- 博客(50)
- 收藏
- 关注
RSS订阅原创 计算机算法到底应该怎么学？手把手带你入门
竞赛算法是比较锻炼人的，对于竞赛来说，每道题对输入参数和样本量的要求都非常明确，包括对空间的限制和运行时间的限制也规定的非常明确。《算法之美》：算法科普，从生活中的各种问题说起：租房、谈恋爱、老虎机、拍电影、面试、买彩票、各种排序、找停车位、寻找新药、临床试验、奥巴马拉赞助、预估电影票房等等，非常生活化，可以作为补充阅读。截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。
2025-05-23 18:04:35
222
原创 想要从事算法工程师，要掌握什么？
1、薪资方面在前几年，算法岗的薪资确实是比开发岗要高很多，可以称之为红利期。但最近几年，算法和开发岗有趋于拉平的意思，但是相对来说，同级情况下，算法岗还是要高1~2k的样子。2、领域分类算法岗位的方向还是很多的，一方面是按技术领域，可以划分为计算视觉(CV)，自然语言处理（NLP），AIGC，语音算法等等。另一方面是按行业领域，分成气象、交通、工业。。。等等等等。方向不一样，技术栈相差非常大了。3、优缺点在薪资方面，算法打赢开发。在难度方面，算法打赢开发。在工作强度方面，开发打赢算法。
2025-05-23 17:58:22
351
原创 入门篇：PyTorch 循环神经网络（RNN）
循环神经网络（Recurrent Neural Networks, RNN）是一类神经网络架构，专门用于处理序列数据，能够捕捉时间序列或有序数据的动态信息，能够处理序列数据，如文本、时间序列或音频。RNN 在自然语言处理（NLP）、语音识别、时间序列预测等任务中有着广泛的应用。RNN 的关键特性是其能够保持隐状态（hidden state），使得网络能够记住先前时间步的信息，这对于处理序列数据至关重要。
2025-05-22 11:57:42
486
原创 第二期：Python 量化数据可视化
Python 量化数据可视化可以使用 Matplotlib 和 Seaborn 库。安装 Matplotlib 和 Seaborn 可以在终端或命令提示符中运行：Matplotlib 详细内容可以参考：本章节主要为大家介绍 Seaborn 库的使用。
2025-05-22 11:52:20
434
原创 一文搞定：Python 获取金融数据
本章节我们先看一个 Python 量化简单的应用实例，可以使用移动平均策略，使用雅虎金融数据来实现。该策略的基本思想是通过比较短期和长期移动平均线来生成买入和卖出信号。
2025-05-22 11:43:34
706
原创 一文稿定：PyTorch 构建 Transformer 模型
多头注意力通过多个"注意力头"计算序列中每对位置之间的关系，能够捕捉输入序列的不同特征和模式。MultiHeadAttention 类封装了 Transformer 模型中常用的多头注意力机制，负责将输入拆分成多个注意力头，对每个注意力头施加注意力，然后将结果组合起来，这样模型就可以在不同尺度上捕捉输入数据中的各种关系，提高模型的表达能力。说明：多头注意力机制：将输入分割成多个头，每个头独立计算注意力，最后将结果合并。
2025-05-21 17:13:13
797
原创 一次性讲清楚Transformer 模型
Transformer 模型是一种基于注意力机制的深度学习模型，最初由 Vaswani 等人在 2017 年的论文《Attention is All You Need》中提出。Transformer 彻底改变了自然语言处理（NLP）领域，并逐渐扩展到计算机视觉（CV）等领域。Transformer 的核心思想是完全摒弃传统的循环神经网络（RNN）结构，仅依赖注意力机制来处理序列数据，从而实现更高的并行性和更快的训练速度。以下是 Transformer 架构图，左边为编码器，右边为解码器。
2025-05-21 16:58:40
692
原创 今天给大家讲一下OpenCV从入门到实战，一步到位。
OpenCV 是一个功能强大、应用广泛的计算机视觉库，它为开发人员提供了丰富的工具和算法，可以帮助他们快速构建各种视觉应用。随着计算机视觉技术的不断发展，OpenCV 也将会继续发挥重要的作用。OpenCV 提供了大量的计算机视觉算法和图像处理工具，广泛应用于图像和视频的处理、分析以及机器学习领域。
