人工智能学习专栏

最新推荐文章于 2025-06-19 15:37:48 发布
最新推荐文章于 2025-06-19 15:37:48 发布
阅读量428 收藏
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 人工智能 文章标签： 学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/wavemcu/article/details/132562755
博主开设专栏记录深度学习历程，其从做MCU、Soc、Linux系统转行到AI领域，过程痛苦，在数学方面花大量时间从头学，但仍有很多不懂之处，博主表示会坚持。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

这个专栏就专门用来记录自己的深度学习的历程吧。从做MCU开始、Soc、Linux系统转行到AI领域，其过程是痛苦的。至少数学这块，那是花了很多时间去从头去学。但是还是有很多不懂的地方。坚持！！！！

 

AI学习指南-专栏前言
俞兆鹏的博客
05-03 277
人工智能AI作为当下最火热的技术之一，我们每个人似乎都被动的置身于这场科技变革中，AI越来越多的出现在我们的身边，也总能听到这样的言论，例如“N年后AI会取代某某行业”，AI出现之后，好像大多数人都陷入到了被动的境地，既然如此，那不如敞开怀抱认识AI，学习AI再到掌控AI吧。博主粗略的整理了一张学习地图，初步计划是按照上面这个路线图进行学习和写作，但是随着学习的深入，也可能会不断的修改，目前计划是按上图写作。
精通AI领域技术实战千例专栏—学习人工智能的指南宝典
热门推荐
一键难忘的博客
11-12 2万+
精通AI领域技术实战千例专栏—学习人工智能的指南宝典 “人工智能是一个非常大的交叉学科，本身就有一个庞大的体系。” 通班的领衔创立者，北大人工智能研究院院长、讲席教授朱松纯介绍说。因此，仅仅把人工智能视为应用领域，课程只集中在某个研究热点上，完全无法满足培养人工智能复合型领军人才的需要： “一个人只有把人工智能六个领域都搞懂了、融会贯通了，你才能说你是人工智能领域的人才或者专家。”
揭秘AI：机器学习与深度学习的奥秘
Edison's 小宇宙
03-14 8493
从0到1：揭秘人工智能背后的机器学习与深度学习
机器学习专栏——（一）人工智能概述
ThinkOneA的博客
09-05 1471
人工智能 (Artifical Intelligence, AI)：人工智能是计算机科学的一个分支，主要研究、开发和扩展人类智能的理论、方法、技术和应用系统等。John McCarthy对其定义为：人工智能就是让机器的行为看起来表现的是人多表现出来的智能行为一样。人工智能涵盖许多的子学科，例如：机器感知（计算机视觉、语音信息处理）、学习（模式识别、机器学习、强化学习）、语言（自然语言处理）、记忆（知识表示）、决策（规划、数据挖掘）等。
人工智能和机器学习概述
老猿Python
03-25 3202
本文介绍了人工智能特别是机器学习的一些基础知识，机器学习是人工智能的一个分支，而借助于机器学习中的神经网络，通过多层神经网络进行知识学习的深度学习是机器学习领域中的一个重要研究方向。
Python人工智能深度学习
Python老吕的博客
09-02 1573
Python深度学习作为人工智能领域的重要分支，已经在多个领域取得了显著的应用成果。通过掌握深度学习的基础知识、熟悉Python相关库的使用以及进行进阶优化和应对挑战，开发者能够构建出高效、稳定的深度学习模型，为实际问题的解决提供有力支持。随着技术的不断进步和应用场景的不断扩展，Python深度学习将在更多领域发挥重要作用。同时，我们也需要关注深度学习模型的可解释性、安全性以及隐私保护等问题，以确保其在实际应用中的可持续发展。Python深度学习是一个充满挑战与机遇的领域。
AI 助力问题驱动式学习
明明如月的技术博客
04-12 2857
用 AI 给人生开挂的正确方式 - 在 AI 迅速进化的时代，我们应该如何不落伍》，讲到在 AI 快速发展的今天，我们需要学习：驾驭大模型的能力、学习最基础最核心的知识、培养不容易被 AI 取代的能力。我们可以跨行业寻找机会，在这个 “人人都是工程师”的时代基于大模型快速创建应用解决痛点，灵活运用 AI 帮助自己解决问题。并且强调在 AI 时代应该使用 AI 来加速学习。
机器学习专栏
m0_61692158的博客
07-02 433
机器学习_Dr.sky_的博客-优快云博客
解密人工智能：探索机器学习奥秘
聆风吟的博客
01-28 9924
机器学习是一种让计算机能够通过经验和数据自我改进的技术。在机器学习中，计算机通过对训练数据的分析和学习，可以自动地发现数据中的规律和模式，并根据这些规律和模式进行预测和决策。
国内外AI学习和交流的论坛
