- 博客(148)
- 收藏
- 关注
RSS订阅原创 微信小程序基础开发实战 4 JavaScript与数据绑定实战
本章深入实践了小程序中JavaScript与数据绑定的基本机制，提供了实用的电影评分短评案例，结合生命周期、事件处理、数据绑定三大核心内容，帮助你更好地理解小程序开发技巧。运行程序，查看开发工具控制台输出，以理解各生命周期函数执行时机。启动小程序，输入框输入内容时，文本实时显示输入内容。
2025-04-05 21:18:23
136
原创 微信小程序基础开发实战 1 待办事项小程序
本文通过一个简单实战项目「待办事项小程序」，讲解微信小程序开发的基础知识，包括页面构建、组件使用和数据绑定。本文完成后，你将能够自行创建和调试简单的小程序，并理解小程序开发的基本框架和数据交互逻辑。
2025-04-05 16:00:56
486
原创 微信小程序开发入门 2 快速创建第一个小程序
本实战实现一个简单的小程序，在页面中显示“Hello World”文字，以及一个按钮点击后弹出提示框。
2025-04-05 15:44:20
126
原创 微信小程序开发入门 6 页面导航与生命周期
在微信小程序中，页面是构建应用的基本单元。理解页面之间的跳转方式以及小程序和页面的生命周期函数，是构建高质量小程序的基础。
2025-04-01 17:55:14
384
原创 微信小程序开发入门 5 组件开发与使用
视图类viewswiper表单类buttoninputcheckbox媒体类imagevideoaudio我们创建一个名为myButton默认显示蓝色按钮，点击后变绿色支持父页面传入按钮文字点击按钮后触发自定义事件，通知父页面。
2025-04-01 17:05:37
620
原创 微信小程序开发入门 4 页面开发基础
本章节将详细介绍微信小程序开发中页面的基础知识，包括页面布局（WXML）、样式开发（WXSS）和逻辑交互与数据绑定（JavaScript）。通过本章节的学习，你将能够创建结构清晰、样式美观且功能完善的小程序页面。WXML（WeiXin Markup Language）是小程序专用的页面结构语言，类似于HTML，主要用来描述页面结构。通过上述基础知识，你能够快速构建出清晰、易用的小程序页面，掌握数据的动态交互方式，形成扎实的微信小程序开发基础。数据绑定使页面与数据状态实时同步。
2025-03-31 20:56:46
200
原创 微信小程序开发入门 1 简介和开发环境搭建
微信小程序（WeChat Mini Programs）是腾讯微信推出的一种无需安装即可使用的轻量级应用。用户可以直接通过微信界面扫码、搜索或点击链接即可打开并使用，无需下载、安装。小程序在使用体验上接近原生App，但开发成本低、推广简单，非常适合移动互联网的轻便使用场景。
2025-03-31 20:10:23
974
原创 DeepSeek初学教程 8 开发案例综合实战 - AI 写作助手
本案例将指导你基于 DeepSeek API 构建一个实用的自动化内容创作工具（AI写作助手）。该工具适用于写作工作者、内容创作者、自媒体运营人员，可以通过少量提示快速生成高质量的内容大纲、创意标题、文章段落，甚至完整的博客或短文。
2025-03-20 19:07:46
1293
原创 DeepSeek初学教程 7 开发案例综合实战 - 智能聊天机器人
在本案例中，我们将详细讲解如何基于 DeepSeek API 快速构建一个智能聊天机器人，帮助用户实现对话交互，并给出完整的开发与部署流程。
2025-03-20 16:40:27
1021
原创 DeepSeek初学教程 6 与 Django 快速集成
通过本教程，我们实现了 DeepSeek API 在 Django 框架中的快速集成，并掌握了如何在 Django 中调用 API 并提供服务接口的方法。你现在已经具备了在 Django 应用中集成和开发智能对话服务的基础能力。
2025-03-20 13:21:14
641
原创 DeepSeek初学教程 5 与 Flask 快速集成教程