2025-05-21 16:47:33
551
原创 机器学习-六大核心算法（全解）
如线性回归、决策树、K均值聚类等，虽重要但通常归类为“机器学习”而非传统“核心算法”。要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。：分治法思想，平均时间复杂度 O(nlogn)O(nlogn)。：利用堆数据结构，时间复杂度 O(nlogn)O(nlogn)。：适用于已排序数组，时间复杂度 O(logn)O(logn)。：稳定排序，时间复杂度 O(nlogn)O(nlogn)。：通过哈希表实现 O(1)O(1) 平均查找时间。：数据库索引、数据分析、操作系统任务调度等。
2025-05-20 14:46:42
574
原创 一份文档带你吃透逐层分解Transformer
让 Decoder 关注 Encoder 的输出（类似传统 Seq2Seq 的注意力）。：基于 Encoder 的输出和已生成的部分结果，逐步生成目标序列（如翻译结果）：为模型注入序列的位置信息（因为 Transformer 无递归结构）。：使用正弦/余弦函数生成固定或可学习的位置向量，与词向量相加。：将输入序列（如句子）映射为高维表示（上下文相关的向量）。：捕捉序列中各个位置之间的关系，生成上下文相关的表示。：类似“词与词之间的投票”，决定彼此的重要性。：在注意力分数计算时，将未来位置的权重设为。
2025-05-20 14:09:27
911
原创 如何入门深度学习。感觉总结出来是能帮助一些爱学习的人吧。
上方是人工智能深度学习路线图大纲，大家找我领一份简单分成几步，简单分成几步，PythonNumpyPandasPytorch理论：简单了解MLPCNN为主，再考虑RNN的基础模型：AlexNet、VGGResNetYoloSSD是里任选两个自己手写代码，标记数据、训练一下就好了。如果你真的有志于此，那我建议你手写完整的 Transformer 模型，这现在看是未来的所有。完成上面几步，这样你就是一个不错的入门选手了。再看看书，就是一个只需要你部就班就能成为高手的路！详细说一下。
2025-05-20 12:02:53
912
原创 AI推荐先学哪些课程？
经过深入研究和实践，我认为微软的「AI-For-Beginners」是目前市面上最全面、系统且对初学者友好的 AI 入门课程之一。无论你是计算机专业学生、转行开发者，还是对 AI 充满好奇的技术爱好者，这个为期 12 周的学习之旅都将为你打开 AI 世界的大门。相比付费课程和碎片化学习资源，这个开源项目提供了一条清晰的学习路径，从基础到应用，从理论到实践，全面培养 AI 开发能力。特别是它的双框架支持和前沿技术覆盖，让学习者不仅掌握当下技能，还能为未来发展打下基础。
2025-05-20 11:51:40
674
原创 AI产品经理课程推荐
我是AI产品经理，这题我会。对AI产品人来说，你不需要像算法工程师一样深入掌握复杂的算法和模型，倒是因为AI大模型的产品化属于新兴领域，从产品交互方式、产品逻辑，技术选型，大家都是摸着石头过河，再说直白一点就是这一点有多可怕，相信产品人都能明白吧？尤其对于to B的产品经理来说，在实际工作中，你具体接触到的需求是来自各种行业的，比如律所、港口、医疗、教育，等等。面对具体而复杂的业务需求场景，产品经理的脑子里不能是一片空白，退一步讲，转型AI产品经理，想过第一步的这一关，总得有能说得七七八八的吧？
2025-05-20 11:44:46
594
原创 机器学习算法之——卷积神经网络(CNN)原理讲解
简而言之，卷积神经网络（Convolutional Neural Networks）是一种深度学习模型或类似于人工神经网络的多层感知器，常用来分析视觉图像。卷积神经网络的创始人是着名的计算机科学家Yann LeCun，目前在Facebook工作，他是第一个通过卷积神经网络在MNIST数据集上解决手写数字问题的人。
2025-05-17 14:34:57
797
原创 【机器学习算法】10种常见机器学习算法+Python代码
