- 博客(27)
- 收藏
- 关注
RSS订阅原创 【CV第一篇】计算机视觉四大基本任务
【CV第一篇】计算机视觉四大基本任务修炼一途，乃窃阴阳，夺造化，转涅槃，握生死，掌轮回。武之极，破苍穹，动乾坤！！——《武动乾坤》计算机视觉（Computer Vision，CV）是一门研究使机器如何"看"的学科，换句话说，就是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！计算机视觉涵盖的内容丰富，需要完成的任务也非常多，但其中最基本的任务包含四项：分类、定位、检测和分割；可以说其他关键任务都是在四项基本任务的基础上延伸开来的。1、【分类】
2026-04-13 17:04:33
65
原创 深度学习的完整学习路径是什么？分阶段学哪些内容？（收藏版）
性价比最高的是：Python（工具）、PyTorch（框架）、项目实践（核心）。大家好，我是唐宇迪，这些年，我带过上千名学员从零基础转行深度学习领域，从程序员小白到算法工程师、数据科学家，甚至是大厂AI岗位。我会用通俗语言讲清企业真正要什么技能、零基础最短路径、分阶段内容（每个阶段配时间、项目、简历点、面试准备），帮你避坑、快出成果。每个阶段突出：学什么、为什么学、怎么学、时间规划、成果输出（项目、简历、面试）。路径分5阶段：入门（打基）、基础（建模）、进阶（优化）、实战（项目）、求职（冲刺）。
2026-04-13 17:03:35
51
原创 机器学习与深度学习的区别是什么？常见问题全解析
教师到财务、数据工程师或ML工程师的offer我专注AI转行求职辅导这些年，、文员，带过上千名零基础学员从非科班背景转入AI领域，，他们中很多人一开始对机器学习和深度学习一头雾水，，但通过精准方向选择和求职指导从销售、几个月就拿到了算法助理。举例轻松过关，，先学ML2个月做分类项目，我一个文员背景学员，面试时讲“怎么用决策树处理数据不均衡”，。- 学员案例：原程序员学员，有ML基，转DL，5个月做生成AI项目，入职腾讯香港分部，年薪HKD 55k。他说：“先ML稳，再DL冲，offer来得快。
2026-04-13 17:02:26
116
原创 新手必读：零基础转行大模型选哪个岗位方向最易上手？
最落地最真诚的话，企业最缺人讲透、不讲玄学，、最容易出作品把零基础转行大模型、、、不画大饼只用最通俗到底哪个岗位最容易上手，、不堆名词。、、数学早就忘光这些年想冲进当下最有前景：、我每天接触最多的却不甘心困在原来的岗位薪资最可观的大模型行业，就是这样一群人，，，、零基础没写过几行代码非科班。科技公司、、做客服的做文员的、数学很好、但最后很多人顺利入职AI公司：、，、有做行政的、传统企业的AI部门做流水线管理的做教育机构老师的……、数据大部分都坚持下来，、凡是从提示词RAG低代码切入的，并且入职了。
2026-04-13 17:02:05
142
原创 如何让AI Agent从Demo走向生产级系统
简单说就是你拿到offer后能不能快速上手干活儿做项目，至于学历背景，本科以上基本满足大部分公司的绝大部分职业方向门槛了。下面我直接把我当时走通的路线讲明白，你照这个节奏去做，基本不会偏。刚开始我也是无从下手，眉毛胡子一把抓，今天学Prompt，明天学LangChain，后天看RAG，学完感觉懂了，一到上手做就做不出来。后面一个偶然的机会我去听了一个腾讯、字节等大厂高p联合研发的LLM应用开发公开课，才发现Agent开发学习路线原来这么清晰！
2026-04-13 17:00:12
114
原创 五大AI Agent模式适用场景分析：选型指南
