自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

晓晓的天空

好好学习,天天向上!

  • 博客(305)
  • 收藏
  • 关注

原创 Python delattr函数

delattr()函数用于删除对象的属性。其中,object是要删除属性的对象,name是要删除的属性名。delattr()函数是 Python 中用于删除对象属性的一个重要工具。通过本文的介绍,深入了解了delattr()函数的用法、原理、示例以及应用场景。相信现在已经对这一函数有了更深入的了解,并能够灵活地应用于实际开发中。希望本文能够帮助大家更好地理解和运用 Python 中的delattr()函数。

2024-02-29 06:30:00 846

原创 Python object函数

object()函数是 Python 中的一个内置函数,用于创建一个空的对象。object()这个函数不接受任何参数,调用它将返回一个空的对象。通过本文的介绍,深入了解了 Python 中的object()函数。尽管它看起来很简单,但它在理解 Python 中的对象模型和面向对象编程方面具有重要意义。了解了object()函数的基本用法、原理、应用场景以及一些高级技巧,相信现在已经对这一函数有了更深入的了解,并能够灵活地应用于实际开发中。

2024-02-29 06:00:00 2154

原创 Python property函数

property()函数用于创建一个属性,并指定相应的 getter、setter 和 deleter 方法。其中,fgetfset和fdel分别是用于获取、设置和删除属性值的方法。这些方法可以是函数、方法或 lambda 表达式。如果省略了某个方法,则表示该属性对应的操作不可用。property()函数是 Python 中用于创建可管理属性的重要工具,它可以实现数据封装、访问控制、属性计算等功能。通过本文的介绍,相信大家对property()函数的使用有了更深入的了解,并能够灵活地应用于实际开发中。

2024-02-28 06:30:00 2150

原创 Python repr函数

repr()函数用于获取对象的“官方”字符串表示形式。其中,object是要获取字符串表示形式的对象。repr()函数会尝试返回对象的“官方”表示形式,通常是能够被解释器读取的形式。这意味着repr()返回的字符串可以用来重新创建对象,从而保留了对象的完整性。)"通过在自定义类中实现__repr__()方法,可以自定义对象的 repr 表示形式。

2024-02-28 06:00:00 2428

原创 Python str函数

str()函数用于将给定的对象转换为字符串。其中,object是要转换为字符串的对象,如果未提供object参数,则返回一个空字符串。str()函数可以用于转换数字、布尔值、列表、元组、字典、集合等各种数据类型。)'str()函数是 Python 中非常实用的一个函数,它可以将不同类型的对象转换为字符串,为处理字符串时提供了便利。通过本文的介绍,相信对str()函数的使用有了更深入的了解,能够更加灵活地应用于实际开发中。

2024-02-27 20:30:00 2925 1

原创 Python super函数

通过本文,已经了解了Python中super()函数的基本用法、特殊情况处理、使用场景以及高级用法。super()函数是Python中实现类之间协作的重要工具,可以在子类中调用父类的方法,并保持代码的清晰和简洁。希望本文能够帮助大家更好地理解和应用super()函数,在实际编程中提高代码的可读性和可维护性。

2024-02-27 20:00:00 565

原创 Python staticmethod函数

staticmethod函数是Python中的内置函数之一,用于定义类中的静态方法。静态方法是不需要访问实例属性或实例方法的方法,它们与特定的类相关联,而不是与类的实例相关联。通过staticmethod函数,可以将一个函数转换为静态方法,使得它可以被类直接调用,而无需创建类的实例。在本文中,深入探讨了Python中的staticmethod函数。了解了如何使用staticmethod函数定义静态方法,以及静态方法与类方法之间的区别。还探讨了静态方法的优势和适用场景。

2024-02-25 06:30:00 2789

原创 Python sorted函数

可以根据自定义的函数对可迭代对象进行排序,例如按照字符串长度进行排序。print(sorted_list) # 输出:['date', 'apple', 'banana', 'cherry']sorted()函数是Python中用于对可迭代对象进行排序的内置函数。它可以对列表、元组、字典的键或值等数据结构进行排序,并返回一个新的已排序的列表。sorted()函数具有灵活性和强大的功能,可以通过指定关键字参数进行自定义排序,也可以使用lambda函数进行排序规则的定制。

2024-02-25 06:00:00 438

原创 Python reversed函数

通过本文,已经了解了reversed()函数的基本用法、常见应用场景、高级用法以及性能考虑。reversed()函数是Python中用于反转序列对象的重要工具,可以轻松地处理序列对象的反转需求,并且可以与其他Python功能和数据结构灵活结合,实现更复杂的功能。希望本文能够帮助大家更好地理解和使用reversed()函数,在实际编程中提高效率,简化代码。

2024-02-24 06:30:00 2177

原创 Python isinstance函数

通过本文,已经了解了函数的基本用法、参数详解、特殊情况处理以及应用场景,并掌握了如何在实际编程中使用它。函数是Python中一个非常有用的工具,可以进行类型检查,确保代码的健壮性和可靠性。希望本文能够帮助大家更好地理解和使用函数,在Python编程中更加高效地进行类型检查。

2024-02-24 06:00:00 815

原创 Python getattr函数

通过本文,已经了解了getattr()函数的基本用法、参数详解、特殊情况处理以及应用场景,并掌握了如何在实际编程中使用它。getattr()函数是Python中一个非常有用的工具,可以动态地获取对象的属性或方法,使代码更加灵活和可复用。希望本文能够帮助大家更好地理解和使用getattr()函数,在Python编程中更加高效地处理对象的属性和方法。

