人工智能之路
关注
分享
扫一扫
文章平均质量分 82
人工智能相关内容，从学习、研究到创造；
人工智能是人类利用工具的巅峰，期待能够成为这条大路上的一块基石。
铭记北宸
PMP/VCP/Niagara Developer/信息系统项目管理师/一级建造师
【拥抱AI】
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
用ClaudeCode完善我的项目
利用ClaudeCode同时开发两个项目，相当于驱动两个资深全栈工程师开发；官方账号与第三方镜像切换使用，可以持续推进工作，避免Claude提示SessionLimit后的工作中断。完成两个复杂项目总共用时在2小时左右（排除等待AI工程师工作时间）。原创 2025-10-10 21:30:00 · 478 阅读 · 0 评论 -
如何与AI有效沟通：描述问题及提示词技巧
AI有效沟通方法论摘要 文章系统介绍了AI描述能力（Description）作为人机高效协作的核心要素，包含三大维度： 结果描述 - 明确产出物的格式、受众和风格要求 过程描述 - 详细说明完成任务的步骤和方法 行为描述 - 定义AI的互动方式和表现风格 同时提出六大基础提示技巧：提供上下文、示例示范、设定输出约束、任务拆解、预留思考空间、角色定位。通过结构化沟通框架，可将AI从基础工具升级为智能协作伙伴，显著提升交互质量。 建议通过"坏提示改造"练习掌握方法，并反思日常使用中是否全面应原创 2025-09-24 22:00:00 · 1043 阅读 · 0 评论 -
AI赋能开发小项目-使用若依前后端分离框架
根据功能清单，借助ClaudeCode、DeepSeek、ChatGPT等，完成项目的开发。包括环境搭建、业务功能开发、多分支同时开发等。原创 2025-09-09 15:37:27 · 767 阅读 · 0 评论 -
使用 n8n 结合通义千问大模型构建业务数据库分析智能体
本项目通过n8n工作流引擎与通义千问大模型构建智能数据分析系统，已完成数据库表结构解析、业务语义建模、自然语言问答等功能开发。系统已支持333张业务表的全量分析，并优化了V0.2版本引入知识库提升问答效率。当前存在输出文件命名不规范、token消耗大等问题，后续计划完成全量测试、发布应用服务，并优化结构化与非结构化数据的综合分析能力。项目运行日志和输出文件已归档，为后续迭代提供参考依据。原创 2025-09-06 20:30:00 · 1302 阅读 · 0 评论 -
火山引擎数据智能体DataAgent总结分享
本文通过“冰山模型”揭示了数据资产管理中显性与隐性问题的核心矛盾。数据资产可分为两部分：水面上的结构化数据（数据库、报表等）和水面下的数据孤岛、碎片化问题。真正阻碍数据价值释放的并非数据量不足，而是数据难以转化为可用知识。同时，技术项目存在大量隐性成本（业务流程改造、人员培训等），而AI项目失败90%源于组织原因而非技术问题。为解决这些问题，需要推动从传统BI向Data Agent的转变，实现数据与知识的双轮驱动，构建实时决策能力，最终形成从滞后洞察到实时行动的闭环。这一转型路径涵盖了技术、组织和价值评估三原创 2025-09-04 23:00:00 · 1139 阅读 · 0 评论 -
服务器部署基于Deepseek的检索增强知识库
双4090服务器部署基于DeepSeek的知识库问答应用。Conda+Ollama+MaxKB原创 2025-02-19 20:34:14 · 395 阅读 · 0 评论 -
AI-036: Google机器学习教程（ML Crash Course with TensorFlow APIs）笔记13 - 机器学习工程
13. 机器学习工程原创 2018-12-04 09:16:44 · 366 阅读 · 0 评论 -
AI-035: Google机器学习教程（ML Crash Course with TensorFlow APIs）笔记12 - 神经网络
12. 神经网络本文是Google机器学习教程（ML Crash Course with TensorFlow APIs）的学习笔记。教程地址：https://developers.google.com/machine-learning/crash-course/ml-intro原创 2018-12-04 09:14:07 · 287 阅读 · 0 评论 -
AI-034: Google机器学习教程（ML Crash Course with TensorFlow APIs）笔记11 - 逻辑回归
本文是Google机器学习教程（ML Crash Course with TensorFlow APIs）的学习笔记。教程地址：https://developers.google.com/machine-learning/crash-course/ml-intro11. 逻辑回归定义损失函数模型的评估标准...原创 2018-12-04 09:12:49 · 265 阅读 · 0 评论 -
AI-033: Google机器学习教程（ML Crash Course with TensorFlow APIs）笔记10 - 正则化
本文是Google机器学习教程（ML Crash Course with TensorFlow APIs）的学习笔记。教程地址：https://developers.google.com/machine-learning/crash-course/ml-intro10 正则化防止过耦合，降低模型复杂度而引入的计算因子。可以通过正则化率来调整模型中所有特征的权重的重要性。L1 与 L...原创 2018-11-29 22:51:13 · 239 阅读 · 0 评论 -
AI-032: Google机器学习教程（ML Crash Course with TensorFlow APIs）笔记9 - 表示法