本文将手把手教你如何快速地将与流行的 Python Web 框架集成，实现智能对话接口。通过本教程，你能迅速掌握基本方法，并应用到自己的项目中。
2025-03-20 12:56:42
597
原创 DeepSeek初学教程 4 与 FastAPI 快速集成
本文将带你从零开始，快速掌握如何将 DeepSeek API 与高效的 Python Web 框架 FastAPI 集成，通过简单易懂的实例，一步步完成 API 服务的搭建，轻松实现人工智能交互接口。
2025-03-20 12:44:32
665
原创 DeepSeek初学教程 3 与 Python 工程集成
本系列文章将逐步介绍如何将 DeepSeek API 集成到不同的技术框架和开发环境中，帮助你快速掌握如何将 DeepSeek 的强大功能应用到实际项目中。本篇文章，我们首先介绍最基础、也是最常用的——如何在 Python 工程中调用并封装 DeepSeek API。
2025-03-20 10:04:04
758
原创 DeepSeek初学教程 2 API 基础用法
本节内容将帮助你掌握 DeepSeek API 的基础使用，包括如何通过代码调用 DeepSeek API，以及理解 API 中各个重要参数的作用。
2025-03-19 20:46:22
788
原创 DeepSeek初学教程 1 概述与入门
DeepSeek是一个由深度求索（DeepSeek）公司开发的大规模语言模型（LLM）平台，提供智能化文本生成、编程辅助、数学求解、聊天机器人等能力。它以强大的推理与生成能力，满足不同领域的用户需求，为开发人员和企业提供灵活易用的API服务。专精特定领域特别适合程序员、数学领域的专用任务。友好的中文支持对中文的处理更优化，中文文本的生成质量更高。高性价比更具成本效益的定价策略和更便捷的 API 接入方式。
2025-03-19 20:36:42
1082
原创 《AI赋能指南：非IT职场人的OpenAI实战手册》
本系列教程共分为三个部分，每部分下又拆分成若干节，每节控制在半小时左右，让你可以有条不紊、循序渐进地完成学习和实操。在这个智能时代，越来越多的工作场景都离不开人工智能的支持。尤其是OpenAI的出现，让人们看到了AI在内容创作、文案撰写、数据分析等方面巨大的潜力。随着你不断深入学习，会逐渐发现OpenAI不仅能减少你日常工作的重复劳动，也能激发更多创意，让工作成果更加出色。如果你对AI的未来充满期待，又想给自己的工作“加一点科技buff”，就让我们一起踏上这段学习之旅。快来解锁AI为你带来的高效与创意吧！
2025-03-19 11:23:35
809
原创 Scikit-learn 零基础学习教程 7 - 机器学习项目实战
但在现实世界中，我们如何把这些知识真正应用起来？比如，从原始数据开始，一步步清洗、分析、建模，最后真正让它投入使用？这里，我们假设小明已经收集了一份顾客的历史消费数据，存储在。现在，你可以向 Flask 服务器发送请求，让它帮你预测消费金额。可以帮助我们检查数据类型，有没有缺失值，是否需要转换格式。，如果我们不处理，训练模型时可能会报错，或者导致预测不准确。这一章，我们将通过一个完整的项目，带你体验从。，让你的机器学习知识真正落地！，明显是异常值，我们需要去除。，我们需要用回归算法来解决。
2025-03-02 21:44:51
851
原创 Scikit-learn 零基础学习教程 6 - 聚类顾客精准营销
原来，我的顾客不只是忠实和高价值这么简单！他们可以进一步分成**‘忠实但低消费’、‘高价值但低频’、‘忠实且高价值’**，我可以用不同的方法来营销他们。“如果我能找到‘高消费但不常来’的顾客，那我可以发给他们特别的优惠券，让他们更常来！在商业世界里，不是所有顾客都一样的，他们有不同的消费习惯、喜好和需求。“我现在知道了哪些顾客是忠实顾客，哪些是高价值顾客。我们现在用 K-Means 聚类，把小明的 100 位顾客分成。，看看不同类型的顾客有什么特点，然后针对他们。“我希望能把我的顾客。
2025-03-02 19:05:28
869
原创 Scikit-learn 零基础学习教程 5 - 监督学习（回归）预测销量