2024-02-23 06:30:00 1489

原创 Python round函数

通过本文,已经了解了round()函数的基本用法、参数详解、特殊情况处理以及应用场景,并掌握了如何在实际编程中使用它。round()函数是Python中一个非常有用的工具,可以对浮点数进行近似处理,从而使得结果更加清晰和易于理解。希望本文能够帮助大家更好地理解和使用round()函数,在Python编程中更加高效地进行数字的四舍五入操作。

2024-02-23 06:00:00 5236 2

原创 Python hasattr函数

hasattr()通过本文,已经了解了hasattr()函数的基本用法、返回值、应用场景,并掌握了如何在实际编程中使用它。hasattr()函数是Python编程中一个非常有用的工具,可以在运行时动态地检查对象的属性和方法,避免由于缺少属性或方法而导致的异常。希望本文能够帮助大家更好地理解和使用hasattr()函数,在Python编程中更加高效地开发和调试代码。

2024-02-22 06:30:00 1110

原创 Python format函数

format()通过本文,已经了解了format()函数的基本用法、格式化字符串、格式规范、应用场景,并掌握了如何在实际编程中使用它。format()函数是Python中一个非常重要且常用的字符串格式化方法,可以动态地生成各种格式的字符串。希望本文能够帮助大家更好地理解和使用format()函数,在Python编程中更加高效地处理字符串。

2024-02-22 06:00:00 650

原创 Python classmethod函数

通过本文,不仅了解了函数的基本用法、与静态方法的区别、应用场景,还学习了如何在实际编程中使用它。类方法是Python编程中非常有用的工具,可以帮助创建工厂方法、操作类的属性和方法等。希望本文能够帮助大家更好地理解和使用函数,在Python编程中更加高效地设计和实现类。

2024-02-21 06:30:00 2246

原创 Python dir函数

dir()通过本文,已经了解了dir()函数的基本用法、返回值、实际应用场景,并掌握了如何在实际编程中使用它。dir()函数是Python编程中非常有用的工具,可以帮助探索对象的内部结构,了解可以对其执行的操作。希望本文能够帮助大家更好地理解和使用dir()函数,在Python编程中更加高效地开发和调试代码。

2024-02-21 06:00:00 1745

原创 Python exec函数

exec()# 执行简单的函数定义greet("Alice") # 输出:Hello, Alice在这个示例中,使用exec()函数执行了一个简单的函数定义,定义了一个名为greet的函数,然后在之后的代码中调用了这个函数。通过本文,已经了解了exec()函数的基本用法、安全性考虑、实际应用场景,并掌握了如何在实际编程中使用它。exec()函数是Python中一个非常强大但也容易被误用的函数,它可以用于执行存储在字符串或代码对象中的Python代码,并且可以修改当前的全局和局部命名空间。

2024-02-20 06:30:00 1204

原创 Python set函数

set()set()函数是Python中一个重要且常用的内置函数,用于创建一个新的集合对象。通过本文,已经了解了set()函数的基本用法、集合操作、实际应用场景,并掌握了如何在实际编程中使用它。集合是一种无序且不重复的数据类型,它可以用于去重、集合操作等多种场景。希望本文能够帮助大家更好地理解和利用set()函数在Python中的应用。

2024-02-20 06:00:00 452

原创 Python print函数

print()通过本文,不仅了解了print()函数的基本用法、格式化输出、输出重定向,还学习了如何将输出写入文件以及一些进阶应用场景。print()函数在Python编程中扮演着非常重要的角色,它是调试、输出信息、记录日志等工作中不可或缺的工具。希望本文能够帮助大家更好地理解和使用print()函数,提高编程效率,减少调试时间。

2024-02-19 06:30:00 1824

原创 Python next函数

next()# 实现自定义迭代器try:print(num)breaknext()函数是Python中一个非常重要且常用的内置函数,用于迭代器对象中获取下一个元素。通过本文,已经了解了next()函数的基本用法、迭代器协议、StopIteration异常、实际应用场景,并掌握了如何在实际编程中使用它。迭代器是Python编程中非常有用的工具,可以用于遍历序列、实现自定义迭代器、处理无限序列等多种场景。希望本文能够帮助大家更好地理解和利用next()函数在Python中的应用。

2024-02-19 06:00:00 2201

原创 Python list函数

list()函数是Python内置的函数之一,用于创建一个新的列表对象。它可以接受任何可迭代对象作为参数,并将其转换为列表。可迭代对象包括列表、元组、集合、字符串、字典的键等。list()函数是Python中一个常用的内置函数,用于创建一个新的列表对象。它可以接受任何可迭代对象作为参数,并将其转换为列表。通过本文,已经了解了list()函数的基本用法、参数类型、列表推导式、实际应用场景,并掌握了如何在实际编程中使用它。list()

2024-02-18 06:30:00 1158

原创 Python vars函数

vars()vars()函数是Python中一个常用的内置函数,用于返回对象的__dict__属性。该属性存储了对象的命名空间,包括对象的所有属性和方法。通过本文,已经了解了vars()函数的基本用法、适用对象、返回结果、实际应用场景,并掌握了如何在实际编程中使用它。vars()函数在调试、动态创建属性和方法等方面具有重要的作用,希望本文能够帮助大家更好地理解和利用vars()函数在Python中的应用。