本文是Google机器学习教程（ML Crash Course with TensorFlow APIs）的学习笔记。教程地址：https://developers.google.com/machine-learning/crash-course/ml-intro9. 表示法原创 2018-11-27 22:12:33 · 275 阅读 · 0 评论 -
AI-031: Google机器学习教程（ML Crash Course with TensorFlow APIs）笔记8 - 练习使用校验集和测试集以及评估模型
本文是Google机器学习教程（ML Crash Course with TensorFlow APIs）的学习笔记。教程地址：https://developers.google.com/machine-learning/crash-course/ml-intro8. 使用校验集和测试集以及评估模型代码及解说地址：https://colab.research.google.com/...原创 2018-11-26 21:17:55 · 304 阅读 · 0 评论 -
AI-030: Google机器学习教程（ML Crash Course with TensorFlow APIs）笔记6-7 - 练习TF实现线性回归、特征组合及离群值分离
本文是Google机器学习教程（ML Crash Course with TensorFlow APIs）的学习笔记。教程地址：https://developers.google.com/machine-learning/crash-course/ml-intro6. First Steps with TensorFlow代码及解说地址：https://colab.research...原创 2018-11-19 21:34:01 · 309 阅读 · 0 评论 -
AI-029: Google机器学习教程（ML Crash Course with TensorFlow APIs）笔记4-5 TensorFlow介绍
本文是Google机器学习教程（ML Crash Course with TensorFlow APIs）的学习笔记。教程地址：https://developers.google.com/machine-learning/crash-course/ml-intro4. TensorFlow 介绍TensorFlow是用来建立机器学习模型的计算框架；可以通过TF提供的高层API快速完...原创 2018-11-15 23:29:09 · 232 阅读 · 0 评论 -
AI-028: Google机器学习教程（ML Crash Course with TensorFlow APIs）笔记1-3 ML简介及线性回归介绍
本文是Google机器学习教程（ML Crash Course with TensorFlow APIs）的学习笔记。教程地址：https://developers.google.com/machine-learning/crash-course/ml-intro1.ML介绍（定义及构成）给出ML的直白定义常用的术语，基本的算法模型2.深入ML：线性回归从图形化、方...原创 2018-11-15 23:18:40 · 338 阅读 · 0 评论 -
AI-001 : AI 是什么？怎么才算是AI？
中文翻译是人工智能，是指机器（指代由人创造的东西）能够像人一样思考、动作。如何像人？最初就是期望模仿人有一个测试标准：图灵测试，通过图灵测试就可以认为具有人的智力。图灵测试检验了四个方面的能力：机器学习——通过与外部环境交互而学习的能力 知识表述——把学习到的内容合理的组织起来，能够成为系统的知识 自主推理——利用系统的知识可以分析、处理新的环境条件，获得近似人类的分析结果 自然...原创 2018-10-12 09:00:54 · 1742 阅读 · 0 评论 -
AI-002：AI的定位
AI是与NI相对而言：人工智能是相对动物的自然智能而言的人工智能的两类观点：AI是人类尖端技术： 机器学习(ML)与AI的关系： ...原创 2018-10-16 09:30:15 · 732 阅读 · 0 评论 -
AI-003：机器学习的基本内容
机器学习是人工智能的核心，是数据驱动的学习，是一门研究机器获取新知识和新技能，并识别现有知识的学问。目标是：通过经验（E）来获得更好的表现（P），这是个学习的过程，从而完成任务（T），比如预测污染程度；根据实现方式不同，包含监督学习、无监督学习、强化学习： 目前大放异彩的深度学习是机器学习的一个研究方向机器学习框架基础技能及工作职位...原创 2018-10-16 10:05:45 · 273 阅读 · 0 评论 -
AI-004: 吴恩达教授（Andrew Ng）的机器学习课程学习笔记1-14
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址：https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1本文中的白色背景视频截图来自Andrew Ng的视频脚程, 思维导图为原创总结。ML基础介绍，单变量的线性回归：Introduce ML...原创 2018-10-22 21:57:08 · 482 阅读 · 0 评论 -
AI-005: 吴恩达教授（Andrew Ng）的机器学习课程学习笔记15-20
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址：https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1本文中的白色背景视频截图来自Andrew Ng的视频脚程, 思维导图为原创总结。多变量的线性回归：15. Linear Regression ...原创 2018-10-22 21:57:20 · 252 阅读 · 0 评论 -
AI-006: 吴恩达教授（Andrew Ng）的机器学习课程学习笔记21-26