监督式学习算法包括一个目标变量（因变量）和用来预测目标变量的预测变量（自变量）。通过这些变量我们可以搭建一个模型，从而对于一个已知的预测变量值，我们可以得到对应的目标变量值。重复训练这个模型，直到它能在训练数据集上达到预定的准确度。等。与监督式学习不同的是，无监督学习中我们没有需要预测或估计的目标变量。无监督式学习是用来对总体对象进行分类的。它在根据某一指标将客户分类上有广泛应用。等。这个算法可以训练程序做出某一决定。
2025-05-17 14:19:50
764
原创 收藏系列！深度学习必读10篇经典算法论文总结！
前言是将图像和视频转换成机器可理解的信号的主题。利用这些信号，程序员可以基于这种高级理解来进一步控制机器的行为。在许多计算机视觉任务中，图像分类是最基本的任务之一。它不仅可以用于许多实际产品中，例如Google Photo的标签和AI内容审核，而且还为许多更高级的视觉任务（例如物体检测和视频理解）打开了一扇门。自从深度学习的突破以来，由于该领域的快速变化，初学者经常发现它太笨拙，无法学习。与典型的软件工程学科不同，没有很多关于使用DCNN进行图像分类的书籍，而了解该领域的最佳方法是阅读学术论文。
2025-05-17 14:10:54
630
原创 ICLR 2025 | 时间序列(Time Series)高分论文汇总
ICLR2025已经结束了讨论阶段，进入了meta-review阶段，分数应该不会有太大的变化了，本文总结了其中时间序列(Time Series)高分的论文。如有疏漏，欢迎大家补充。：均分要大于等于6（即使有3，但是有8或者更高的分拉回来也算）
2025-05-17 13:56:00
662
原创 时间序列预测从入门到精通：基础知识
时间序列（英语：time series）是一组按照时间发生先后顺序进行排列的数据点序列。通常一组时间序列的时间间隔为一恒定值（如1秒，5分钟，12小时，7天，1年），因此时间序列可以作为离散时间数据进行分析处理。定义应该很好理解，日常生活中时间序列无处不在：CPU负载、上证指数、商场每天的人流量、商品每日价格。
2025-05-17 13:48:07
953
原创 机器学习和数据挖掘哪个方向好？
请自己看，自己比较。人工智能的研究是从以“推理”为重点到以“知识”为重点，再到以“学习”为重点，一条自然、清晰的脉络。显然，机器学习是实现人工智能的一个途径，即以机器学习为手段解决人工智能中的问题。机器学习在近30多年已发展为一门多领域，涉及概率论、统计学、逼近论、凸分析、等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与。
2025-05-16 13:47:23
624
原创 本科毕设题目是行人检测，可以做哪些工作以达到论文要求？
在本博客章节中，我们将深入探讨构成夜视行人检测系统的关键组成部分之一：数据集。在任何机器学习项目中，数据集都是至关重要的，因为它直接决定了模型训练的质量和最终系统的性能。为此，我们精心准备了一个专为夜间行人检测量身打造的数据集，以确保在实际应用中能够达到最佳的检测效果。我们的数据集共包括5725张图像，这些图像细致划分为4032张训练图像、1104张验证图像以及589张测试图像。这种划分策略旨在为模型训练提供充足的数据，同时保留独立的样本集来评估模型对于新数据的适应能力和泛化性。
2025-05-16 11:59:41
738
原创 pytorch入门与实践：小试牛刀之CIFAR-10图像分类
构建LeNet网络，修改self.conv1第一个参数为3通道，因CIFAR-10是3通道彩图。# nn.Module子类的函数必须在构造函数中执行父类的构造函数# 下式等价于nn.Module.__init__(self)# 卷积层 '1'表示输入图片为单通道, '6'表示输出通道数，'5'表示卷积核为5*5# 卷积层# 仿射层/全连接层，y = Wx + b# 卷积 -> 激活 -> 池化# reshape，‘-1’表示自适应return xprint(net)'''Net(
2025-05-16 11:51:16
462
原创 手把手教你python从零开始构建知识图谱
知识图谱就是一组节点和边构成的三元组。这里的节点A和节点B是两个不同的实体。这些节点由代表两个节点之间关系的边连接，也被称为一个三元组。例如头实体“普京”和尾实体“俄罗斯”的关系是“是总统”：还可以增加“普京在克格勃工作过”的三元组：还可以增加“俄罗斯是APEC组织成员”的三元组：识别实体和它们之间的关系对我们来说不是一项困难的任务，有监督的命名实体识别（NER）和关系抽取都有比较成熟的模型。但是标注一个大规模的实体和关系的数据集是需要巨大投入的。因此作为初学者，我们使用。