“每天的销量总是不稳定，有时候面包卖光了，顾客来了买不到；如果能提前预测明天的销量，我就能控制生产，避免浪费！“原来天气、促销和昨天的销量对明天的销量影响这么大！现在，我们让小明使用 Python 训练一个线性回归模型，来预测每日销量。来预测每天的销量，并通过数据分析和模型优化来提高预测精度。下一步，我们将探索如何优化模型，提高预测准确率！是预测每天的销量（具体数值），所以我们要用。这样，我们就能利用天气指数预测未来的销量！的散点图，我们会发现数据点大致呈。所以，我们的回归模型的。
2025-03-02 16:12:32
842
原创 Scikit-learn 零基础学习教程 4 - 监督学习（分类）——识别忠实客户
如果“忠诚会员”比例很小，光看准确率可能会被数据不平衡蒙蔽。（所有真实 1 里有多少被抓到）来判断是否漏掉了大量真正的老顾客。：想知道哪些顾客最可能复购，并在他们下次进店前发优惠券或者邀请。这就属于标准的二分类问题（1 = 回头客，0 = 一次性顾客）。（预测的 1 里有多少是真的）和。
2025-03-02 14:45:12
190
原创 Scikit-learn 零基础学习教程 3 - 数据准备与预处理
当你有大量特征工程步骤、还需要交叉验证或网格搜索时，Pipeline 能让你在一个流程中统一处理，避免漏掉测试集的匹配操作。读取 CSV 或 Excel，然后再用 Scikit-learn 进行机器学习相关的操作。将这些步骤与模型“串”起来，这样既方便管理，也防止忘记对测试集做相同的处理。、日期格式不统一、类别字段写成中文、拼写错误等都很常见。有些模型（如线性回归、KNN、SVM 等）对特征量纲比较敏感，如果。：在这里就能看到一些现实中的“脏数据”，比如。范围是几千到几万，就需要做标准化或归一化。
2025-03-02 10:53:21
342
原创 Scikit-learn 零基础学习教程 2 - 机器学习基础概念
那我就先拿以前两个月的数据来训练，再用最近几天的数据来测试效果，这样就能知道你们说的“预测”到底准不准了，是吧？来进行调参或对模型结构做选择。本教程的示例中，大多以。进行训练/测试的二分法为主，有需要时再做进一步拆分。你这就是在实践机器学习的基本思路呢。有时，我们还需要额外的。
2025-03-02 10:45:03
267
原创 Scikit-learn 零基础学习教程 1 - 初识 Scikit-learn
话说在某个城市的街角，小明开了一家名叫“甜蜜工坊”的烘焙店。本来生意红红火火，谁知没过多久，客流竟慢慢减少。无奈之下，小明决定寻求我的帮助。：兄弟，能用电脑帮我“算算生意”不？听说“人工智能”挺厉害，可以预测销量，还能瞄准客户群体。：这正是我的研究方向！把你最近的销售数据和顾客信息都给我吧，我用 Python 里的 Scikit-learn 来给你分析分析！于是，小明交给我一堆 CSV 表格，里面记录了门店日常销量、顾客年龄、喜好等详细信息。我们的之旅由此拉开帷幕。
2025-03-02 10:39:06
561
原创 Python 科学计算生态入门 4 - Matplotlib 数据可视化实战
在数据分析和机器学习的工作流程中，数据可视化是必不可少的一环。不仅能让我们快速地发现数据中的规律、异常或趋势，也能帮助我们生动地向他人展示分析结果。而在 Python 生态中，是最基础也最常用的可视化库之一。它给我们提供了绘制折线图、柱状图、散点图、饼图、直方图等常见图表的方法。下面，我们将通过大量的简单示例，循序渐进地介绍 Matplotlib 的核心要点，让你在实际项目中也能得心应手地使用它。
2025-03-02 10:14:13
684
原创 Python 科学计算生态入门 3 - Pandas 数据分析入门
通过以上内容与示例，相信你对 Pandas 在数据分析中的地位和用法已经有了初步的了解。从创建 DataFrame、读取不同格式的数据，到数据清洗、分组聚合、合并连接，这些功能几乎覆盖了日常数据处理的大部分需求。但 Pandas 能做的还远不止于此——处理时间序列、透视表 (pivot_table)、高级索引 (MultiIndex)……在深入研究之后，你会发现 Pandas 是一个帮助你轻松面对海量数据、快速洞察业务价值的利器。祝学习顺利，也期待你在完成练习后能独立打造更多实用的数据分析项目！