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址：https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1本文中的白色背景视频截图来自Andrew Ng的视频脚程, 黑色背景为个人实验。21. Octave Tutorial - Basic opera...原创 2018-10-22 21:57:36 · 223 阅读 · 0 评论 -
AI-007: 吴恩达教授（Andrew Ng）的机器学习课程学习笔记27-33
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址：https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1分类问题思维导图：27. Logistic Regression - ClassificationExample: It is not...原创 2018-10-22 21:57:51 · 396 阅读 · 0 评论 -
AI-008: 吴恩达教授（Andrew Ng）的机器学习课程学习笔记34-37
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址：https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1正则化来解决过拟合问题：34. Regularization - the problem of overfittingWhat’s overf...原创 2018-10-22 21:58:01 · 211 阅读 · 0 评论 -
AI-009: 吴恩达教授（Andrew Ng）的机器学习课程学习笔记38-47
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址：https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=138. Neural Networks - Representation - Non-linear hypothesesWhy neural ne...原创 2018-10-22 21:58:14 · 273 阅读 · 0 评论 -
AI-010: 练习：检验下正规方程
正规方程是根据样本数据和结果数据计算出参数的数学方法，公式：抱着怀疑的态度测验下，先写个假设函数：给些数据，计算输出：借助Octave的计算：pinv(X'*X)*X'*Y这样在线性回归的特征不是很多、样本不是很大时，可以直接用公式计算参数：）...原创 2018-10-22 21:58:24 · 270 阅读 · 0 评论 -
AI-011: 练习：用线性回归解决实际问题，Octave建模及求解
现在公司是做通信工程的，积累了很多工程数据，这里尝试用线性回归找出数据间规律。比如，通过项目的一些特性得出项目预算。选取了4个特征：合同工期，设备用量，线材用量，施工面积假设函数：成本函数：期望：优化方法-梯度下降：随机初始化参数，然后选择0.1作为学习效率，带入数据循环计算，求得成本函数最小；如果发现成本函数来回震荡，一直不收敛，可以尝试缩小学习效...原创 2018-10-23 21:05:37 · 882 阅读 · 0 评论 -
AI-012: 练习：用逻辑回归解决分类问题，建模及求解
逻辑回归的模型引入了比线性回归更复杂的函数，引入逻辑函数使得建设函数的值在0到1之间； 引入log函数，使得成本函数是凸函数；逻辑回归成本函数的梯度下降算法与线性回归成本函数的梯度下降算法格式一样，只是替换了假设函数。问题：建立通信工程项目的工期、用料、施工面积与工程是否盈利的模型；假设函数，y=1代表盈利，y=0代表亏损，假设函数是项目是否盈利的概率：成本函数：期...原创 2018-10-24 19:49:10 · 740 阅读 · 0 评论 -
AI-013: 吴恩达教授（Andrew Ng）的机器学习课程学习笔记48
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址：https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=148. 机器学习的建议a. 如果学习算法没有很好的预测结果，可以从几个方面优化：获得更多的训练数据 - 修复高方差 减少特征 - 修复高方差...原创 2018-10-26 09:34:10 · 256 阅读 · 0 评论 -
AI-014: 吴恩达教授（Andrew Ng）的机器学习课程学习笔记49
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址：https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=149. Machine learning system design: prioritizing what to work on: spam clas...原创 2018-10-28 13:21:38 · 325 阅读 · 0 评论 -
AI-015: 吴恩达教授（Andrew Ng）的机器学习课程学习笔记50-54
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址：https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1本节是新的监督学习分类算法：SVM-Support Vector Machines支持向量机50. Support Vector Ma...原创 2018-10-29 22:03:39 · 261 阅读 · 0 评论 -
AI-016: 吴恩达教授（Andrew Ng）的机器学习课程学习笔记55.Clustering