例如数据分析场景中，模型生成Python脚本用于生成表格、绘制图表，再输出执行结果。相比自然语言回答，精准性和可复现性更高，但对执行环境要求高，需在隔离受控环境中运行以规避风险。会根据问题选择召回策略、决定是否多次搜索、过滤重复结果，还能将高价值信息回写知识图谱库。相较传统RAG，事实性、一致性和上下文控制更优，适合企业内部知识问答、查阅最新资料等场景。模型生成初稿后，自我审查评估并修正问题，得到更新版本。
2026-04-13 16:57:52
218
原创 Human-Agent Engineering理念：如何理解斯坦福这门课
二、十周课程：从原理到实战课程设计覆盖了 AI 辅助开发的完整生命周期。以下是每周的关键主题：第 1-2 周：LLM 基础与 Agent 架构从 LLM 的工作原理讲起，深入 Prompt Engineering 的实战技巧，然后进入 Agent 架构的关键概念——工具调用、函数调用、Model Context Protocol (MCP)。第二周的作业是从零构建一个 Coding Agent，并搭建自定义的 MCP Server。第 3-4 周：AI IDE 与 Agent 管理。
2026-04-13 16:55:47
208
原创 Agent的记忆系统设计：短期/长期/向量三重记忆
优点是推理轨迹清晰，便于追溯；最近两年，大家都可以看到AI的发展有多快，我国超10亿参数的LLM，在短短一年之内，已经超过了100个，现在还在不断的发掘中，时代在瞬息万变，我们又为何不给自己多一个选择，多一个出路，多一个可能呢？学习AILLM是一项系统工程，需要时间和持续的努力。但随着技术的发展和在线资源的丰富，零基础的小白也有很好的机会逐步学习和掌握。例如数据分析场景中，模型生成Python脚本用于生成表格、绘制图表，再输出执行结果。
2026-04-13 16:54:16
289
原创 AI Agent面试需要刷题吗：算法与编程题准备
我就是双非野鸡二本经济学转Agent的，结果把 Agent 这条路跑通之后，简历项目亮点直接写满，后面成功拿到offer30kLLM工作最近还发了2w多的年终奖，舒坦！简单说就是你拿到offer后能不能快速上手干活儿做项目，至于学历背景，本科以上基本满足大部分公司的绝大部分职业方向门槛了。下面我直接把我当时走通的路线讲明白，你照这个节奏去做，基本不会偏。后面一个偶然的机会我去听了一个腾讯、字节等大厂高p联合研发的LLM应用开发公开课，才发现Agent开发学习路线原来这么清晰！
2026-04-13 16:52:45
321
原创 AI Agent开发学习资源盘点：免费与付费课程对比
就像十几年前移动互联网刚兴起的时候，那时候会搞安卓APP的人，哪怕学历不高，现在很多都成了大佬。现在是AI Agent的黄金窗口期，需求大，但能踏踏实实干实事的人太少。你要做的就是能成为那个能干活的人。“钱景”是肯定有的，重点是怎么拿到offer。现在这行正处于爆发期，月薪3-4w很常见，搞得好年薪80万往上都有可能，大量高薪酬待遇岗都在招，我们这种中小厂都能给到40w税后。不用太纠结学历，AI Agent是最近一两年才火起来的，是一个全新的领域，能有落地项目经验的同学少之又少么，基本都靠自学。
2026-04-13 16:51:16
330
原创 AI Agent vs 元宇宙：为什么它不是泡沫
【本段核心】如果实在没啥项目阅历，能够看看知乎知学堂的AILLM研发课，最为讲的就是ai agent的使用研发，除了模型调用、对接、搭建外，还有很多「实战项目」拆解，自己做完能够写到简历里，求职面试的时候也不虚。【本段核心】现在很多公司都在入局AI，ai agent研发需求很大，“钱景”吊打普通研发者。说直接一点，如果你是刚入行的小白，一年能拿个二三十万。
2026-04-13 16:49:46
215
原创 LLM岗位求职指南：核心技术岗与应用岗如何选择
