- 博客(27)
- 收藏
- 关注
RSS订阅原创 零基础转行大模型选哪个岗位方向最易上手？｜2024新手必看
不讲玄学、不堆名词、不画大饼，只用最通俗、最落地、最真诚的话，把零基础转行大模型，到底哪个岗位最容易上手、最容易出作品、企业最缺人讲透。这些年，我每天接触最多的，就是这样一群人：零基础、非科班、没写过几行代码、数学早就忘光，却不甘心困在原来的岗位，想冲进当下最有前景、薪资最可观的大模型行业。1. 是最安全的“入行跳板”先进入AI行业，干1年左右，熟悉整个流程，再转提示词、转RAG、转产品、转运营，内部转岗比外面容易10倍。先进去，了解行业、熟悉流程、混一年经验，再转提示词、转RAG、转产品，都非常容易。
2026-04-13 17:06:14
69
原创 计算机视觉核心算法完全指南：13类模型、85种变体一文打尽
大家好，我是资深AI讲师与学习规划师。今天这篇长文，完全按零基础实战体系撰写，从图像本质到经典算法、再到OpenCV工具链和完整项目，一条龙给你讲透可直接复现的CV专业指南。为了解决这个问题，研究人员想了很多办法：用无标注数据、图文数据或多模态数据，通过对比学习、掩码重建等方式预训练视觉基础模型，再适配到目标检测、语义分割等下游任务。这篇文章对计算机视觉基础模型进行了详细梳理，涵盖13大类算法模型，以及每类模型的变种共85个。过去一年，随着大语言模型和多模态技术的发展，更多新的计算机视觉基础模型被提出来。
2026-04-13 17:04:43
68
原创 深度学习入门攻略：系统学习六周计划
专注计算机视觉教学与算法研发，过去三年我帮超过2500名有Python 基础的入门者，从"像素是什么"到"独立跑通CV项目"。今天这篇长文，完全按零基础实战体系撰写，从图像本质到经典算法、再到OpenCV工具链和完整项目，一条龙给你讲透可直接复现的CV专业指南。适合人群：大学生、转行者、开发者，只要会Python基础，就能跟上。读完你就能掌握图像处理4大经典算法，并拥有一个可直接写进简历的实战项目，为方便大家学习 这里给大家整理了一份系统学习资料包 需要的同学 根据下图指示自取就可以。
2026-04-13 17:03:00
115
原创 拿下CV算法offer：30+场面试总结的核心知识点
本文将系统介绍相关知识点，帮助大家快速掌握核心内容。params_grad = evaluate_gradient(loss_function, data, params) params = params - learning_rate * params_grad优点：（1）一次迭代是对所有样本进行计算，此时利用矩阵进行操作，实现了并行。（2）由全数据集确定的方向能够更好地代表样本总体，从而更准确地朝向极值所在的方向。当目标函数为凸函数时，BGD一定能够得到全局最优。缺点：（1）当样本数目 m 很大
2026-04-13 17:00:38
108
原创 全网最全：计算机视觉需要哪些数学基础？如何高效学习线性代数和概率论？
img=np.array([[100,150],[200,250]])# 简单2x2图像transform=np.array([[0,-1],[1,0]])# 旋转矩阵new_img=np.dot(transform,img)# 矩阵乘法print(new_img)周3-4：线性变换、逆矩阵。1. 几何变换（矩阵乘法、逆矩阵）：用处：图像旋转、缩放、仿射变换（手机美颜、AR试妆）。我见过太多学员：文科生、程序员转行、甚至中年职场人，一开始怕公式如怕虎，但跟着正确路线，结合代码和图像实践，很快就爱上数学了。
2026-04-13 16:59:15
212
原创 从Prompt到MCP Server：斯坦福AI开发课程内容
一、这门课独特在哪里？传统的软件工程课教你如何写代码、如何设计系统、如何测试。CS146S 则教你一件完全不同的事：如何成为 AI Agent 的管理者。课程开篇就提出了一个关键理念：Human-agent engineering, not vibe coding. （人机协作工程，而非氛围式编程）什么意思？纯粹靠"感觉"让 AI 生成代码（所谓 vibe coding），并不能产出生产级软件。
2026-04-13 16:58:01
159
原创 LangChain如何实现Multi-Agent协作
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。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。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。
2026-04-13 16:55:57
151
原创 CNN架构演进史：6个经典模型的创新点解析
以下是需要掌握的核心内容：目录1. LeNet（90/98）诞生于1990年，在手写体字符识别领域创造性的引入了卷积神经网络的基本操作，意义重大，可以说是现代卷积神经网络的发展起点。1.1思路引入卷积层+池化层等结构1.2 网络结构输入图像分辨率：28x28结构：（1）卷积层1：5x5 --->输出4个24×24大小的特征图；（2）池化层1：平均池化层 2x2；（3）卷积层2：5x5 --->输出12个8x8大小的特征图；
2026-04-13 16:54:26
227
原创 AI Agent高薪岗位盘点：哪些方向最赚钱
