- 通过Pandas读取并转换时间序列数据，将年、月字段合并为日期索引，利用pd.date_range生成完整时间范围，确保数据连续性。函数convert_data_to_timeseries提取指定地点的销售数据，按年月构建日期索引，并填充缺失值为0，最终返回以时间为索引的Series结构，便于后续关联性分析。 通过Pandas读取并转换时间序列数据，将年、月字段合并为日期索引，利用pd.date_range生成完整时间范围，确保数据连续性。函数convert_data_to_timeseries提取指定地点的销售数据，按年月构建日期索引，并填充缺失值为0，最终返回以时间为索引的Series结构，便于后续关联性分析。
- 深度学习助力运维知识的挖掘与智慧化：从小白到高手的新路径 深度学习助力运维知识的挖掘与智慧化：从小白到高手的新路径
- 3D集成技术正革新人工智能芯片的性能与能效。传统2D芯片设计受限于平面空间，信号传输延迟、能耗高；而3D集成通过垂直堆叠芯片层，大幅缩短信号路径，提升数据处理速度和计算密度，同时降低能耗并优化电源管理。它在数据中心和边缘设备中展现出巨大潜力，助力图像识别、语音处理等任务高效完成。尽管面临散热与成本挑战，但随着技术进步，3D集成有望成为AI芯片主流，推动人工智能更广泛的应用与创新。 3D集成技术正革新人工智能芯片的性能与能效。传统2D芯片设计受限于平面空间，信号传输延迟、能耗高；而3D集成通过垂直堆叠芯片层，大幅缩短信号路径，提升数据处理速度和计算密度，同时降低能耗并优化电源管理。它在数据中心和边缘设备中展现出巨大潜力，助力图像识别、语音处理等任务高效完成。尽管面临散热与成本挑战，但随着技术进步，3D集成有望成为AI芯片主流，推动人工智能更广泛的应用与创新。
- 从操作系统到智能计算：openEuler在深度学习中的应用探索 从操作系统到智能计算：openEuler在深度学习中的应用探索
- 智能未来不是梦：openEuler如何撑起AI的半边天？ 智能未来不是梦：openEuler如何撑起AI的半边天？
- AI“捕风捉影”：深度学习如何让网络事件检测更智能？ AI“捕风捉影”：深度学习如何让网络事件检测更智能？
- 图像超分辨率重建技术旨在将低分辨率图像转化为高分辨率图像，恢复更多细节与清晰度。传统方法如插值法、重建模型和稀疏编码虽有一定效果，但受限于复杂度或灵活性。深度学习兴起后，基于卷积神经网络（CNN）、递归神经网络（RNN）及生成对抗网络（GANs）的方法大幅提升了重建质量，如SRCNN、DRCN、SRGAN等模型实现更精细的纹理还原。 图像超分辨率重建技术旨在将低分辨率图像转化为高分辨率图像，恢复更多细节与清晰度。传统方法如插值法、重建模型和稀疏编码虽有一定效果，但受限于复杂度或灵活性。深度学习兴起后，基于卷积神经网络（CNN）、递归神经网络（RNN）及生成对抗网络（GANs）的方法大幅提升了重建质量，如SRCNN、DRCN、SRGAN等模型实现更精细的纹理还原。
- 深度学习如何让“运维知识库”从“聪明”到“智慧” 深度学习如何让“运维知识库”从“聪明”到“智慧”
- 人工智能（AI）、机器学习（ML）和深度学习（DL）是紧密相关的概念，但它们之间存在着明显的区别。以下是对这些概念的详细解释和比较：概念解释概念解释人工智能（AI）使机器能够模拟人类智能的技术，包括机器学习、自然语言处理、计算机视觉等。机器学习（ML）一种人工智能方法，通过经验在任务中做出改善，基于数据进行学习和预测。深度学习（DL）机器学习的一个子集，基于人工神经网络，能够自动从大量数据中... 人工智能（AI）、机器学习（ML）和深度学习（DL）是紧密相关的概念，但它们之间存在着明显的区别。以下是对这些概念的详细解释和比较：概念解释概念解释人工智能（AI）使机器能够模拟人类智能的技术，包括机器学习、自然语言处理、计算机视觉等。机器学习（ML）一种人工智能方法，通过经验在任务中做出改善，基于数据进行学习和预测。深度学习（DL）机器学习的一个子集，基于人工神经网络，能够自动从大量数据中...