2024-02-18 06:00:00 2014

原创 Python iter函数

iter()函数是Python内置的函数之一,用于生成一个迭代器对象。迭代器是一种可以逐个访问数据元素的对象,它通过__iter__()和__next__()方法实现迭代器协议,从而支持使用for循环或next()函数逐个获取数据元素。iter()函数可以应用于任何可迭代对象,并返回一个与该对象相关联的迭代器对象。# 使用iter函数生成自定义迭代器print(num)iter()函数是Python中一个非常重要且常用的函数,用于生成迭代器对象。通过本文,已经了解了iter()

2024-02-17 06:30:00 2407

原创 Python hash函数

哈希函数是一种将不定长输入数据转换为固定长度输出的算法。它的主要作用是将数据映射到一个固定大小的数据集合上,以便于快速的存储和检索。在Python中,hash()函数是一种哈希函数,用于计算给定对象的哈希值。hash()函数是Python中一个重要且灵活的工具,用于计算对象的哈希值。通过本文,已经了解了hash()函数的基本用法、哈希冲突、不可哈希对象、安全哈希算法以及实际应用场景,并掌握了如何在实际编程中使用它。

2024-02-17 06:00:00 2243

原创 Python setattr函数

setattr()setattr()函数是Python中一个强大而灵活的工具,用于设置对象的属性值。通过本文,已经了解了setattr()函数的基本用法、实际应用场景和注意事项,并掌握了如何在实际编程中使用它。虽然setattr()函数具有很大的灵活性,但在使用时需要格外小心,以避免破坏代码的可读性和可维护性。希望本文能够帮助大家更好地理解和利用setattr()函数在Python中的应用。

2024-02-16 06:30:00 979

原创 Python slice函数

Slice操作是Python中用于从序列中提取子序列的一种方式,它使用[start:stop:step]的语法形式。start:起始索引,表示切片的起始位置(包含)。stop:结束索引,表示切片的结束位置(不包含)。step:步长,表示切片的步长大小。在slice操作中,start和stop是可选参数,step默认为1。如果省略start,则默认为序列的起始位置;如果省略stop,则默认为序列的结束位置。

2024-02-16 06:00:00 1172

原创 Python eval函数

eval()eval()函数是Python中一个强大而灵活的工具,用于动态执行字符串表达式或代码。通过本文,已经了解了eval()函数的用法、语法、示例代码以及在实际编程中的应用场景和安全性注意事项。虽然eval()函数具有很大的潜在价值,但在使用时需要格外小心,以避免安全漏洞和代码注入攻击。希望本文能够帮助大家更好地理解和利用eval()函数在Python中的应用。

2024-02-15 22:30:00 1673

原创 Python dict函数

dict()dict()函数是Python中一个非常有用的工具,用于创建新的字典对象。通过本文,已经了解了dict()函数的用法、语法、示例代码以及在实际编程中的应用场景。掌握dict()函数将能够更轻松地处理数据初始化、转换、筛选和规范化等任务,并编写更具可读性和可维护性的代码。希望本文能够帮助大家更好地理解和利用dict()函数在Python中的应用。

2024-02-15 22:00:00 658

原创 Python open函数

open()

2024-01-27 06:30:00 2004

原创 Python zip函数

zip()zip()函数是Python中一个非常有用的工具,用于组合多个可迭代对象的元素,使数据处理更加灵活和高效。通过本文,已经了解了zip()函数的用法、语法、示例代码以及在实际编程中的应用场景。掌握zip()函数能够更轻松地处理多维数据,同时编写更具可读性和可维护性的代码。

2024-01-27 06:00:00 826

原创 Python enumerate函数

函数是Python中一个非常有用的工具,用于在迭代可迭代对象时获取元素的索引。通过本文,已经了解了函数的用法、语法、示例代码以及在实际编程中的应用场景。掌握函数能够更轻松地处理各种迭代任务,并编写更具可读性和可维护性的代码。希望本文能够帮助大家更好地理解和利用函数在Python中的应用。

2024-01-26 06:30:00 1791

原创 Python lambda函数

Lambda函数,也称为匿名函数,是一种不需要显式命名的小型函数。它通常用于定义简单的功能,可以接受任意数量的参数,但只能包含单个表达式。其中,参数(arguments)是输入到Lambda函数的变量,表达式(expression)是函数的主体部分,用于执行操作并返回结果。匿名性:Lambda函数没有显式的函数名。简洁性:Lambda函数通常非常简洁,适用于小型操作。快速定义:Lambda函数可以在需要时即时定义,无需提前声明。

2024-01-26 06:00:00 1715

原创 Python filter函数

filter()filter()函数是Python中一个有用的工具,用于筛选可迭代对象中满足特定条件的元素,并返回一个新的可迭代对象。通过本文,已经了解了filter()函数的基本用法、Lambda函数与filter()函数的结合使用以及实际应用场景。

2024-01-25 06:30:00 1383

原创 Python map函数

map()map()函数是Python中的一个非常有用的函数,它可以将函数应用于可迭代对象的每个元素,并返回一个包含结果的新的可迭代对象。通过本文,已经了解了map()函数的基本用法、Lambda函数与map()函数的结合使用以及实际应用场景。

2024-01-25 06:00:00 1853

原创 Python range函数

range()range()函数是Python中一个非常有用的工具,用于生成整数序列,它在循环、迭代和序列生成等方面都有广泛的应用。通过本文,已经了解了range()函数的基本用法、遍历序列的方法以及实际应用场景。掌握range()函数能够更有效地编写Python代码,并处理各种需要整数序列的问题。

