- 华为CANN算子优化实践-AutoFuse自动融合在推荐系统中的深度应用（训练营深度实战篇）随着人工智能在推荐系统中的广泛应用，模型规模和特征维度不断增加，算子执行效率逐渐成为系统性能的核心瓶颈。华为昇腾 CANN 提出的 AutoFuse 自动融合技术，为推荐系统提供了高效的算子执行方案，从原理设计到实践优化，实现了显著的性能提升。本文将从技术原理、实现机制、实践案例以及性能优化策略等方... 华为CANN算子优化实践-AutoFuse自动融合在推荐系统中的深度应用（训练营深度实战篇）随着人工智能在推荐系统中的广泛应用，模型规模和特征维度不断增加，算子执行效率逐渐成为系统性能的核心瓶颈。华为昇腾 CANN 提出的 AutoFuse 自动融合技术，为推荐系统提供了高效的算子执行方案，从原理设计到实践优化，实现了显著的性能提升。本文将从技术原理、实现机制、实践案例以及性能优化策略等方...
- 一、引言鸿蒙智能推荐系统是基于HarmonyOS分布式能力和AI技术构建的新一代个性化推荐引擎。系统通过多设备协同感知、实时用户行为分析和智能内容匹配，实现跨设备的精准个性化推荐，在用户体验提升和业务转化率方面实现显著突破。技术突破与性能表现指标传统推荐系统鸿蒙智能推荐提升幅度技术价值推荐准确率68.5%82.3%+20.1%更精准的用户兴趣匹配响应延迟120-200ms15-30ms降低8... 一、引言鸿蒙智能推荐系统是基于HarmonyOS分布式能力和AI技术构建的新一代个性化推荐引擎。系统通过多设备协同感知、实时用户行为分析和智能内容匹配，实现跨设备的精准个性化推荐，在用户体验提升和业务转化率方面实现显著突破。技术突破与性能表现指标传统推荐系统鸿蒙智能推荐提升幅度技术价值推荐准确率68.5%82.3%+20.1%更精准的用户兴趣匹配响应延迟120-200ms15-30ms降低8...
- 别怪推荐系统不懂你，可能是你的数据“太模糊”了 别怪推荐系统不懂你，可能是你的数据“太模糊”了
- 边缘计算加持下的个性化推荐：离用户更近，推荐更懂你 边缘计算加持下的个性化推荐：离用户更近，推荐更懂你
- AI推荐系统：如何悄无声息地重塑你的购物车？ ——从“人找货”到“货找人”的底层逻辑与实战拆解本文目标：用一次“完整购物旅程”带你穿透推荐系统的黑箱，既看懂淘宝/抖音为何“比你更懂你”，也能亲手搭一个工业级召回+排序+策略引擎，并落地到真实电商数据集。读完你将获得：一张可套用的“购物体验提升”技术地图三段可直接运行的 Python 代码（召回→排序→策略），覆盖 10⁶ 级商品池一套可量化... AI推荐系统：如何悄无声息地重塑你的购物车？ ——从“人找货”到“货找人”的底层逻辑与实战拆解本文目标：用一次“完整购物旅程”带你穿透推荐系统的黑箱，既看懂淘宝/抖音为何“比你更懂你”，也能亲手搭一个工业级召回+排序+策略引擎，并落地到真实电商数据集。读完你将获得：一张可套用的“购物体验提升”技术地图三段可直接运行的 Python 代码（召回→排序→策略），覆盖 10⁶ 级商品池一套可量化...