作为LLM领域的“关键技术担当”，最为负责设计、优化和模型训练大规模预模型训练模型，例如改进Transformer架构、融合多模态模型、实现模型压缩与加速等。从我们日常接触的NLP（例如聊天机器人）、计算机视觉（例如人脸识别），到企业端的智能推荐、金融风控，LLM技术正在悄悄重构传统行业的运作模式，也催生了大量高薪酬待遇职业方向。在当下求职就业竞争激烈的环境里，想要实现年薪百万的目标，AI技术LLM赛道，甚至比传统互联网行业更有优势，成为了很多开发者和职场人的“新出路”。
2026-04-07 13:51:37
27
原创 LLM岗位分化：研究岗vs业务算法岗，你选哪条路
以前我们是用一个复杂的Deep Learning模型（例如DIN, DIEN）去猜用户可能喜欢什么商品，现在是直接把用户的行为序列（点了啥、买了啥）当成一种“语言”，扔给LLM，让LLM去“理解”这个用户的品味和意图。你能把你做过的项目，像上面这样，把遇到的问题、你的尝试、你的思考、最后的效果给说明白了，这比你简历上挂一个不相关的论文要有说服力得多。你的项目经历，就是你最好的“论文”。尤其在企业侧，尤其是业务落地的LLM算法，不是做基础模型架构研究的那帮团队，对口论文的硬性要求没你想象的那么严。
2026-04-07 13:51:34
40
原创 LLM就业方向全景图：从算法到应用的全产业链机会
作为LLM领域的“关键技术担当”，最为负责设计、优化和模型训练大规模预模型训练模型，例如改进Transformer架构、融合多模态模型、实现模型压缩与加速等。从我们日常接触的NLP（例如聊天机器人）、计算机视觉（例如人脸识别），到企业端的智能推荐、金融风控，LLM技术正在悄悄重构传统行业的运作模式，也催生了大量高薪酬待遇职业方向。在当下求职就业竞争激烈的环境里，想要实现年薪百万的目标，AI技术LLM赛道，甚至比传统互联网行业更有优势，成为了很多开发者和职场人的“新出路”。
2026-04-07 13:51:31
26
原创 LLM实习求职面试：Embedding模型选型实战
以前我们是用一个复杂的Deep Learning模型（例如DIN, DIEN）去猜用户可能喜欢什么商品，现在是直接把用户的行为序列（点了啥、买了啥）当成一种“语言”，扔给LLM，让LLM去“理解”这个用户的品味和意图。你能把你做过的项目，像上面这样，把遇到的问题、你的尝试、你的思考、最后的效果给说明白了，这比你简历上挂一个不相关的论文要有说服力得多。你的项目经历，就是你最好的“论文”。尤其在企业侧，尤其是业务落地的LLM算法，不是做基础模型架构研究的那帮团队，对口论文的硬性要求没你想象的那么严。
2026-04-07 13:51:29
28
原创 LLM实习保底策略：搜广推转LLM的可行性
第二，他自己搭了个小规模的 RAG pipeline，把法条知识嵌进去给法律咨询用。结果是，他收到了两家大厂的LLM应用算法实习 offer，虽然公司内部顶尖基础模型组他进不去，但落到业务层的LLM团队完全没问题。这就是典型的“不靠论文，靠项目能打”路径。LLM业务岗要看你打算切哪个层：模型研发层（模型结构、模型训练算法创新）——这对标大厂研究部门或者 Lab，拼的就是顶会论文、研究经历、开源贡献。没有论文很难硬刚，有也得是对口的。模型应用/后模型训练层（SFT、RLHF、RAG、embedding 优化）
2026-04-07 13:51:26
41
原创 LLM五大就业方向薪资对比：哪个岗位最有前景
作为LLM领域的“关键技术担当”，最为负责设计、优化和模型训练大规模预模型训练模型，例如改进Transformer架构、融合多模态模型、实现模型压缩与加速等。从我们日常接触的NLP（例如聊天机器人）、计算机视觉（例如人脸识别），到企业端的智能推荐、金融风控，LLM技术正在悄悄重构传统行业的运作模式，也催生了大量高薪酬待遇职业方向。在当下求职就业竞争激烈的环境里，想要实现年薪百万的目标，AI技术LLM赛道，甚至比传统互联网行业更有优势，成为了很多开发者和职场人的“新出路”。