2024-01-24 06:30:00 1150

原创 Python的type()函数

type()class Dog:print(type(dog1)) # 输出:<class '__main__.Dog'>在这个示例中,创建了一个名为Dog的自定义类,并实例化了一个dog1对象。然后,使用type()函数来检查dog1的类型。结果显示dog1的类型是自定义的Dog类。type()type()函数是Python中的一个有用工具,用于检查变量或对象的数据类型。它可以确保程序按照预期工作,并在处理不同类型的数据时提供了灵活性。在实际编程中,了解如何使用type()

2024-01-24 06:00:00 4754

原创 Sqoop与Spark的协作:高性能数据处理

SqoopSqoop是一个开源工具,用于在Hadoop生态系统中传输数据和关系型数据库之间进行数据导入和导出。它使数据工程师能够轻松将结构化数据从关系型数据库导入到Hadoop集群中,以供进一步的数据处理和分析。Spark是一个快速、通用的大数据处理引擎,用于分布式数据处理和分析。Spark提供了丰富的API和库,支持批处理、流处理和机器学习等多种数据处理任务。将Sqoop与Spark协作是实现高性能数据处理的关键步骤之一。

2024-01-23 06:30:00 986

原创 Sqoop与Flume的集成:实时数据采集

SqoopSqoop是一个开源工具,用于在Hadoop生态系统中传输数据和关系型数据库之间进行数据导入和导出。它使数据工程师能够轻松将结构化数据从关系型数据库导入到Hadoop集群中,以供进一步的数据处理和分析。Flume是一个分布式数据采集、传输和处理系统,用于实时数据流的收集和传输。Flume提供了丰富的数据源和目标,可以用于构建高可用性的数据管道。将Sqoop与Flume集成是实现实时数据采集和传输的关键步骤之一。

2024-01-23 06:00:00 1675

原创 Sqoop与Kafka的集成:实时数据导入

SqoopSqoop是一个开源工具,用于在Hadoop生态系统中传输数据和关系型数据库之间进行数据导入和导出。它使数据工程师能够轻松将结构化数据从关系型数据库导入到Hadoop集群中,以供进一步的数据处理和分析。Kafka是一个分布式流处理平台,用于构建实时数据流应用程序和数据管道。Kafka提供了持久性、高可用性和可伸缩性,用于传输大规模数据流,支持发布-订阅和批处理处理模式。将Sqoop与Kafka集成是实现实时数据导入和流处理的关键步骤之一。

2024-01-22 07:56:54 1361

原创 Sqoop数据导入到Hive表的最佳实践

Sqoop是一个开源工具,用于在Hadoop生态系统中的数据存储(如HDFS)和关系型数据库之间传输数据。它可以帮助数据工程师和分析师轻松地将结构化数据从关系型数据库导入到Hadoop集群中,以供进一步的数据处理和分析。将数据从关系型数据库导入到Hive表是大数据分析中的关键步骤之一。本文提供了Sqoop数据导入到Hive表的最佳实践,包括详细的步骤、示例代码和最佳建议。希望这些示例代码和详细内容有助于大家更好地理解和实施数据导入操作。

2024-01-22 07:54:48 1633

ChatGPT想要输入的文本太长怎么办.rar

ChatGPT 的 5 种应⽤⽅式 1. 输⼊少,输出多:例如,你想写⼀本⺠国穿越⼩说。然后等着 ChatGPT 把⼩说写出来。 2. 输⼊多,输出少:例如,给 ChatGPT 提供 5 条评论作为例⼦。然后让 ChatGPT 按照前 5 条的例⼦分类接下来的 3 条评论。你使⽤ ChatGPT 不是为了寻找创意,⽽是将其作为⼀个⼤量信息处理⼯具。处理规则复杂,难以⼿⼯完成,只能由AI推断。 3. ⾃⼰拆分任务:但是 token 不够⽤。为了解决这个问题,你可以提前把⼀个⼤任务拆分成多个⼩任务。然后每个⼩任务调⽤⼀次。最后再拼接起来。例如,要做⼀个超⼤⽂档的摘要任务。你可以将⽂档切成⼩块,然后让 ChatGPT 为每个⼩块做摘要。 4. 使⽤⼯具:让 ChatGPT 使⽤⼯具。也就是说,ChatGPT 输出的⽂本实际上是给你的指令。例如,ChatGPT说这题我不会,我想 Google ⼀下这个关键字。然后你按照ChatGPT 的指令,去 Google 搜索,再把结果作为下⼀次的聊天内容喂回去。 5. 让 ChatGPT分解任务:你帮助它分解任务毕竟是基于规则的算法,对问题的适应性有限。

2023-06-11

chatGPT 在股票市场辅助应用.rar

该报告研究ChatGPT和其他大型语言模型在使用对新闻标题的情绪分析来预测股市回报方面的潜力。我们使用ChatGPT来指示一个给定的标题对公司的股价是好的、坏的还是无关的消息。然后,我们计算了一个数值分数,并记录了这些“ChatGPT分数”与随后的每日股票市场回报之间的正相关关系。此外,ChatGPT也优于传统的情绪分析方法。我们发现,更基本的模型,如GPT-1、GPT-2和BERT,不能准确地预测收益,这表明收益可预测性是复杂模型的一种新兴能力。我们的研究结果表明,将高级语言模型纳入投资决策过程中,可以产生更准确的预测,并提高投资决策过程的性能定量交易策略。

