<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[ALlinze的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/ALlinze</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ALlinze]]></copyright><item><title><![CDATA[最强深度学习自学指南来了]]></title><link>https://blog.youkuaiyun.com/ALlinze/article/details/147592178</link><guid>https://blog.youkuaiyun.com/ALlinze/article/details/147592178</guid><author>ALlinze</author><pubDate>Mon, 28 Apr 2025 17:32:38 +0800</pubDate><description><![CDATA[书籍：《Python Crash Course》（中文版《Python编程：从入门到实践》）新手：VS Code（安装Python插件）或PyCharm（社区版免费）。：文件操作、爬虫（Requests、BeautifulSoup）。提问平台：Stack Overflow（英文）、知乎（中文）。：重点学NumPy、Pandas、Matplotlib。互动平台：Codecademy（英文）、菜鸟教程（中文）简易计算器、单词计数器、待办事项列表（命令行版）。用Flask搭建博客（含用户登录、数据库）。]]></description><category></category></item><item><title><![CDATA[拒绝跟风，谈谈几种算法岗的区别和体验]]></title><link>https://blog.youkuaiyun.com/ALlinze/article/details/147565699</link><guid>https://blog.youkuaiyun.com/ALlinze/article/details/147565699</guid><author>ALlinze</author><pubDate>Sun, 27 Apr 2025 17:55:45 +0800</pubDate><description><![CDATA[除了这一段提到的镣铐问题和“创造性体力劳动的枯燥”之外，R&D岗的另一个问题就是你更难有时间去写paper了，一方面是排期原因（虽然你有几个月的时间探索策略，但是并不会给你留出写paper的时间），另一方面就是能解决业务重大问题的研究成果很可能是不方便对外公开的（虽然你感觉创新和突破也不算很大，但是竞品却很可能短时间内连这点突破都没做到，这就为业务带来了市场竞争力）。即将找工作的可爱的师弟师妹们千万不要被HR小姐姐们迷惑了，虽然岗位不分高低贵贱，但是不同的岗位工作性质和对能力的侧重点是很不一样的。]]></description><category></category></item><item><title><![CDATA[人工智能算法工程师缺口大吗？还是已经进入内卷的时代？]]></title><link>https://blog.youkuaiyun.com/ALlinze/article/details/147539247</link><guid>https://blog.youkuaiyun.com/ALlinze/article/details/147539247</guid><author>ALlinze</author><pubDate>Sat, 26 Apr 2025 17:03:16 +0800</pubDate><description><![CDATA[不用怀疑，缺口不大了，卷得狠。我们做的是方向产品，除了知识图谱还在用传统小模型，其它的都在往开源大模型上靠拢了。算法组减了好几个人了已经。一个AI产品线，开发岗和算法岗的比例差不多5:1吧，还有海量的产品是用不着AI的，完全不需要算法。所以首先岗位数量方面，肯定是比不了开发岗。算法主流方向就是搜广推、NLP和。搜广推是搜索、广告、推荐，传统的不能再传统的业务，饱和程度可想而知。NLP是，CV是，这俩落地场景比较宽广，但是前几年的红利期也都吃的差不多了，现在一样卷到不行。]]></description><category></category></item><item><title><![CDATA[42 个机器学习练手项目，比啃书更高效！]]></title><link>https://blog.youkuaiyun.com/ALlinze/article/details/147518024</link><guid>https://blog.youkuaiyun.com/ALlinze/article/details/147518024</guid><author>ALlinze</author><pubDate>Fri, 25 Apr 2025 17:41:06 +0800</pubDate><description><![CDATA[从个性化推送（今日头条）、自拍美颜、自动翻译，到无人驾驶、图像识别等诸多领域……那么，普通程序员如何踏入AI的浪潮，站上时代薪资顶端呢？学习机器学习前，要先打好 “内功” 基础。作为人工智能的头牌语言，地位不用多说，主流的机器学习框架都需要用 Python 调用；而是最好用、方便的机器学习环境工具，对新手来说，学会它的使用非常重要。]]></description><category></category></item><item><title><![CDATA[Python十大神库实战｜搞定办公自动化｜人工智能入门必备]]></title><link>https://blog.youkuaiyun.com/ALlinze/article/details/147487025</link><guid>https://blog.youkuaiyun.com/ALlinze/article/details/147487025</guid><author>ALlinze</author><pubDate>Thu, 24 Apr 2025 17:52:48 +0800</pubDate><description><![CDATA[你说Python难学？不会编程？放心，今天咱就用最简单的方式，带你玩转Python最实用的十大神库。不管是办公自动化、图像处理，还是人工智能入步，这篇文章统统帮你搞定！]]