2026-04-07 13:51:23
54
原创 LLM业务算法求职面试：老板想听到什么样的项目
第二，他自己搭了个小规模的 RAG pipeline，把法条知识嵌进去给法律咨询用。结果是，他收到了两家大厂的LLM应用算法实习 offer，虽然公司内部顶尖基础模型组他进不去，但落到业务层的LLM团队完全没问题。这就是典型的“不靠论文，靠项目能打”路径。LLM业务岗要看你打算切哪个层：模型研发层（模型结构、模型训练算法创新）——这对标大厂研究部门或者 Lab，拼的就是顶会论文、研究经历、开源贡献。没有论文很难硬刚，有也得是对口的。模型应用/后模型训练层（SFT、RLHF、RAG、embedding 优化）
2026-04-07 13:51:20
24
原创 LLM业务算法岗：老板最看重什么能力
以前我们是用一个复杂的Deep Learning模型（例如DIN, DIEN）去猜用户可能喜欢什么商品，现在是直接把用户的行为序列（点了啥、买了啥）当成一种“语言”，扔给LLM，让LLM去“理解”这个用户的品味和意图。你能把你做过的项目，像上面这样，把遇到的问题、你的尝试、你的思考、最后的效果给说明白了，这比你简历上挂一个不相关的论文要有说服力得多。你的项目经历，就是你最好的“论文”。尤其在企业侧，尤其是业务落地的LLM算法，不是做基础模型架构研究的那帮团队，对口论文的硬性要求没你想象的那么严。
2026-04-07 13:51:18
140
原创 LLM Agent落地实战：5个让你夜不能寐的工程难题
最根本的挑战是 LLM 推理的不确定性，传统软件是确定性执行，但 Agent 的每一步都由概率模型驱动，同样的输入可能产生不同的输出。因为 Agent 的执行过程是多步串联的——每一步的输出是下一步的输入，如果某一步出了偏差，后面所有步骤都可能在错误的基础上越走越偏。第一是任务规划与分解，让 Agent 把一个高层任务合理拆解成可执行的子步骤非常困难，分解粒度、步骤间的依赖关系、以及执行中的动态调整都是难点，实践中我们常用 Plan-and-Execute 分离或 ReAct 逐步推进来应对。
2026-04-07 13:51:15
81
原创 Java程序员转型大模型开发：一个月涨薪40%的真实经历
看到同事靠大模型开发拿到高薪offer，你还在犹豫自己不是AI专业？作为一名普通后端开发，我曾经也认为大模型开发高不可攀——直到亲眼目睹同组Java同事仅用一个月就成功转型大模型应用开发，薪资涨幅40%。。现在，我要分享一条专门为设计的实战路径，让你即使零基础，也能在短时间内掌握大模型应用开发的核心技能。一、破除迷思：为什么非AI程序员更容易上手大模型应用开发？“我没有AI背景，能学会大模型开发吗？最关键的是项目实践，把大模型API用起来，边做边学**。我接的第一个项目是知识库问答，三周就交付了。
2026-04-07 13:51:11
83
原创 Java卷到飞起？985硕士都在转大模型了
这时候能快速搭建可落地的解决方案的人就特别吃香，可能只需要把开源模型微调下，做个增强检索，再设计好业务流程中的提示词，就能解决他们80%的痛点。当下的大模型落地进程，依然处于初期阶段，正是百废待兴的时候。尤其B端，现在很多企业的情况很有意思，手里攥着预算想搞智能化，但既不敢all in大模型，又不甘心只做表面功夫。但是算法的话还是算了吧，你去看看那些大厂算法岗招聘，清一色要求顶会论文+名校PhD，现在这行情，要是没个PhD头衔，连训练模型的显卡都摸不着。Java就算了吧，太卷了，尤其现在大环境下，更卷了。
2026-04-07 13:51:09
143