2023-06-11

2023第一季度AIGC人才供需报告.rar

从AlphaGo问世,到自动驾驶技术逐渐成熟,再到如今生成式AI爆火出圈,随着AI技术的不断演进,衍生出越来越多的岗位,也为职场人未来的选择提供了更多可能性。本报告内容基于主要基于拉勾招聘平台2022年及2023年第一季度,130万+企业及400万+AIGC人才的招聘和求职的完整数据,以及1735名数字科技人才的调研结果,分析AIGC人才的职位供需,洞察AIGC人才的求职现状。拉勾招聘数据显示,2023年1-3月,AIGC领域的发布职位量逐月攀升,3月达到峰值,环比2月增长42%,自2022年11月OpenAI推出ChatGPT以来,AIGC领域人才招聘需求再创新高。AI文案工具、ChatGPT聊天机器人以及AI翻译工具成为职场常用辅助工具TOP3,其中超四成数字科技人才在职场中选择应用ChatGPT,可见ChatGPT的功能深受职场人青睐。

2023-06-11

人工智能十年展望(七):微软Copilot发布,AIGC应用大幕拉开.rar

GPT-4融合 Microsoft Graph,Copilot 深度赋能个人应用场景。Copilot 搭载了 OpenAl 最新的 GPT-4 大语言模型,并结合 Microsoft Graph 和 Microsoft 365 各生产力工具中的个人数据实现语言指令和模型回复的调优,用户在 Word、Excel、Powerpoint 等应用端通过自然语言指令即可调用模型实现创成式 Al 文字、表格、演示文稿等内容生成及修正。 Copilot in Word: 简短指令实现文稿的快速生成和修改,基于简短自然语言指令,实现文稿生成和修改润色。我们认为文字生成是创成式 AI 相对成熟的应用场景,在 Copilot 中根据简短的指令即能够快速生成草稿,在此基础上可以通过交互式的指令实现文稿的内容修正(如添加、归纳) 和风格切换(如“专业语气”、“热情语气”等)。借助 Copilot 亦能够实现 Office 不同套件的打通,如基于 Onenote 要点实现文稿生成在 Word 中添加 Excel 数据分析等内容。

2023-06-07

人工智能十年展望(六):ChatGPT兴起,创成式AI能否重塑工具软件底层逻辑?.rar

ChatGPT 掀起全球 AI 热潮,通往 AGI 的道路亦或将近。ChatGPT (Chat Generative Pre-Trained Transformer) 是由 OpenAl 开发的人工智能聊天机器人程序,其基于 GPT-3.5 大模型,能够完成相对复杂的语言处理任务,包括人机对话、自动文本生成、自动摘要、编写代码等,在 2022 年 11 月推出,上线两个月后用户数量即达到 1 亿规模,在全球范围内掀起又轮 AI 热潮。ChatGPT 的火爆让业界意识到 AI 行业在通往 AGI (通用人工智能)的路途上更近一步,进而也引发了世界范围内对 AGI 未来会如何重塑各行各业的讨论与畅想。 ChatGPT 掀起全球 AI 热潮,通往 AGI 的道路亦或将近。ChatGPT (Chat Generative Pre-Trained Transformer) 是由 OpenAl 开发的人工智能聊天机器人程序,其基于 GPT-3.5 大模型,能够完成相对复杂的语言处理任务,包括人机对话、自动文本生成、自动摘要、编写代码等。

2023-06-07

人工智能十年展望(五):从ChatGPT到通用智能,新长征上的新变化.rar

ChatGPT 和 AIGC 持续升温的本质是背后的 AI 大模型进入新范式。ChatGPT 是基于 GPT3.5 的 ntructGPT,基于人类反馈的强化学习 (RLHF) 训练的语言类大模型。本文梳理了ChatGPT 背后的技术演进与应用落地节奏,并对未来 AI 行业的格局加以展望。 全社会的数字化是人工智能的重要目标,同时也意味着大量的建模需求。随着数字信息世果物理世界融合,产生的数据量是以前的成千上万倍,监控和管理这些信息牵制了大量人力,未来需要大量的 A 模型来处理这些信息。而大量的模型需求需要较高的 A 模型生产效率、较低的算法边际成本。 虽然距离完全达到人类智能水平的 AI,还有很长一段路要走。但近几年在长尾场景等问题导致了对更通用的人工智能的刚需,在国内夕巨头纷纷投入大量资源攻克通用人工智能难题的推动下,通用的语言模型、视觉模型甚至多模态模型也开始逐渐取得突破。

2023-06-07

人工智能十年展望(四):决策AI,企业数字化转型底层驱动力.rar

AI 技术正经历从感知 A 到决策 A 演变的关键节点。感知 A 与决策 A是通用人工智能的两大基石,感知 AI 是自环境中获取信息,完成提取要素、分析、得出结果的过程,是对环境的静态感知,计算机视觉是典型代表,目前发展相对成熟,决策 AI 则泛指动作控制、风险管理、运营规划、营销等复杂的决策,即获取来自环境的信息后,行为和环境产生动态交互,因此行为具有一定不确定性且更为复杂。在大量的实际应用场景中,以强化学习为主的决策 AI能力能够突破大规模落地的瓶颈,因此,Al 技术正进入从感知到决策 A的重心演变。 与技术发展阶段对应,企业数字化转型经历两大阶段,阶段二决策 AI 技术是关键。传统企业数字化转型经历两大阶段: 阶段一,企业进行业务数字化、流程线上化的迁移,数据逐步积累,此阶段感知 AI 是关键,以视觉 AI 为典型代表,已在零售、银行等领域较大规模落地:阶段二,企业基于成熟的数据积累,利用决策 AI 模型通过大数据提取规律,代替业务专家做决策,例如,互联网巨头基于用户点击、购买行为刻画人物画像并进行精准营销。数字化转型过程中,决策环节所能创造的商业价值巨大。

