掌声响起来——不确定性人工智能与高斯云方法的应用
“掌声响起来”软件正是针对这一问题而设计的。它利用不确定性人工智能的理论，结合高斯云方法，旨在模拟和分析观众在不同情境下的鼓掌行为。掌声不仅是对表演者的认可和赞赏，更是观众情感共鸣的体现。通过对掌声的研究，我们不仅可以更好地理解观众的心理，还可以为活动的组织者提供有价值的反馈，优化活动安排，提高观众
AI Agent（智能体）行专题报告：从技术概念到场景落地
1. 原理解析：思维链铸就智能体，多体交互拓展应用早在上世纪 50 年代，阿兰图灵把“高度智能有机体”扩展到了人工智能。如今随 着大模型的快速发展，这个概念又被重新拾起。大模型成为了智能体目前最完美的载体， 有望完成从概念到实际应用的蜕变。 用户在 Agent（智能体）模式中给 AI 设臵目标和身份
置信区间与预测区间：数据科学中的不确定性量化技术深度解读
本文深入探讨了统计学中两个常见但容易混淆的不确定性量化工具：置信区间和预测区间。
机器学习—大语言模型：推动AI新时代的引擎
大语言模型是一种通过深度学习技术训练的神经网络模型，旨在理解、生成和操作自然语言。这些模型通常基于 Transformer 架构，通过大规模数据训练生成高维语义表示。
【AI知识点】启发式算法（Heuristic Algorithms）
启发式算法（Heuristic Algorithms） 是一种基于经验、直觉和局部优化的求解问题的算法，尤其适用于解决计算复杂度高、规模庞大的问题。它们通过简化问题、局部搜索和快速近似，提供了一种在短时间内获得“足够好”解的途径。虽然启发式算法无法保证全局最优解，但它们在实际应用中广泛使用，特别是在
计算一个简单AI模型——从线性回归到实际应用
篇文章将带你走进AI的世界，介绍一个简单的机器学习模型——线性回归，并且手把手教你如何在纸上计算一个简单的AI。你将从实际的例子开始，逐步理解机器学习背后的思维方式，掌握如何利用数据进行预测。
【机器学习】特征工程、降维与超参数调优：提升机器学习模型表现的三大核心技术
花萼长度（sepal length）花萼宽度（sepal width）花瓣长度（petal length）花瓣宽度（petal width）目标是预测花卉的品种特征工程、降维和超参数调优是提升机器学习模型性能的三大关键技术。特征工程通过提取、转换和选择重要特征，为模型提供更有意义的数据；降维通过减少
一份写给数据工程师的 Polars 迁移指南：将 Pandas 速度提升 20 倍代码重构实践
Polars作为现代化的数据处理框架，通过先进的工程实践和算法优化，为数据科学工作者提供了高效的数据处理工具。在从Pandas迁移时，理解这些核心概念和最佳实践将有助于充分发挥Polars的性能优势。
【机器学习】K近邻算法
K近邻算法（K-Nearest Neighbors, KNN）是一种简单但非常实用的监督学习算法，主要用于分类和回归问题。KNN 基于相似性度量（如欧几里得距离）来进行预测，核心思想是给定一个样本，找到与其最接近的 K 个邻居，根据这些邻居的类别或特征对该样本进行分类或预测。
Scikit-learn Pipeline完全指南:高效构建机器学习工作流
在机器学习工作流程中,组合估计器通过将多个转换器(Transformer)和预测器(Predictor)整合到一个管道(Pipeline)中,可以有效简化整个过程。
丹摩征文活动 | SD3+ComfyUI模型图文部署：AI工程师的实践与探索
在丹摩智算平台上部署SD3+ComfyUI图文模型的过程中，我感受到了极高的效率和便捷性，尤其是在处理图文生成任务时表现尤为出色。作为一名AI工程师，我对平台的计算能力和操作简便性有着严格的要求，而丹摩智算正好满足了这些需求。丹摩智算平台的界面用户友好，功能布局合理，使得整个部署过程非常直观。即使是
手搓人工智能—聚类分析（下）谱系聚类与K-mean聚类
所谓聚类分析就是根据某种原则，将样本或数据集划为若干个“有意义“的子集，称为——无监督学习
AI大模型与4大策略，打造智能客服机器人问题解决新高度
在数字化浪潮中，智能客服机器人正重塑企业与客户间的互动模式。然而，衡量智能客服机器人的价值并非易事。我们先看影响智能客服机器人运营成本的几个关键指标：处理率、解决率、费力度。其中费力度，则是指衡量用户解决问题所需付出的努力，而解决率指的是在自动化流程中，智能客服机器人独立完成任务的能力，可见处理率虽
学习率了解一
微调预训练模型：当使用已经预训练好的模型（如在特定任务上微调BERT）时，通常使用非常小的学习率（例如5e-5或更小），这是因为预训练模型已经非常接近优化目标，我们只需要做一些轻微的调整。细致调整：当你发现模型的性能开始稳定，但还需要进一步优化时，可以减小学习率（例如0.001或0.0001），帮助
【AI知识点】余弦相似度（Cosine Similarity）
余弦相似度（Cosine Similarity）是一种用于衡量两个向量在方向上的相似程度的指标。它主要用于文本分析、自然语言处理（NLP）、推荐系统等任务中，能够衡量两个向量之间的相似性，而不受向量的长度（模）影响。
智体AI在多模态交互领域的综述（上）
24年1月论文“Agent AI: surveying the horizons of multimodal interaction“，来自斯坦福、微软、UCLA和华盛顿大学。
【AI知识点】近似最近邻搜索（ANN, Approximate Nearest Neighbor Search）
近似最近邻搜索（ANN） 是一种为了提升高维数据相似性搜索效率的技术，它在牺牲一定精度的前提下，大大提升了搜索速度。它被广泛应用于推荐系统、图像检索、文本相似性搜索等实际场景。常见的ANN算法包括局部敏感哈希（LSH）、图嵌入法（如HNSW）、矢量量化（VQ）等，它们通过不同的方式优化搜索过程，解决
给机器装上“脑子”—— 一文带你玩转机器学习
机器学习是一门研究算法和统计模型的学科，其目标是让计算机系统从数据中提取规律或“经验”，以提高完成特定任务的效率。机器学习的核心在于“自动化的学习过程”，与传统编程不同：传统编程要求开发者明确指令，而机器学习系统则依靠数据驱动，通过算法“自我学习”来做出预测、分类或决策。
带你迅速了解什么是人工智能
1950-1970 符号主义流派：专家系统占主导地位1950：图灵设计国际象棋程序1962：IBM Arthur Samuel 的跳棋程序战胜人类高手（人工智能第一次浪潮）1980-2000统计主义流派：主要用统计模型解决问题1993：Vapnik提出SVM1997：IBM 深蓝战胜卡斯帕罗夫（人工