2025-03-02 09:41:20
596
原创 Python 科学计算生态入门 2 - NumPy 基础与示例
多维切片：初学者常常对多维切片有些晕，只要记住[行范围, 列范围, ...]的格式即可。确认清楚是“从第几行到第几行”（start 行到 stop-1 行），以及列的切片同理。广播机制：理解广播前，最好先确认数组各维度的形状是否兼容；遇到报错可以先reshape一下让两者形状更匹配。reshape()通常只改变数组的“视图”，不复制数据；flatten()会新建一个一维数组的副本，适合需要保留原数组同时获得一维副本的场景。
2025-03-01 21:21:37
852
原创 Python 科学计算生态入门 1 - 基础环境与管理
选择发行版还是官方 Python？如果你比较熟悉 Python 并且想自己精确掌控，官方 Python 搭配venv + pip是不错的组合；如果你想“一次安装搞定常用工具”，且对硬盘占用不敏感，Anaconda/Miniconda 让你更省力。pip 与 conda 的关系有时两者会安装到同一个环境里，容易产生混淆。最好能在一个环境里优先使用同一包管理器，比如在 conda 环境中也能使用大多数常见库（或者在有些场景下要用安装不存在于 conda 源的库）。
2025-03-01 18:33:12
887
原创 自然语言处理NLP入门 -- 第十一节NLP 实战项目 3: 文本摘要
还记得小时候我们要写“读后感”或“观后感”吗？看完一篇长长的文章、一本书，甚至一部电影后，老师总是要我们用几句话概括主要内容。其实，这就跟。
2025-03-01 17:07:55
977
原创 自然语言处理NLP入门 -- 第十节NLP 实战项目 2: 简单的聊天机器人
通过以上两种方案的示例，你已经了解如何做一个初步可用的聊天机器人。除了以上通用流程，不同的实现会稍微有不同的细节。它能帮我们快速回复常见问题，让用户获得及时的帮助，并在一定程度上减少人工客服的压力。它的原理很直接：对用户输入进行简单匹配，然后返回事先准备好的答复。如果你不想依赖太多库，也不想担心 Python 版本的问题，可以先尝试。在互联网时代，我们日常接触到的“在线客服”“自动问答”等，大多是以。做聊天机器人，是个非常有趣且容易出成果的方式。一起传给 GPT，让它“记住”之前的交互。
2025-03-01 14:44:50
1173
原创 自然语言处理NLP入门 -- 第九节NLP 实战项目 1：情感分析系统
在互联网时代，人们每天会在社交媒体、论坛、产品评价等平台上发表海量的评论和观点。这些文本数据蕴含了大量价值，其中一个重要的方向就是“情感分析（Sentiment Analysis）”。情感分析旨在判断文本背后所表达的主观情绪，如“正面”、“中性”或者“负面”，或者更细致地判断不同情绪强度，如“非常满意”、“满意”、“一般”、“不满”、“愤怒”等。
2025-03-01 09:49:41
909
原创 自然语言处理NLP入门 -- 第八节OpenAI GPT 在 NLP 任务中的应用
我们并不需要深入了解 Transformer 的所有数学细节，只要知道它是一种基于自注意力（Self-attention）机制的模型，在学习语句间的依赖关系时非常有效。在前面的学习中，我们已经了解了如何使用一些经典的方法和模型来处理自然语言任务，如文本分类、命名实体识别等。希望你能通过本章的学习，初步掌握如何集成 GPT 模型到你的实际项目中，为后续更复杂的应用打好基础。：相比传统的分类器，需要先拿到大量的正负样本并训练模型，GPT 的好处在于。等参数，你会发现 GPT 生成的内容会有不小的差异。
2025-02-28 21:53:12
697
原创 自然语言处理NLP入门 -- 第七节预训练语言模型