2023-06-07

人工智能十年展望(三):AI视角下的自动驾驶行业全解析.rar

算法对于自动驾驶的效果至关重要。自动驾驶作为人工智能技术重要应用场景之一,其技术体系由算法、算力、数据三部分构成,其中算法的有效性影响自动驾驶的每一个环节,从感知环节的特征提取到神经网络的决策,都需要依赖算法改进来提高障碍物检测准确性和复杂场景下的决策能力。典型的自动驾驶技术架构包括感知(定位)、决策、执行三部分: 感知是自动驾驶车辆的“眼睛”,通过各类传感器对行驶路径进行识别,定位和追踪车辆周围物体以获取车辆环境信息,并融合、处理环境信息及车内信息。用于自动驾驶感知的传感器主要包括激光雷达、毫米波雷达、超声波雷达及视觉传感器,其中视觉传感器又包括单目和多目彩色摄像头。 决策是自动驾驶车辆的“大脑”,对道路拓扑结构信息、实时交通信息、交通参与者信息和车辆自身状态等感知数据进行进一步分析,做出决策和预测后给出车辆控制策略并发出相应指令,决策系统主要包括车辆行为决策模块及轨迹规划模块。 执行是自动驾驶车辆的“手脚”。接收决策系统给出的指令,通过车辆稳定系统 ESC、线控制动 eBooster、线控转向 EPS 等执行机构精确地控制加速程度、制动程度、转向幅度、灯光控制等驾驶动作。

2023-06-07

人工智能十年展望(二):边际成本决定竞争力,算法龙头主导格局优化.rar

目前 AI项目落地还停留在“手工作坊”阶段,存在重复造轮子情况,边际成本高。目前国内大部分AI项目的落地是以项目制的形式,主要包括需求阶段、打光阶段、数据阶段、算法设计阶段、训练评估阶段、部署阶段和运维阶段。其中,数据阶段和训练评估阶段往往需要多次循环,专家驻场收集数据并训练模型,发现指标无法满足需求后再重新进入数据阶段,一个项目往往需要专家团队驻场数月完成。 碎片化的本质原因在于现阶段AI模型的通用性低,模型生产还停留在“手工作坊的时代,单个模型只适用特定任务。即使同样的算法在不同场景落地,也会演化出非常不同的版本,会给技术积累产生很大的挑战。例如,在工厂场景下检测零部件、在医疗图像中检测病理特征,虽然本质上都是检测,但是两种情形下要获得准确结果都需要大量数据、实验和参数,一旦场景和任务发生变化,就需要重新收集、标注数据、训练模型。由于客户需求多样,以至于几乎每个项目都要重复进行这一流程,研发流程难以复用,重度依赖人力,边际成本很高。

2023-06-07

人工智能十年展望(一):底层模拟人脑,算力决定上限.rar

AI技术中长期对社会的潜在影响深远,影响几乎所有行业。本文介绍了以深度学习为代表的人工智能理论的基本原理,并指出了由于目前的人工智能具备坚实的数学基础、神经学基础,未来随着底层算力的不断增长,人工智能影响边界将会不断扩宽,行业的发展潜力目前仍处在被市场低估状态。 深度学习从底层模拟人脑神经元的主要工作机制。智能很大程度是广义计算问题,人工神经网络尽管无法做到完全“复制”人脑,但已经能较好地模拟其主要底层机制,因为神经元可近似为基于阅值的二进制单元,类似数字电路0/1 机制。 从生物进化的角度看,人的智能是量变到质变的过程。在完成单个神经元主要工作机制模型后,只要网络层数、神经元个数足够多, AI将在某些维度接近甚至超过人脑智能。 此外,从数学角度,万能近似定理论证了深度学习有坚实的数学基础。该定理证明了深度学习数学模型能够以任意精度逼近任意的函数,而人的智能很大程度即广义计算问题,进而深度学习模型能够模拟人脑的绝大部分活动,具备很高的上限。

2023-06-07

万字干货:ChatGPT的工作原理

ChatGPT 能够自动生成一些读起来表面上甚至像人写的文字的东西,这非常了不起,而且出乎意料。但它是如何做到的?为什么它能发挥作用? 首先要解释的是,ChatGPT 从根本上说总是试图对它目前得到的任何文本进行 “合理的延续”,这里的 “合理” 是指 “在看到人们在数十亿个网页上所写的东西之后,人们可能会期望某人写出什么”。 因此,假设我们已经得到了 “人工智能最好的是它能去做 ……” 的文本(“The best thing about AI is its ability to”)。想象一下,扫描数十亿页的人类书写的文本(例如在网络上和数字化书籍中),并找到这个文本的所有实例 —— 然后看到什么词在接下来的时间里出现了多少。 值得注意的是,当 ChatGPT 做一些事情,比如写一篇文章时,它所做的基本上只是反复询问 “鉴于到目前为止的文本,下一个词应该是什么?” —— 而且每次都增加一个词。(更准确地说,正如我将解释的那样,它在添加一个 “标记”,这可能只是一个词的

2023-06-07

十大经典排序算法.pdf

排序算法是数据结构与算法中最基本的算法之一。 排序算法可以分为内部排序和外部排序,内部排序是数据记录在内存中进行排序,而外部排序是因排序的数据很大,一次不能容纳全部的排序记录,在排序过程中需要访问外存。常见的内部排序算法有:插入排序、希尔排序、选择排序、冒泡排序、归并排序、快速排序、堆排序、基数排序等。 关于时间复杂度: 1. 平方阶 (O(n2)) 排序 各类简单排序:直接插入、直接选择和冒泡排序。 2. 线性对数阶 (O(nlog2n)) 排序 快速排序、堆排序和归并排序; 3. O(n1+§)) 排序,§ 是介于 0 和 1 之间的常数。 希尔排序 4. 线性阶 (O(n)) 排序 基数排序,此外还有桶、箱排序。 关于稳定性: 稳定的排序算法:冒泡排序、插入排序、归并排序和基数排序。 不是稳定的排序算法:选择排序、快速排序、希尔排序、堆排序。