></description><category></category></item><item><title><![CDATA[计算机视觉知识体系]]></title><link>https://blog.youkuaiyun.com/ALlinze/article/details/147459529</link><guid>https://blog.youkuaiyun.com/ALlinze/article/details/147459529</guid><author>ALlinze</author><pubDate>Wed, 23 Apr 2025 17:35:23 +0800</pubDate><description><![CDATA[分类识别：分类包含三层，大类、属类、细类，检测到目标后，目标品牌或者品种细分类、目标属性分类（颜色、形状、属类等）、静态行为分类、序列行为分类；（图像预处理、基于图像分类、全部文字检测、指定字段定位、文字识别、基于文字内容分类），领域：票据、证件（个人、企业）、证书、车牌、自然场景（内部系统图像、门牌、站牌、物体等）物：动物（检测、关键点、品种细分类、属性分类、行为、识别或以图搜动物）；人脸（检测、关键点、属性分类、活体行为、识别）；车：车辆（检测、关键点、品牌细分类、属性分类、行为，识别或者以图搜车）；]]></description><category></category></item><item><title><![CDATA[搞定这8个实战项目，秒杀80%深度学习面试者]]></title><link>https://blog.youkuaiyun.com/ALlinze/article/details/147425385</link><guid>https://blog.youkuaiyun.com/ALlinze/article/details/147425385</guid><author>ALlinze</author><pubDate>Tue, 22 Apr 2025 16:43:05 +0800</pubDate><description><![CDATA[涵盖特征工程、混合网络、深度学习在计算机视觉当中的应用（比如图像分类、图像检索）、深度学习在自然语言处理中的应用（比如文本处理、文本分类、图像生成文本）、聊天机器人、大规模车辆图片检索等应用于智慧城市、视频监控等安防场景的。3-使用多任务和深度排序模型，构建一个工业界和学术界最前沿的大规模车辆图片搜索算法(可用于智慧城市、视频监控等安防场景)，在业界最大的车辆搜索开源数据集上取得State-of-the-Art效果。且根据集训营实战项目，将涉及到的关键知识点和项目经历优化到您的简历中。]]></description><category></category></item><item><title><![CDATA[令人惊艳的深度学习！]]></title><link>https://blog.youkuaiyun.com/ALlinze/article/details/147397206</link><guid>https://blog.youkuaiyun.com/ALlinze/article/details/147397206</guid><author>ALlinze</author><pubDate>Mon, 21 Apr 2025 16:34:19 +0800</pubDate><description><![CDATA[在深度学习中，研究人员会设计并构建深度多层神经网络，这些网络由许多节点（类似大脑中的神经元）组成，它们通过加权连接相互作用，类似大脑中的神经元通过神经突触连接。这些网络能够通过大量的数据进行参数（连接的强弱程度，也称作权重）训练，并学会识别模式、分类信息，甚至生成新的内容，就像人脑通过经验和学习来处理和创造信息一样。想象一下，当你看一幅画或者一个物体时，大脑会先注意它的线条和颜色，然后会认出它的轮廓和形状，最后明白自己看到的是一只猫、一辆车或者一棵树。组成，神经元是大脑的基本工作单位，每个神经元通过。]]></description><category></category></item><item><title><![CDATA[一文章搞懂深度学习的训练和推理]]></title><link>https://blog.youkuaiyun.com/ALlinze/article/details/147336752</link><guid>https://blog.youkuaiyun.com/ALlinze/article/details/147336752</guid><author>ALlinze</author><pubDate>Fri, 18 Apr 2025 17:06:08 +0800</pubDate><description><![CDATA[本文为合集收录，欢迎查看合集/专栏链接进行全部合集的系统学习。合集完整版请参考这里。推理和训练是深度学习中两个非常重要的概念。很多初学者可能不太清楚，但是很好区分也很好理解。如果我们把一个比作一个人的话，那么训练过程就相当于初中、高中的学习， 而推理过程相当于去参加高考。初中高中阶段，我们通过学习大量的知识来训练自己的大脑。在去参加高考的过程中，我们已经不需要去学习新的知识，而是利用已训练好的大脑去解决问题。神经网络的推理和训练也是这个过程。]]></description><category></category></item><item><title><![CDATA[深度学习如何入门学习呢？]]></title><link>https://blog.youkuaiyun.com/ALlinze/article/details/147307831</link><guid>https://blog.youkuaiyun.com/ALlinze/article/details/147307831</guid><author>ALlinze</author><pubDate>Thu, 17 Apr 2025 15:48:37 +0800</pubDate><description><![CDATA[最近，我在做一些与深度学习有关的工作。怎么入门我还在入门中，不是真的懂，其实我是技术小白，基本上都是面向浏览器编程。核心是哪里不会查哪里。先跑通，再深究细节。甚至有时候细节都不深究，讲究的是一个能跑就行，不求甚解。你们不要学我。然而，写多了是有肌肉记忆的，所以现在分享下我之前是怎么入门深度学习的。去官网看官方的入门教程，完成数字识别的深度学习去下载星星多的遥感深度学习项目在本地训练研究怎么修改最基础的研究怎么读取数据，研究编写预测推理脚本看yolo看变换检测看。]]></description><category></category></item><item><title><![CDATA[如何最简单、通俗地理解Transformer？]]></title><link>https://blog.youkuaiyun.com/ALlinze/article/details/147293339</link><guid>https://blog.youkuaiyun.com/ALlinze/article/details/147293339</guid><author>ALlinze</author><pubDate>Thu, 17 Apr 2025 09:28:24 +0800</pubDate><description><![CDATA[首先 transformer 的输入是所有的文字序列一齐输入的，而且这个序列在变换成矩阵后，会有一个很大的维度数据，也就是从一个单一的 Token 变成了 512 、 1024 、 2048 维以上的数据，这样在实际的训练中，可能很容易得到某一个 token 与其它的token 数据的关联关系。看了输入与输出了，接下来肯定是看 Transformer 的内部结构了。不同的地方来源于两点，对于 Encoder 的输入来讲是一次性的，而对于 Decoder 来讲它的输入是以前的 Outputs，所以是累加的。]]></description><category></category></item></channel></rss>