2025-05-16 11:49:17
680
原创 《手把手教你建立知识图谱：从数据采集到图谱可视化的全过程》
比如在学习中国古代史时，通过知识图谱可以清晰地看到秦朝统一六国后，实行了一系列的改革措施，这些措施又对后续汉朝的政治、经济、文化发展产生了怎样的影响，各个朝代之间的兴衰更替和传承关系一目了然，不再是死记硬背一个个孤立的历史事件。在收集资料时，一定要注意信息的质量。还是这个例子，“发布” 就是 “苹果公司” 和 “iPhone 14” 之间的关系，通过句法分析、依存关系分析等技术，可以识别出这种关系 ，将它们以 “苹果公司 - 发布 - iPhone 14” 的三元组形式表示出来，为知识图谱构建基本的结构。
2025-05-16 11:45:28
701
原创 如何最简单、通俗地理解LSTM？
遗忘门（ft）：一个向量，有选择的让传输带C的值通过。参数矩阵Wf ，需要通过从训练数据中学习。输入门（it）：更新传输带的值参数矩阵Wi ，需要通过反向传播从训练数据中学习。New value：将值添加到传输带上输出门（Ot有4个参数矩阵，每个参数矩阵LSTM参数数量（没有统计截距）
2025-05-15 17:35:40
775
原创 卷积神经网络和深度神经网络的区别是什么？
当然这是非常基础的用法，现在支持图像、语音多模态的AI大模型能做的事情远远不止于此，简单来说，对于一个任务，它很擅长做0到60%的那部分，然后你去专注做剩下的它不能完成的那部分就好。如果用的好，是可以极大提升工作和学习效率的。卷积核中的数值就是神经网络的权重，也就是要学习的参数，将权重与对应输入位置的值（如果是输入层就是像素值，如果是中间层就是中间层神经元的激活值）相乘，再与偏置相加，经过激活函数，便得到了对应的输出。除此之外，常见的深度神经网络结构还有AE，VAE，RNN，GAN，GNN等等。
2025-05-15 17:23:52
775
原创 熬夜爆肝！2025最新AI教程学习路径，2025手把手AI教程！零基础直通大神级，全网最全路线一图搞定！
人工智能学习资料包＋学习路线图整理打包好了 无偿取走。
2025-05-15 17:17:26
427
原创 Pytorch 最全入门介绍，Pytorch入门看这一篇就够了
在这一部分，我们将会对Pytorch做一个简单的介绍，包括它的历史、优点以及使用场景等。DataLoader类提供了对数据集的并行加载，可以有效地加载大量数据，并提供了多种数据采样方式。dataset：加载的数据集（Dataset对象）batch_size：batch大小shuffle：是否每个epoch时都打乱数据num_workers：使用多进程加载的进程数，0表示不使用多进程# 数据转换])# 下载并加载训练集# 下载并加载测试集除了使用内置的数据集，我们也可以自定义数据集。
2025-05-15 17:12:47
787
原创 整理了6个Python经典项目（python爬虫、python人工智能、python数据分析、python web
职场中一贯有“金三银四”、“金九银十”的说法。尤其是3、4月刚过完年后，很多企业的员工会选择离职，大量空缺职位被放出，同时HR招聘压力增大，求职者往往可以借此机会，获得一个更好的报价。如果你是一名正在求职或准备跳槽的程序员，不妨趁着这两个月时间好好准备一下。而在程序员的求职中，「项目经历」往往是最重要的一环，它能最直观地体现你的编程能力。对于在校生来说，一个好的「项目经历」甚至可以等同于工作经验。可以说，把项目经历写好了，求职就通过了一半。而在项目的描述中，最看重的就有三点。
2025-05-15 17:02:27
639
原创 计算机视觉最不卷的方向：三维重建学习路线梳理
提到（CV），大多数人脑海中会立马浮现出一个字：“卷”。卷到什么程度呢？2022年秋招CV工程师岗位数下降了16%，但求职人数增加了23%，求职人数与招聘岗位的比例达到了恐怖的15:1，大部分CV领域的求职者都转向了开发或者产品运营岗位。因为2D视觉的算法大部分都开源了，并且深度学习的理论没有门槛，经典的YOLO等物体检测算法基本人人都了解，差异化不大。但是，与2D视觉形成明显对比的是，3D视觉领域依然处于供需平衡的状态，尤其是三维重建方向，更是供不应求。
