- 博客(16)
- 收藏
- 关注
原创 人人都是产品经理——如何得出产品解决方案
用户体验(User Experience),是用户在使用产品过程中建立起来的一种纯主观感受。主要包括用户的印象和感觉,是否成功,是否享受,是否还想再来/使用。他们能够忍受的问题,疑惑和BUG的程度等。
2024-08-30 20:58:42
856
原创 人人都是产品经理——用户故事(学会用户故事的方式撰写需求)
用户故事是客户或业务部门与产品经理共同梳理需求使用的,也会被代入开发部门作出功能。把用户需求放在典型的场景下予以模拟呈现,便于更准确的分析需求。将典型的用户在应用场景下将需求进行描述的一种方式。
2024-08-30 20:00:40
142
原创 人工智能领域面试基础问题整理(二):什么是人工智能?
当你说你的专业是“人工智能”时,面试官问你:“假如我是一个不懂AI的人,你能和我说说,什么是AI吗?”你会怎么回答。 我们可以从以下几个方面入手:
2024-08-30 19:15:52
796
原创 Neural Computing and Applications论文投稿状态——从投稿到撤稿 这个研究生谁爱读谁读
4月多就投稿了,就因为要共同作者确认,有个作者的邮箱有问题(我想当然的以为学校邮箱谁都有,事实证明,凡事都不要想当然),提交了三遍手稿,最后改了邮箱地址。于是就开始无休止的给编辑写信,一封信等一周。直到5月初才把我系统里重复的稿件删掉。光投稿就耗了近一个月.....为了投稿还专门学了latex.....
2024-08-21 21:06:08
555
3
原创 OPC UA信息建模
OPC UA(开放式产品通信统一架构,Open Platform Communications Unified Architecture)是一种通信协议和通信架构,用于实现工业自动化系统中不同设备、系统和软件之间的和传统OPC的数据模型较为简单,只能提供纯数据(例如:由温度传感器测量出来的温度。要了解已提供的数据是什么语义,可以利用的信息就只是测点的名称和一些类似测量值的工程单位的基本信息)。OPC UA提供了复杂的信息建模能力,更有效的展示数据语义的可能性。
2024-08-19 17:29:38
1344
原创 人工智能领域面试基础问题整理(一):损失函数和目标函数的区别和联系
介绍了损失函数、目标函数的区别与联系;正则化的相关概念以及经验风险和结构风险的相关知识
2024-08-06 19:53:50
190
原创 AI论文阅读笔记 | TTS-GAN: A Transformer-based Time-Series Generative Adversarial Network
时间序列生成方法,创建了一个纯粹基于Transformer编码器的GAN来生成时间序列数据(TTS-GAN),提升时间序列深度学习模型训练的效果!
2024-08-02 16:12:12
845
原创 人人都是产品经理——抓住核心用户
所有和产品有关系的群体就是用户,具体来说,就是使用产品或者享受服务来满足自身需求的人。2、用户的种类目标用户:主要使用产品的人或者为其提供服务。种子用户:目标用户中愿意尝鲜并积极进行意见反馈的用户。核心用户:目标用户中消费能力强,给企业创造更大价值的用户。潜在用户:还没有使用,但有使用或者接受产品服务的需要。
2024-07-31 19:56:21
501
原创 人人都是产品经理——产品经理需要具备哪些能力?
我们从专业技能和综合素质两方面入手,阐述成为一个产品经理,具体需要具备哪些能力,助力大家成为一名合格的产品经理。
2024-07-30 16:07:38
447
原创 AI论文阅读笔记|Graph autoencoder with mirror temporal convolutional networks for traffic anomaly detection
Nature2024 最新时间序列异常检测论文 Graph autoencoder with mirror temporal convolutional networks for traffic anomaly detection 解读,基于图卷积的重构方法用于交通流量异常检测
2024-07-29 16:43:27
987
原创 AI论文阅读笔记 | Timer: Generative Pre-trained Transformers Are Large Time Series Models(ICML 2024)
AI论文阅读笔记:Timer: Generative Pre-trained Transformers Are Large Time Series Models(ICML 2024)这项研究的成果是一个时间序列Transformer(Timer),它通过对大型多域数据集的自回归下一个token预测进行预训练,并针对下游场景进行微调,展现了作为 LTSM 的有前景的能力。
2024-07-26 15:48:47
1190
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