- 深度学习，如何让运维工作从“救火队”变身“先知”？ 深度学习，如何让运维工作从“救火队”变身“先知”？
- Embedding 是一种将离散数据（如单词、物体、类别等）转换为连续向量的技术。在机器学习和深度学习中，Embedding 通常指的是将高维度或离散的数据表示，转化为一个低维的实数向量，这个过程有助于数据在向量空间中的表示和计算。在自然语言处理（NLP）中，词嵌入（Word Embedding）是 Embedding 的最经典的应用，它将单词从一个离散的索引映射到一个低维连续向量，这些向量... Embedding 是一种将离散数据（如单词、物体、类别等）转换为连续向量的技术。在机器学习和深度学习中，Embedding 通常指的是将高维度或离散的数据表示，转化为一个低维的实数向量，这个过程有助于数据在向量空间中的表示和计算。在自然语言处理（NLP）中，词嵌入（Word Embedding）是 Embedding 的最经典的应用，它将单词从一个离散的索引映射到一个低维连续向量，这些向量...
- 一、深度学习是什么 二、深度学习与机器学习的关系 三、深度学习的基本组成 四、深度学习的常见应用 图像识别 语音识别 自然语言处理 五、如何入门深度学习 学习基础知识 了解深度学习框架 动手实践 关注前沿动态 六、结语在当今这个科技飞速发展的时代，人工智能（AI）无疑是最耀眼的明星之一，而深度学习作为人工智能的核心技术，更是让无数人着迷。如果你也对深度学习充满好奇，却又无从下手，那么这篇文... 一、深度学习是什么 二、深度学习与机器学习的关系 三、深度学习的基本组成 四、深度学习的常见应用 图像识别 语音识别 自然语言处理 五、如何入门深度学习 学习基础知识 了解深度学习框架 动手实践 关注前沿动态 六、结语在当今这个科技飞速发展的时代，人工智能（AI）无疑是最耀眼的明星之一，而深度学习作为人工智能的核心技术，更是让无数人着迷。如果你也对深度学习充满好奇，却又无从下手，那么这篇文...
- 深度学习如何助力“运维配置神器”？ 深度学习如何助力“运维配置神器”？
- 一、图灵测试的黄昏：一个时代的终结 二、智能认知的三次范式转移 1. 机械时代：计算即智能（1943-1997） 2. 数据时代：关联即智能（1997-2022） 3. 涌现时代：不可解释即智能（2022- ） 三、新智能评估体系的五个维度 1. 认知弹性测试 2. 价值判断矩阵 3. 创造张力评估 4. 自我进化能力 5. 社会交互维度 四、意识迷雾中的技术奇点 五、重构人机共生的认知基... 一、图灵测试的黄昏：一个时代的终结 二、智能认知的三次范式转移 1. 机械时代：计算即智能（1943-1997） 2. 数据时代：关联即智能（1997-2022） 3. 涌现时代：不可解释即智能（2022- ） 三、新智能评估体系的五个维度 1. 认知弹性测试 2. 价值判断矩阵 3. 创造张力评估 4. 自我进化能力 5. 社会交互维度 四、意识迷雾中的技术奇点 五、重构人机共生的认知基...
- 在人工智能领域，模型规模的指数级增长对分布式训练技术提出了更高要求。传统的单卡训练模式已无法支撑千亿级参数模型的训练需求，而模型并行技术通过将模型参数、计算任务和优化状态分布到多个设备上，成为突破显存与算力瓶颈的核心手段。微软Azure与NVIDIA Megatron的深度合作，通过软硬件协同优化，开创了模型并行技术的新范式。本文将从技术背景、核心优化方案、实践效果及未来展望等维度，全面解析... 在人工智能领域，模型规模的指数级增长对分布式训练技术提出了更高要求。传统的单卡训练模式已无法支撑千亿级参数模型的训练需求，而模型并行技术通过将模型参数、计算任务和优化状态分布到多个设备上，成为突破显存与算力瓶颈的核心手段。微软Azure与NVIDIA Megatron的深度合作，通过软硬件协同优化，开创了模型并行技术的新范式。本文将从技术背景、核心优化方案、实践效果及未来展望等维度，全面解析...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签