原创 HuggingFace模型库：46万加预训练模型下载与使用
基于大模型进行应用开发或提供服务，一般来说具有两种模式：模式一，大模型由第三方构建和维护，应用开发者（团队）一般不需要了解模型构建和部署的相关细节，不必了解 Transformer 架构，不必了解模型的训练过程，遵循既定协议调用模型 API 即可。模式二，大模型由开发者构建和维护，应用开发者（团队）的门槛会更高一些，需要懂得如何将模型进行加载和运行，甚至从头进行训练和微调，Transformer、DataSet、PyTorch/TensorFlow 等机器学习和神经网络的机制原理知识恐怕也是多多益善。
2026-04-07 13:51:07
207
原创 HuggingFace Transformer入门：如何加载第一个大模型
HuggingFace Transformer 框架向上可以兼容 BERT、GPT、T5、LLaMA、Alpaca、Baichuan 等数千个预训练大模型，向下可以兼容 PyTorch、TensorFlow、JAX 三个最热门的深度学习库（可以直接使用一个框架训练模型，然后用另一个加载和推理）。架构优雅，每个定义的 Python 模块均完全独立，方便使用者修改和快速研究实验。拥有统一的接口规范，使用者可以很方便的进行模型下载、使用和共享。可以使用 pip 或 conda 安装 Transformer 包。
2026-04-07 13:51:04
307
原创 HuggingFace Transformers：BERT、GPT、T5统一接口详解
自然语言处理（Natural Language Processing，NLP），包括文本分类、命名实体识别、问答、语言建模、摘要、翻译、多项选择和文本生成等任务场景。计算机视觉（Computer Vision，CV），包括图像分类、目标检测等任务场景音频处理（Audio），包括自动语音识别和音频分类等任务场景。多模态（Multimodal），包括表格问答、光学字符识别、从扫描文档提取信息、视频分类和视觉问答等任务场景Gradio，用于快速创建交互式 UI，以便展示和演示机器学习模型的工作方式。
2026-04-07 13:51:02
432
原创 HuggingFace Transformers架构：三大框架统一接口设计
基于大模型进行应用开发或提供服务，一般来说具有两种模式：模式一，大模型由第三方构建和维护，应用开发者（团队）一般不需要了解模型构建和部署的相关细节，不必了解 Transformer 架构，不必了解模型的训练过程，遵循既定协议调用模型 API 即可。模式二，大模型由开发者构建和维护，应用开发者（团队）的门槛会更高一些，需要懂得如何将模型进行加载和运行，甚至从头进行训练和微调，Transformer、DataSet、PyTorch/TensorFlow 等机器学习和神经网络的机制原理知识恐怕也是多多益善。
2026-04-07 13:50:59
170
原创 HuggingFace Evaluate+Label Studio：LLM评测工具链
作为LLM领域的“关键技术担当”，最为负责设计、优化和模型训练大规模预模型训练模型，例如改进Transformer架构、融合多模态模型、实现模型压缩与加速等。从我们日常接触的NLP（例如聊天机器人）、计算机视觉（例如人脸识别），到企业端的智能推荐、金融风控，LLM技术正在悄悄重构传统行业的运作模式，也催生了大量高薪酬待遇职业方向。在当下求职就业竞争激烈的环境里，想要实现年薪百万的目标，AI技术LLM赛道，甚至比传统互联网行业更有优势，成为了很多开发者和职场人的“新出路”。
2026-04-07 13:50:57
325
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