14
1973
原创 《CSDN 学霸必看！专属 AI 算法工程师高效学习指南》
注：本方案建议每日投入3-4小时，优先保证项目质量而非速度。A[基础] -->|CodeSignal测试| B(编程≥700分)C[算法] -->|Kaggle竞赛| D(铜牌以上)1. 第2个月：完成第一个Kaggle竞赛（前50%排名）2. 第4个月：部署可访问的AI服务（如网页版图像分类器）E[工程] -->|压力测试| F(QPS≥100)- 每周：1个Kaggle Notebook分析。- 多模态大模型（GPT-4V、Gemini）阶段2：核心算法深度掌握（3-4个月）
2025-06-04 19:09:06
674
原创 【CSDN 独家】大模型系统高效学习路线：数学基础→模型实战→工业部署（附代码 + 避坑指南）
注：本方案要求最低硬件配置：RTX 3090（24GB显存）+ 32GB内存。- 避免盲目租用A100：7B模型微调可用4090（QLoRA+梯度检查点）- 基础：在GLUE基准达到RoBERTa-base 85%性能。- Mamba（状态空间模型替代Transformer）- 进阶：微调7B模型在特定任务超越GPT-3.5。- 工程：部署模型QPS≥200（A10 GPU）- 优先学习通用技术（如LoRA）而非特定框架。- 技术博客（如Llama 3微调实战）
2025-06-04 16:42:56
418
原创 《MLP,LSTM,RNN 公式原理解析》
**数学表达**： MLP图像分类：```python PyTorch实现mlp = nn.Sequential( nn.Linear(784, 256), W1: (256x784) nn.ReLU(), a1 = g(z1) nn.Linear(256, 10) W2: (10x256))``` RNN文本生成：```python LSTM实现lstm = nn.LSTM( input_size=100
2025-06-02 20:43:46
496
原创 《哪些算法适合什么项目，为什么？》
深度学习：Wide&Deep、DeepFM、Neural Collaborative Filtering（NCF）、双塔模型（User-Item Embedding）、Transformer（如推荐中的序列建模，如BERT4Rec）。- 传统算法：逻辑回归（Logistic Regression）、决策树（Decision Tree）、随机森林（Random Forest）、梯度提升树（GBRT/XGBoost/LightGBM/CatBoost）。U-Net、DeepLab（分割）。
2025-06-02 18:26:15
848
原创 机器学习和深度学习的10大算法的公式 、原理、优缺点 以及适合的数据类型和应用
以下是对机器学习和深度学习主要算法的系统性总结，涵盖公式、原理、优缺点、适用场景及数据类型，并结合技术特性解释其适用性原因。：决策树是通过递归划分数据集构建树状结构（基尼系数（CART）/信息增益（ID3））；1）MLP,LSTM,RNN 公式复杂些，单独整理出一篇博文在《MLP,LSTM,RNN 公式原理解析》2）另外 算法对应的项目以及具体原因分析，请看这篇：《哪些算法适合什么项目，为什么？通过最小化预测值与真实值的均方误差（MSE），拟合输入变量与目标变量之间的线性关系。
2025-06-02 18:24:44
1177
原创 政策分析和应用
本篇分析了首先分析了政策的趋势特点，以及政策和企业在产业方面的特点，最后将马斯洛需求层次理论和政策以及企业挂钩，分析企业和政策如何满足终极需求。
2021-07-27 14:37:29
1738
ctexlsetup-1.9.4 安装文件
2012-10-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人