2025-05-14 17:00:36
1583
2
原创 计算机视觉领域有哪些研究方向
是指用计算机实现人的视觉功能—对客观世界的三维场景的感知、识别和理解。首先我们将介绍以下四种任务分别有什么特点，以及分别在解决什么问题。解决的是“是什么”的问题。图像分类的任务便是要找出图中包含着哪些目标，如图(a)所示，图中包含 bottle、cup 和 cube 三种目标。与此任务相关的挑战包括视点变化、尺度变化、类内变化、图像变形、图像遮挡、光照条件、背景杂乱等。解决的是“是什么+在哪里”的问题。在图像分类中，我们可以知道当前图片中包含了哪些目标物体。
2025-05-14 16:48:41
753
原创 硕士论文用YOLO可以毕业吗？
是一款尖端的、最先进的模型，它在之前YOLO版本成功的基础上进行了构建，并引入了新功能和改进，以进一步提升性能和灵活性。YOLO11设计快速、准确且易于使用，使其成为各种物体检测和跟踪、实例分割、图像分类以及姿态估计任务的绝佳选择。Segmentation 官方在COCO数据集上做了更多测试：道路裂纹分割数据集是一个全面的4029张静态图像集合,专门为交通和公共安全研究而设计。它非常适合自动驾驶汽车模型开发和基础设施维护等任务。该数据集包括训练、测试和验证集,有助于精确的裂缝检测和分割。
2025-05-14 16:32:42
687
原创 程序员转行AI 应用赛道太香了！！（附攻略+资源）
而距离大模型应用最近的程序员，显然是这次浪潮中，最大的潜在获益者！无论你是正处在瓶颈期的程序员，还是想转行AI赛道的传统产品经理、测试、运维等岗位，都能帮你打通职业转型，快速开启高薪之路。行业迭代快，从事多年传统项目开发，想凭着技术赚钱，没想到，大模型时代，又开始卷AI技术了！风口之下，与其焦虑被行业淘汰，不如先人一步享受AI技术带来的红利！当下风口，谁先掌握AI应用技术，谁就能“领跑职场”，为自己创造更大的价值！甚至，不迭代自己的技术，可能大量的技术人员不到35岁就面临提前“毕业”！没有代码基础也能学！
2025-05-14 16:27:45
287
原创 读研的小伙伴选择物体检测做毕设！YOLO＋DETR目标检测算法原理解读+源码复现+训练自己的数据集，带你快速水一篇论文（速来抄作业）--深度学习|计算机视觉
读研的小伙伴选择物体检测做毕设！YOLO＋DETR目标检测算法原理解读+源码复现+训练自己的数据集，带你快速水一篇论文（速来抄作业）--深度学习|计算机视觉。
2025-05-13 16:09:22
111
原创 【算法工程师听劝】自学路上最大的坑不是不努力，而是努力错了方向！八年从事经验告诉你快速入门算法岗，去做正确的努力吧！-推荐算法|数据分析|模型部署|深度学习|
【算法工程师听劝】自学路上最大的坑不是不努力，而是努力错了方向！八年从事经验告诉你快速入门算法岗，去做正确的努力吧！-推荐算法|数据分析|模型部署|深度学习|
2025-05-13 15:55:07
72
原创 熬夜爆肝！2025CVPR新鲜出炉，60＋热门方向，600＋优质论文，可复现论文合集，原文/代码/演示应有尽有！
2025CVPR新鲜出炉，60＋热门方向，600＋优质论文，可复现论文合集，原文/代码/演示应有尽有！
2025-05-13 15:48:05
69
原创 研一，只想毕业不想搞科研，如何快速入门cv?
研一只想顺利毕业、不想搞科研，入门CV（）其实也没那么难，只要目标清晰、方法对路，稳扎稳打还是可以快速上手的！下面给你一个轻松有效的“快速CV入门指南”，让你能省事省力地完成目标。首先，要知道CV这个领域非常实用，基本就是+深度学习。如果你已经有点编程基础（比如会Python），那入门会快很多。入门路径可以从简单的图像分类、目标检测入手，这些应用在CV里很常见，项目也比较容易做出成果。
2025-05-10 14:51:01
254
原创 最强深度学习入门教程来了
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）。
2025-04-28 17:25:06
698
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