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址：https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=155. ClusteringUnsupervised learningK Means Algorithm is the most po...原创 2018-10-30 21:05:12 · 205 阅读 · 0 评论 -
AI-017: 练习：K-means Clustering
K-means 聚类算法：随机初始化聚类中心 计算样本所属聚类中心 根据上一步的聚类，计算各个聚类中点的均值，设置为新的聚类中心 递归2.3步骤待分类的二维数据：1. 随机初始化聚类中心，随机选择样本中的K个，K为期望的聚类中心个数：% Load an example dataset that we will be usingload('ex7data2.mat');...原创 2018-10-31 21:21:31 · 353 阅读 · 0 评论 -
AI-018: 吴恩达教授（Andrew Ng）的机器学习课程学习笔记56-60.Dimensionality Reduce with PCA
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址：https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1Two application of dimensinality reduce:Reduce the memory or disk space r...原创 2018-10-31 22:51:39 · 399 阅读 · 0 评论 -
AI-019: 练习：Image compression with K-means
目标：将一张图片通过减少颜色进行压缩； 问题描述：一张128*128的RGB图片，初始化数据是一个三纬矩阵：128*128*3，前两个纬度是点的位置，第三纬度对应RGB三色数值；每中颜色是8位取值0-255；255*255*255种颜色，使用16种颜色进行压缩；问题转换：将原始图形转换为128*128行3列的样本数据，寻找16个聚类中心进行分类，然后将原来样本替换为聚类中心，重绘图形...原创 2018-11-01 21:28:43 · 229 阅读 · 0 评论 -
AI-020: 练习：PCA
练习1：将2维数据通过PCA降为1维过程：原始数据归一化处理 计算协方差 计算新的特征向量 将原始数据映射到新的特征向量 反向恢复数据，对比验证50*2数据：原始数据归一化处理 % variable X in your environmentload ('ex7data1.mat');% Before running PCA, it is importan...原创 2018-11-01 21:28:53 · 184 阅读 · 0 评论 -
AI-021: 吴恩达教授（Andrew Ng）的机器学习课程学习笔记61-68. Anomaly detection
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址：https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1异常侦测：61. Anomaly detection – Problem motivationNew data is anom...原创 2018-11-03 22:16:43 · 284 阅读 · 0 评论 -
AI-022: 吴恩达教授（Andrew Ng）的机器学习课程学习笔记69-74. Recommender system
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址：https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1推荐系统：69. Recommender systems – problem formulation自动填补上面的空白，从而根据用...原创 2018-11-05 22:55:13 · 466 阅读 · 0 评论 -
AI-023: 吴恩达教授（Andrew Ng）的机器学习课程学习笔记75-80. Large scale ML
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址：https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1处理大规模数据：75. Large scale machine learning – learning with large datasets...原创 2018-11-05 22:55:23 · 219 阅读 · 0 评论 -
AI-024: 吴恩达教授（Andrew Ng）的机器学习课程学习笔记81-84. Application Example : Photo OCR
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址：https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1通过Photo OCR-照片光学文字识别来综合讲述一个机器学习例子：81. application example – photo OCR –...原创 2018-11-05 22:55:33 · 252 阅读 · 0 评论 -
AI-025: 练习：Anomaly Detection
通过数据的高斯分布来判断新数据是否是异常，步骤：根据公式计算高斯参数：mu和sigma 计算交叉验证数据的F1 score评估，来获取最优阈值epsilon 通过1、2获取的参数，可以预估新数据的数值；原始数据：数据分布：1. 根据公式计算高斯参数：mu和sigmaestimateGaussian.mfunction [mu sigma2] = estimate...原创 2018-11-06 21:33:26 · 369 阅读 · 0 评论