- 随着金融市场的高度复杂化与波动性增加，传统的单一预测方法（如时间序列模型、技术指标分析）往往难以应对多维度的信息流。而人工智能代理（AI Agent）凭借其跨模型的自适应学习能力，逐渐成为金融预测中的核心手段。本文探讨 AI Agent如何融合多种算法（深度学习、强化学习、集成学习等），并通过优化机制提升市场预测的准确率与鲁棒性。 随着金融市场的高度复杂化与波动性增加，传统的单一预测方法（如时间序列模型、技术指标分析）往往难以应对多维度的信息流。而人工智能代理（AI Agent）凭借其跨模型的自适应学习能力，逐渐成为金融预测中的核心手段。本文探讨 AI Agent如何融合多种算法（深度学习、强化学习、集成学习等），并通过优化机制提升市场预测的准确率与鲁棒性。
- 基于视觉-语言融合的AI Agent跨模态推理机制是未来人工智能的重要方向。它不仅能理解图像和文本，还能在两者之间建立语义联系，实现更强的智能推理能力。通过实战代码展示，我们看到AI Agent能够在多模态场景下做出准确判断。未来的研究将聚焦于提升推理能力和降低计算成本，推动AI Agent更好地服务于现实应用。 基于视觉-语言融合的AI Agent跨模态推理机制是未来人工智能的重要方向。它不仅能理解图像和文本，还能在两者之间建立语义联系，实现更强的智能推理能力。通过实战代码展示，我们看到AI Agent能够在多模态场景下做出准确判断。未来的研究将聚焦于提升推理能力和降低计算成本，推动AI Agent更好地服务于现实应用。
- 推荐系统作为人工智能的重要应用之一，在电商、短视频、社交网络和在线教育等场景中扮演着核心角色。传统推荐方法（协同过滤、基于规则的推荐等）在冷启动问题、数据稀疏性以及实时性方面存在不足。 随着深度学习和AI Agent的融合，智能推荐系统能够实现更强的 自适应优化能力，通过AI Agent的感知、决策与反馈机制不断提升推荐效果。 推荐系统作为人工智能的重要应用之一，在电商、短视频、社交网络和在线教育等场景中扮演着核心角色。传统推荐方法（协同过滤、基于规则的推荐等）在冷启动问题、数据稀疏性以及实时性方面存在不足。 随着深度学习和AI Agent的融合，智能推荐系统能够实现更强的 自适应优化能力，通过AI Agent的感知、决策与反馈机制不断提升推荐效果。
- 引言我们之前在做多端框架选择的时候，优先考虑的是开发效率。于是选择了支持React开发的Taro框架，Taro 框架提供了 “一次开发，多端运行” 的能力，这样学习成本少，上手也快。近期，我们在考虑在系统里增加个性化推荐，以此来提升用户留存与转化。本文将深入探讨如何基于 Taro 在多端实现商品推荐核心功能，提供从架构设计到具体实现的全栈解决方案。一、系统架构设计1.1 分层架构解析该架构分... 引言我们之前在做多端框架选择的时候，优先考虑的是开发效率。于是选择了支持React开发的Taro框架，Taro 框架提供了 “一次开发，多端运行” 的能力，这样学习成本少，上手也快。近期，我们在考虑在系统里增加个性化推荐，以此来提升用户留存与转化。本文将深入探讨如何基于 Taro 在多端实现商品推荐核心功能，提供从架构设计到具体实现的全栈解决方案。一、系统架构设计1.1 分层架构解析该架构分...
- 不只是万物互联，鸿蒙也能“猜你想看”——浅谈HarmonyOS里的智能推荐魔法术 不只是万物互联，鸿蒙也能“猜你想看”——浅谈HarmonyOS里的智能推荐魔法术
- 推荐不准等于骚扰？AI是如何精准推荐你爱看的内容的 推荐不准等于骚扰？AI是如何精准推荐你爱看的内容的
- 基于Python的白酒数据推荐系统1. 引言中国白酒市场品类繁多、消费需求个性化显著，用户常面临“选择困难”。传统推荐依赖人工经验或简单销量排序，难以精准匹配用户偏好。本系统基于Python生态，融合协同过滤、内容推荐与深度学习技术，构建智能化白酒推荐引擎，旨在提升用户发现心仪产品的效率，同时助力酒企优化营销策略。2. 技术背景2.1 核心技术栈数据处理：Pa... 基于Python的白酒数据推荐系统1. 引言中国白酒市场品类繁多、消费需求个性化显著，用户常面临“选择困难”。传统推荐依赖人工经验或简单销量排序，难以精准匹配用户偏好。本系统基于Python生态，融合协同过滤、内容推荐与深度学习技术，构建智能化白酒推荐引擎，旨在提升用户发现心仪产品的效率，同时助力酒企优化营销策略。2. 技术背景2.1 核心技术栈数据处理：Pa...