掌握了这些，你就能灵活运用现有的大模型来完成各种NLP任务，再也不用从零写代码、找海量数据、苦哈哈地训练啦！的工具快速完成“加载分词器—>转成张量—>前向传播—>预测结果”这四步。我们还提到，如果想“训练”或“微调”，需要多加“计算损失”和“反向传播”这两个步骤。上面的代码只做了“推理”（预测结果）。这个流行的Python库，去调用“预训练好的BERT模型”做文本分类，比如判断一句评论是“正面”还是“负面”。为了解决这个难题，就出现了“的基本概念，认识了BERT、GPT、T5这三位“明星”；
2025-02-28 20:58:35
983
原创 自然语言处理NLP入门 -- 第六节命名实体识别
这里有一个有趣的点：由于 GPT 系列模型对语言的理解程度较高，一些具有创意的文本或者多种语言混合的文本，往往可以借助 OpenAI API 做到不错的实体识别效果。涉及了哪些重要人物和组织？在后续的学习中，你可以尝试把 NER 与其他技术结合，比如把识别出的实体输入到一个对话机器人中，或者利用这些实体做更精准的文本聚类与推荐。在这个例子里，我们给 GPT-3.5-turbo 模型发送了一个包含具体「指令」的 prompt，要求它把文本中的命名实体识别出来，并用 JSON 格式返回。
2025-02-28 18:15:10
687
原创 自然语言处理NLP入门 -- 第五节词向量与嵌入
在传统的「词袋模型」（Bag of Words）里，“苹果”和“橘子”只会被视为两个不同的单词，模型只知道它们在文本中出现的频率，不知道它们在现实世界中都有“水果”“可食用”的相似属性。举个例子，如果把单词都映射到一个 50 维的空间里，“苹果”和“橘子”的向量坐标彼此接近，而“苹果”和“桌子”就会相隔较远。这时，词向量（Word Embeddings）就登场了：它能把单词变成一串数字，让电脑明白，“橘子”和“香蕉”比“橘子”和“桌子”更相似。要把理论变成实操，我们先来“煮”一锅“词向量的汤”。
2025-02-28 16:47:10
1079
原创 跟着小K开始零基础Python量化分析之旅 9 : 临阵磨刀 —— 优化与稳定部署
小K在前辈的指导下，终于体会到：仅有策略和回测结果还不够，真正的江湖是需要实战的。如何将自己的策略像自动机一样24小时无休运行，就像一位智者打造了一把会自己出击的智能宝剑，自动捕捉战机、下单应战。经过这一章的历练，小K学到了如何在策略上线前进行优化和调优，如何通过自动化交易系统让策略24小时无间断运行，以及如何建立健全的日志和风险监控机制来保护自己的资金。正如前辈所言：“临阵磨刀，不仅要有精良的武器，更要有严密的防护，才能在真实战场上无往不胜。你将收获：策略优化与过拟合警惕。
2025-02-28 13:52:34
844
原创 跟着小K开始零基础Python量化分析之旅 8: 初识新派武功 —— 机器学习与量化策略
通过以上步骤，小K成功利用真实股票数据（贵州茅台 600519.SS）完成了从数据获取、预处理、特征构造，到机器学习模型训练、信号生成以及策略回测的完整流程。这就像他从古籍中学到了新派武功，从试炼中体会到每一招都有其优缺点。你将收获：数据获取与预处理技巧：学会用 yfinance 下载真实数据，并确保数据结构正确，避免多级索引问题。构造特征与标签的方法：通过简单的价格差异构造特征，定义涨跌标签，就像品评苹果的甜度。机器学习模型训练与预测：体验逻辑回归在量化中的应用，直观了解模型如何判断股票涨跌。
2025-02-27 20:05:30
1077
原创 跟着小K开始零基础Python量化分析之旅 7: 奇招妙想 —— 因子选股与数据挖掘
在这一章中，我们通过简单的比喻和生动的例子，介绍了如何使用因子选股与数据挖掘来挑选股票。无论你是否熟悉股票市场，都可以把它看成在市场上挑选最好的苹果：先了解每个苹果的价格、甜度和新鲜度，再给它们打分，最后选出最值得购买的。主要收获：基础概念：明白了什么是价值因子、成长因子和动量因子，就像了解苹果的各项品质指标。数据处理：学会了如何获取、清洗和归一化数据，便于后续比较和评分。回测实践：通过简单的代码示例，体验了如何用历史数据验证选股策略的效果，并与其他策略（如均线策略）进行对比。
2025-02-27 16:28:17
1046
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