m0_50636040的博客
08-29 4226
时间有限，选择最高效最好的信息来源就好了。1.kaggle这个论坛偏重代码实践，也有论文。可以在上面快速学习大量知识2.arxiv这个论坛用于阅读大量具体论文，快速扩充前人思想3.reddit这个论坛比较亲民，在基础打好的前提下，在上面进行交流，可以锻炼自己的批判思维能力，形成自己的研究观4.GPT万用工具箱，论文代码搞不懂或者想交流都可以考虑它。
机器学习专栏.zip
04-02
机器学习（Machine Learning, ML）是一种应用人工智能（AI）领域的科学技术，它使得计算机系统能够从数据中自动学习和改进，而无需显式编程。在机器学习的过程中，算法会通过识别和挖掘数据中的模式来构建一个模型，...
人工智能与密码专栏序言(中英文).pdf
07-10
机器学习是实现人工智能的一种重要手段，它通过使用算法从大量数据中学习规律并做出预测或决策。机器学习算法可以被大致分为分类、回归、排序、聚类、降维等多种类型，而在图像识别、语言处理等领域，深度学习技术，...
“FPGA及人工智能”专栏征稿启事.pdf
07-10
近年来，随着人工智能（Artificial Intelligence，AI）和大数据技术的迅速发展，FPGA在人工智能领域的应用越来越受到业界的重视。FPGA的可编程性和高能效比等特性，为人工智能提供了一个高效平台，使得其在诸如机器...
【深度学习专栏】ch05配套资源
12-26
本资源包含一系列关于图像处理与深度学习的教程和代码示例，涵盖了从基础的图像操作到复杂的卷积神经网络（CNN）应用。资源中提供了详细的代码注释和实现步骤，帮助用户快速上手并理解图像处理与深度学习的核心概念...
# python正则表达式——实战学习+理论
最新发布
weixin_57253447的博客
06-19 619
通过正则表达式，你可以更灵活地从模型输出中提取结果。正则表达式的基本语法（元字符、字符类、分组）。用于查找匹配。使用group()方法提取捕获的内容。
DeepSeek 大型 MoE 模型大规模部署压测学习
06-16 620
📌 摘要 LMSYS团队在96张H100 GPU上成功部署DeepSeek模型，采用预填充-解码拆分(PD Disaggregation)和专家并行(EP)技术，实现了52.3k输入token/s和22.3k输出token/s的高吞吐量，成本仅为官方API的1/5。关键技术包括：专家混合模型(MoE)的EP实现、多头潜在注意力(MLA)优化、DeepGEMM加速等。所有代码已开源，为大规模MoE模型部署提供了完整方案。测试建议采用SGLang框架结合DeepEP通信库，重点关注token吞吐量、专家调度效
学习日记-day31-6.16
qq_59714927的博客
06-16 651
知识点1：SQL查询执行顺序执行顺序：WHERE（第一次过滤）→ GROUP BY（分组）→ HAVING（二次过滤）→ SELECT（选择列）→ ORDER BY（排序）。知识点2：GROUP BY与HAVING的使用GROUP BY用于分组，通常与聚合函数（如MIN, MAX, AVG等）一起使用。HAVING用于分组后的过滤，与WHERE不同，HAVING可以引用聚合函数的结果。知识点3：结合部门与职位分组及排序可以按多个列（如部门和职位）进行分组。使用ORDER BY对结果进行排序。
CppCon 2016 学习:Lightweight Object Persistence With Modern C++
虾球
06-17 1035
提供设计分配器时的一种思考框架或思路，而非详细教程；介绍如何解决对象持久化的某个具体问题；不会详细讲解分配器的基础知识，也不谈标准分配器的改进；不会提供完整的、可直接用的持久化框架。先把内存中的对象内容“展平”，转换成一种通用格式。保存到磁盘或网络。需要时再从格式还原回对象。对于大量大对象和复杂结构，遍历序列化和反序列化非常耗时，尤其是深度嵌套和大数据量时，性能瓶颈突出。这也是为什么之前提到需要更好的设计（比如自定义分配器、减少构造复制、特殊状态机等）来优化的原因。
论文学习——基于双种群进化的不连续和不规则可行域动态约束多目标优化
choudongxi的博客
06-18 589
动态约束多目标优化问题包括不规则和不连续的可行域、分割的真实Pareto前沿和动态环境。针对这些问题，我们设计了一种基于双种群进化的动态约束多目标优化算法。该算法根据解的可行性分为P1和P2两个种群。它利用不可行解中的有价值信息，驱动种群向可行域和真实的Pareto前沿移动。（比较普遍）同时，我们提出了一种交配选择算子，以促进种群之间的信息交换，并产生有希望的后代解决方案。为了应对环境变化，我们设计了一种策略，将通过采样-选择-重采样方法。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值