- 引言在数字化时代，音乐已成为人们生活中不可或缺的一部分。随着音乐流媒体平台的兴起，如何在海量的音乐库中为用户提供个性化的音乐推荐，提升用户体验，已成为一个重要的研究方向。传统的推荐算法在处理大规模数据和复杂用户偏好时，存在一定的局限性。近年来，深度学习的快速发展为构建智能化的音乐推荐系统提供了新的思路。本文将详细介绍如何基于深度学习技术，构建一个个性化的音乐推荐系统。我们将从数据收集、模型... 引言在数字化时代，音乐已成为人们生活中不可或缺的一部分。随着音乐流媒体平台的兴起，如何在海量的音乐库中为用户提供个性化的音乐推荐，提升用户体验，已成为一个重要的研究方向。传统的推荐算法在处理大规模数据和复杂用户偏好时，存在一定的局限性。近年来，深度学习的快速发展为构建智能化的音乐推荐系统提供了新的思路。本文将详细介绍如何基于深度学习技术，构建一个个性化的音乐推荐系统。我们将从数据收集、模型...
- 在介绍推荐系统网络之前，先了解一下推荐系统的基本架构包括用户画像、召回、粗排、精排与混排五个模块。其中用户画像主要是构建用户兴趣，通过用户的行为日志信息识别出用户的兴趣（包括长期与短期兴趣）、行为统计信息、用户DPM信息、用户体验反馈等；召回主要是指通过多种算法来从数据库中筛选出候选集，主要用来降低后续排序环节中候选集的规模，将百万级的数据集缩小至千级别的规模，主要包括ICF、UCF等CF类... 在介绍推荐系统网络之前，先了解一下推荐系统的基本架构包括用户画像、召回、粗排、精排与混排五个模块。其中用户画像主要是构建用户兴趣，通过用户的行为日志信息识别出用户的兴趣（包括长期与短期兴趣）、行为统计信息、用户DPM信息、用户体验反馈等；召回主要是指通过多种算法来从数据库中筛选出候选集，主要用来降低后续排序环节中候选集的规模，将百万级的数据集缩小至千级别的规模，主要包括ICF、UCF等CF类...
- 基于 Flink 的实时推荐系统引言 (Foreword/Motivation)传统的推荐系统通常依赖于离线批量处理用户行为数据，每天或每周更新一次推荐结果。然而，用户的兴趣和行为是实时变化的。用户刚刚产生的行为（如点击、浏览、购买）往往是预测其当前兴趣的最有力信号。将这些实时行为数据纳入推荐计算过程，可以显著提高推荐的新鲜度和相关性，为用户提供更及时、更个性化的推荐体验。这就是实时推荐系统... 基于 Flink 的实时推荐系统引言 (Foreword/Motivation)传统的推荐系统通常依赖于离线批量处理用户行为数据，每天或每周更新一次推荐结果。然而，用户的兴趣和行为是实时变化的。用户刚刚产生的行为（如点击、浏览、购买）往往是预测其当前兴趣的最有力信号。将这些实时行为数据纳入推荐计算过程，可以显著提高推荐的新鲜度和相关性，为用户提供更及时、更个性化的推荐体验。这就是实时推荐系统...
上滑加载中
推荐直播
-
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中 -
华为云码道全新升级，多会话并行与多智能体协作2026/05/08 周五 19:00-21:00
王一男-华为云码道产品专家；张嘉冉-华为云码道工程师；胡琦-华为云HCDE；程诗杰-华为云HCDG
华为云码道4月份版本全新升级，此次直播深度解读4月份产品特性，通过“特性解读+实操演示+实战案例+设计创新”的组合，全方位展现码道在多会话并行与多智能体协作方面的能力，赋能开发者提升效率
正在直播
热门标签