第一，也是最重要的，别光看书、别光听课，你得动手干出一个东西来。如果实在不知道咋整，可以直接抄知学堂新出的 「AILLM应用开发」 ，里面很多实战项目case，自己跟着教程做写到简历里，糊弄hr够用。第二，找工作的时候，要动点脑子，别一股脑往那些挤破头的大厂冲。你的主战场应该在哪？一是那些刚成立不久的AI创业公司，这种公司最务实，老板恨不得你第一天就能上手干活，他才不管你是什么学校毕业的，你厉害他就给你高工资。
2026-04-13 16:52:55
198
原创 AI Agent开发者如何准备秋招：时间线与重点
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 16:51:25
199
原创 AI Agent从业者画像：都是什么背景的人
【本段核心】你要做的就是能成为那个能干活的人。【本段核心】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。【本段核心】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。【本段核心】最后，给你打打气。现在这个AI技能大爆发的阶段，对咱们普通人来说，就是一次难得的翻身机会。【本段核心】这种地方，学历门槛也相对低，更看重你的实际本领。
2026-04-13 16:49:55
193
原创 YOLO图像识别技术入门：从原理到应用的全面解析
YOLO（You Only Look Once）是目标检测领域的开创性算法，其核心思想非常直接——对图像只看一次，同时输出所有物体的位置和类别。传统R-CNN系列需要两步：先找候选区，再逐个分类。速度慢。YOLO把检测变成回归问题，一次扫描直接出结果。
2026-04-07 13:54:21
55
原创 一文搞懂YOLO原理：从“看多次“到“看一次“的革命性突破
YOLO的核心思想非常直接，它的名字You Only Look Once（你只看一次）就完美地概括了其精髓。在YOLO之前的主流目标检测算法（如R-CNN系列）是"两阶段"的：第一步找候选区，第二步对每个区域分别进行卷积运算判断物体类别。这种方法准确但速度慢。YOLO则采用了"单阶段"方法：把目标检测任务重构为一个单一的回归问题，只对图像进行一次全局扫描，就能直接预测出所有物体的位置和类别。
2026-04-07 13:54:18
63
原创 YOLO入门必读：从原理到YOLOv8的完整学习指南
YOLO（You Only Look Once）是目标检测领域的开创性算法，对图像只看一次，同时输出所有物体的位置和类别。传统R-CNN系列需要两步：先找候选区，再逐个分类，速度慢。YOLO把检测变成回归问题，一次扫描直接出结果。
2026-04-07 13:54:16
48
原创 YOLO+SAM微调实战：工业缺陷检测的低代码落地路径
PCB质检现场，标注员对着电路板缺陷图，用鼠标一点点勾勒划痕边界，一张图耗时8分钟。YOLO能框但框不准，SAM能分割但通用模型到产线水土不服。
2026-04-07 13:54:08
51
原创 YOLO+SAM工业缺陷分割：从手动标注到自动验收的蜕变
PCB质检标注员手动勾勒缺陷边界，每张图8分钟。YOLO框不准，SAM对工业缺陷水土不服。
2026-04-07 13:54:01
106
原创 Triton推理服务：高性能模型部署完整指南
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 13:53:59
157
原创 SentencePiece分词：如何处理大模型文本预处理
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 13:53:57
356
原创 SFT+RLHF+Agent：LLM业务岗的核心技术栈
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 13:53:54
171
原创 RAG项目+后训练经验：没论文照样拿大厂offer
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 13:53:49
170
原创 RAG限制与难点：展示技术深度的求职加分项
第二，刚毕业的同学，尽量不要选择国企（家里有矿除外），LLM的职业方向，或者说其他 IT 方向的技术岗，在国企都是学不到东西的，这个懂得都懂。接下来，我们将召回到的相关信息作为上下文增强（Augmented）到 LLM 中，这一步是关键，由于它为模型提供了生成答案所需的具体背景信息，减少了模型产生错误或虚假信息的风险。继续来看今天的内容，这段时间我不是在集中招聘嘛，面了很多候选人，清华，北大，华五，包括一些海外的学校都有，因此也准备给大家集中分享一些求职面试的情况，帮助大家备战秋招。
2026-04-07 13:53:46
206
原创 RAG系统设计：从查询处理到生成答案完整流程
这样更可靠、更容易解析。语料切分：项目中的关系抽取任务是句子级关系抽取，传统的句子级关系抽取数据集每条样本的句子长度是几十个Token。我在项目中使用的自建数据集，质量一般，实体关系密度较低，如果按照传统句子级关系抽取的窗口来切分语料，会导致关系样本量不足。计算方法：首先利用 Embedding 模型（如 BGE 或 OpenAI-text-embedding）对某个关系类别下的所有样本句子进行向量化，然后对这些高维向量求均值（Mean Pooling），得到该类别的“质心向量”来代表这个关系的原型。
2026-04-07 13:53:43
275
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