2023-03-15

快乐的 Linux 命令行.pdf

现在,大多数的计算机用户只是熟悉图形用户界面(GUI),并且产品供应商和此领域的学者会灌输给用户这样的思想,命令行界面(CLI)是过去使用的一种很恐怖的东西。这就很不幸,因为一个好的命令行界面,是用来和计算机进行交流沟通的非常有效的方式,正像人类社会使用文字互通信息一样。人们说,“图形用户界面让简单的任务更容易完成,而命令行界面使完成复杂的任务成为可能”,到现在这句话仍然很正确。 因为 Linux 是以 Unix 家族的操作系统为模型写成的,所以它分享了 Unix 丰富的命令行工 具。Unix 在 20 世纪 80 年代初显赫一时 (虽然,开发它在更早之前),结果,在普遍地使用图形界面之前,开发了一种广泛的命令行界面。事实上,很多人选择 Linux(而不是其他的系统,比如说 Windows NT)是因为其可以使“完成复杂的任务成为可能”的强大的命令行界面。

2023-03-15

Hive基本概念及常用操作.rar

Hive 是建立在 Hadoop 上的数据仓库基础构架。它提供了一系列的工具,可以用来进行数据提取转化加载(ETL),这是一种可以存储、查询和分析存储在 Hadoop 中的大规模数据的机制。 Hive 定义了简单的类 SQL 查询语言,称为 QL,它允许熟悉 SQL 的用户查询数据。同时, 这个语言也允许熟悉 MapReduce 开发者的开发自定义的 mapper 和 reducer 来处理内建的 mapper 和 reducer 无法完成的复杂的分析工作。 Hive概念及常用操作文件包含Hive的基本概念与架构,以及在平常的工作中常用的一些操作,包括HQL的开发运行,以及优化。

2023-03-05

机器学习人工智能基础知识点.rar

⼈⼯智能:(Artificial intelligence)是研究、开发⽤于模拟、延伸和扩展⼈的智能的理论、⽅法、技术及应⽤系统的⼀⻔新的技术科学。它是⼀个笼统⽽宽泛的概念,⼈⼯智能的最终⽬标是使计算机能够模拟⼈的思维⽅式和⾏为。 机器学习:(Machine learning)是⼈⼯智能的⼦集,是实现⼈⼯智能的⼀种途径,但并不是唯⼀的途径。它是⼀⻔专⻔研究计算机怎样模拟或实现⼈类的学习⾏为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善⾃身的性能的学科。⼤概在上世纪80年代开始蓬勃发展,诞⽣了⼀⼤批数学统计相关的机器学习模型。 在机器学习与人工智能大火的今天,掌握机器学习人工智能基础知识点无论是在工作还是在生活中都是必须的内容。

2023-03-05

Python练习集100题.rar

Python是一种代表简单主义思想的语言。阅读一个良好的Python程序就感觉像是在读英语一样。它使你能够专注于解决问题而不是去搞明白语言本身。Python极其容易上手,因为Python有极其简单的说明文档。 Python是完全面向对象的语言。函数、模块、数字、字符串都是对象。并且完全支持继承、重载、派生、多继承,有益于增强源代码的复用性。Python支持重载运算符和动态类型。相对于Lisp这种传统的函数式编程语言,Python对函数式设计只提供了有限的支持。有两个标准库(functools,itertools)提供了Haskell和Standard ML中久经考验的函数式程序设计工具。 Python练习集100题是整理了Python入门学习需要的练习题。

2023-03-05

MATLAB 常用函数参考.rar

MATLAB 常用函数参考,介绍了在MATLAB的过程中,工具箱中常用的函数,并对每个函数的语法格式和应用进行介绍,让读者了解每个函数的功能与用法,从而领略MATLAB简单易用、处理功能强大等特点。 分别介绍矩阵相关操作函数、数据可视化函数、数据分析函数、概率统计函数、偏微分方程函数、优化函数、图像处理函数、神经网络函数、信号处理函数、控制系统函数、样条函数、小波变换函数、模糊逻辑函数、计算机视觉函数等内容。

2023-03-03

Matlab解线性方程组

MATLAB软件主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中,为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案,并在很大程度上摆脱了传统非交互式程序设计语言(如C、Fortran)的编辑模式。 解线性方程组的方法大致可以分为两类:直接方法和迭代法。直接方法是指假设计算过程中不产生舍入误差,经过有限次运算可求得方程组的精确解的方法;迭代法是从解的某个近似值出发,通过构造一个无穷序列去逼近精确解的方法。 Matlab解线性方程组是比较经典的题目,需要熟练掌握。

2023-03-03

最全的Spark基础知识解答.pdf

Spark 是一种与 Hadoop 相似的开源集群计算环境,但是两者之间还存在一些不同之处,这些有用的不同之处使 Spark 在某些工作负载方面表现得更加优越,换句话说,Spark 启用了内存分布数据集,除了能够提供交互式查询外,它还可以优化迭代工作负载。 Spark 是在 Scala 语言中实现的,它将 Scala 用作其应用程序框架。与 Hadoop 不同,Spark 和 Scala 能够紧密集成,其中的 Scala 可以像操作本地集合对象一样轻松地操作分布式数据集。 本文档整理了spark所有的基本知识,带你入门spark,让你可以更详细的去了解spark,也为日后深入学习,打下良好的基础。Spark是一个通用引擎,可用它来完成各种各样的运算,包括 SQL 查询、文本处理、机器学习等,而在 Spark 出现之前,我们一般需要学习各种各样的引擎来分别处理这些需求。

2023-03-02

50个永不过时SQL性能优化技巧.pdf

SQL优化是一个大家都比较关注的热门话题,无论你在面试,还是工作中,都很有可能会遇到。这个资源整理了50个永不过时的SQL性能优化技巧,无论是在数据库表设计的时候,还是在SQL开发的时候,比较高频出现的优化点。 例如,查询SQL尽量不要使用select *,而是具体字段;避免在where子句中使用 or 来连接条件;避免在where子句中使用!=或<>操作符;将大的DELETE,UPDATE、INSERT 查询变成多个小查询;如何选择索引列的顺序;避免产生大事务操作;优化like语句等这样那样的问题。 作为数据开发人员,对SQL的优化,应该是我们必备的技能才是,熟练掌握它,让你的SQL代码快到飞起~~~

2023-03-02

MySQL数据库保姆级安装教程.pdf

MySQL数据库简单易学,使用广泛。我们可以自己搭建一个数据库环境,无论是新手的作为练习,还是老练程序员测试自己的开发程序,都是必不可少的。 MySQL是一个关系型数据库管理系统,由瑞典MySQL AB 公司开发,属于 Oracle 旗下产品。MySQL 是最流行的关系型数据库管理系统之一,在 WEB 应用方面,MySQL是最好的 RDBMS (Relational Database Management System,关系数据库管理系统) 应用软件之一。MySQL是一种关系型数据库管理系统,关系数据库将数据保存在不同的表中,而不是将所有数据放在一个大仓库内,这样就增加了速度并提高了灵活性。

2023-03-01

Docker 常用命令大全.pdf

Docker 是一个开源的应用容器引擎,让开发者可以打包他们的应用以及依赖包到一个可移植的镜像中,然后发布到任何流行的 Linux或Windows操作系统的机器上,也可以实现虚拟化。容器是完全使用沙箱机制,相互之间不会有任何接口。 Docker在操作的过程中,会遇到很多的命令,每一次使用查询起来都比较麻烦,所以我整理了一份Docker 常用命令大全分享给大家,这样在实用的过程中,直接在文档搜索就可以了,更加的便利,需要的小伙伴可以自行下载。

2023-03-01

100道MySQL经典面试题及答案.pdf

100道MySQL经典面试题及答案:整理了100道MySQL数据库面试心经,不仅有基础的数据库知识,还包含一些中级和高级的知识面试题,并贴心的为大家将答案也一并整理,帮助小伙伴们在准备面试的过程中,省时省心省力,一步到位。 该内容,一部分来源自己面试的过程中经常遇到的,还有一部分来自同事朋友面试的过程中高频出现的,日积月累的结果。现在将它分享给大家,希望帮助下载学习的小伙伴可以有更满意的面试结果。

2023-03-01

Hive SQL大厂必考常用窗口函数及面试题.pdf

窗⼝函数也称为OLAP函数,OLAP 是OnLine Analytical Processing 的简称,意思是对数据库数据进⾏实时分析处理。例如,市场分析、创建财务报表、创建计划等⽇常性商务⼯作。窗⼝函数就是为了实现OLAP ⽽添加的标准SQL 功能。 聚合函数是将多条记录聚合为⼀条;窗⼝函数是每条记录都会执⾏,有⼏条记录执⾏完还是⼏条。窗⼝函数兼具GROUP BY ⼦句的分组功能以及ORDER BY ⼦句的排序功能。但是,PARTITION BY ⼦句并不具备 GROUP BY ⼦句的汇总功能。

2023-02-28

选择法排序与冒泡排序.md

选择法排序与冒泡排序,无论是在平常使用的过程中,还是在面试的过程中,使用的频率还是比较高的,所以我们需要熟练的掌握它。 选择排序法:是将一堆数,从前往后逐个扫描,在扫描一遍的过程需要从前往后边扫描要边记录最小的那个值,最后一步进行替换。 冒泡排序法:是将 一堆数 从前往后 两个两个 逐个扫描,两个数将大的数放到后边,这样扫一遍,就可以在这堆末尾排好一个数(你可以理解为从前往后扫,把大的数从后依次往前排),仔细观察,扫描一次,排好一个数,以此类推。

2023-02-28

输出n以内的所有素数(C、Java、python语言).txt

素数。一个大于1的自然数,除了1和它自身外,不能被其他自然数整除的数叫做质数;否则称为合数(规定1既不是质数也不是合数)。 文档内容是从C语言、Java语言和python语言的角度去编写一个程序,找出1~N中的所有素数,其中1<N,N为整数。该练习题是我们很长用到的面试题,以及练手的小题目,所以需要熟练掌握。

2023-02-28

Hive数据库连接驱动

本资源包含Hive数据库连接所需要的驱动,为了方便我们在用第三方工具链接Hive数据库的时候,解决驱动的问题,而自己在下载的时候,资源又不是很好找,所以在这里打包分享给大家。不过大家在下载使用的时候,还需要注意自己Hadoop大数据平台对应版本的问题,不同的Hadoop平台搭建的Hive数据库,可能也会遇到版本的问题,请知晓。 请大家按需下载,有问题可以随时联系交流,enjoy~~

2023-02-27

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除