- 时间安排2022年05月27日 — 2022年05月30日 No.1 第一天 一、 机器学习简介与经典机器学习算法介绍什么是机器学习？机器学习框架与基本组成机器学习的训练步骤机器学习问题的分类经典机器学习算法介绍章节目标：机器学习是 人工智能的重要技术之一，详细了解机器学习的原理、机制和方法，为学习深度学习与迁移学习打下坚实的基础。 二、深度学习简介与经典网络结构介绍... 时间安排2022年05月27日 — 2022年05月30日 No.1 第一天 一、 机器学习简介与经典机器学习算法介绍什么是机器学习？机器学习框架与基本组成机器学习的训练步骤机器学习问题的分类经典机器学习算法介绍章节目标：机器学习是 人工智能的重要技术之一，详细了解机器学习的原理、机制和方法，为学习深度学习与迁移学习打下坚实的基础。 二、深度学习简介与经典网络结构介绍...
- 如果把 MySQL 到 SelectDB 同步这件事放到前几年看，很多团队的目标其实很简单：任务能跑起来，数据能进仓，报表能出结果，就算完成交付。但到了 2026 年，这个标准已经明显不够了。原因也不复杂。业务越来越依赖实时分析，数据链路一旦接到核心看板、经营分析、风控监测、运营决策，它就不再只是一个后台任务，而是一条要长期稳定运行的生产链路。这个时候，团队更关心的问题会变成：• 数据是不是... 如果把 MySQL 到 SelectDB 同步这件事放到前几年看，很多团队的目标其实很简单：任务能跑起来，数据能进仓，报表能出结果，就算完成交付。但到了 2026 年，这个标准已经明显不够了。原因也不复杂。业务越来越依赖实时分析，数据链路一旦接到核心看板、经营分析、风控监测、运营决策，它就不再只是一个后台任务，而是一条要长期稳定运行的生产链路。这个时候，团队更关心的问题会变成：• 数据是不是...
- 别再从零训练了：用迁移学习“借力打力”，小数据也能玩转大模型 别再从零训练了：用迁移学习“借力打力”，小数据也能玩转大模型
- Ⅰ. 小样本因果识别的核心挑战 1.1 统计效能的维度灾难小样本场景下，因果估计面临三重困境：挑战类型具体表现影响程度传统方法失效原因方差爆炸估计量方差与样本量成反比，n<100时置信区间过宽★★★★★依赖渐进正态性假设模型过拟合高维协变量下，控制函数复杂度过高★★★★☆正则化引入新的偏差重叠假设违反处理组与对照组倾向得分分布分离★★★★★匹配失败导致选择偏差以医疗场景为例，某新型抗癌药物... Ⅰ. 小样本因果识别的核心挑战 1.1 统计效能的维度灾难小样本场景下，因果估计面临三重困境：挑战类型具体表现影响程度传统方法失效原因方差爆炸估计量方差与样本量成反比，n<100时置信区间过宽★★★★★依赖渐进正态性假设模型过拟合高维协变量下，控制函数复杂度过高★★★★☆正则化引入新的偏差重叠假设违反处理组与对照组倾向得分分布分离★★★★★匹配失败导致选择偏差以医疗场景为例，某新型抗癌药物...
- 大模型智能体的跨域迁移学习与适应性研究 引言：智能体的跨领域挑战与机遇近年来，AI Agent（人工智能代理）已广泛应用于自然语言处理、推荐系统、金融决策、游戏博弈等领域。然而，在面临“跨领域任务”时，AI Agent 往往面临数据稀缺、训练代价高、泛化能力差等问题。迁移学习的提出，为 AI Agent 提供了跨领域适配的技术支撑。通过将一个领域中训练好的知识迁移到另一个领域，我们可以显著... 大模型智能体的跨域迁移学习与适应性研究 引言：智能体的跨领域挑战与机遇近年来，AI Agent（人工智能代理）已广泛应用于自然语言处理、推荐系统、金融决策、游戏博弈等领域。然而，在面临“跨领域任务”时，AI Agent 往往面临数据稀缺、训练代价高、泛化能力差等问题。迁移学习的提出，为 AI Agent 提供了跨领域适配的技术支撑。通过将一个领域中训练好的知识迁移到另一个领域，我们可以显著...
- 本文系统阐述机器学习领域中三大关键范式——迁移学习（Transfer Learning）、领域适应（Domain Adaptation）和多任务学习（Multi-Task Learning, MTL）的技术原理、方法论差异及其协同潜力。迁移学习聚焦于将预训练模型的知识迁移至新任务；领域适应致力于解决跨领域分布偏移带来的性能下降问题；多任务学习通过联合建模实现任务间的相互增强。三者共同构成了应... 本文系统阐述机器学习领域中三大关键范式——迁移学习（Transfer Learning）、领域适应（Domain Adaptation）和多任务学习（Multi-Task Learning, MTL）的技术原理、方法论差异及其协同潜力。迁移学习聚焦于将预训练模型的知识迁移至新任务；领域适应致力于解决跨领域分布偏移带来的性能下降问题；多任务学习通过联合建模实现任务间的相互增强。三者共同构成了应...
- 感谢您的认可！当然，我很乐意帮助。以下是对它们的简要介绍： 迁移学习（Transfer Learning）迁移学习是一种机器学习技术，其中模型从一个任务领域中学习，然后将知识迁移到另一个任务领域。这种方法通常用于应对数据不足的情况，或者在目标任务上训练模型时提高性能。迁移学习常见的两种策略包括：指示器特征表示（Inductive Transfer）：使用源域中预训练的模型，作为目标任务的特征... 感谢您的认可！当然，我很乐意帮助。以下是对它们的简要介绍： 迁移学习（Transfer Learning）迁移学习是一种机器学习技术，其中模型从一个任务领域中学习，然后将知识迁移到另一个任务领域。这种方法通常用于应对数据不足的情况，或者在目标任务上训练模型时提高性能。迁移学习常见的两种策略包括：指示器特征表示（Inductive Transfer）：使用源域中预训练的模型，作为目标任务的特征...
- WorldSimBench: 迈向作为世界模拟器的视频生成模型Qin Y, Shi Z, Yu J, et al. Worldsimbench: Towards video generation models as world simulators[J]. arXiv preprint arXiv:2410.18072, 2024. 1. 引言与研究背景在采取行动之前，人类会基于目标和对当... WorldSimBench: 迈向作为世界模拟器的视频生成模型Qin Y, Shi Z, Yu J, et al. Worldsimbench: Towards video generation models as world simulators[J]. arXiv preprint arXiv:2410.18072, 2024. 1. 引言与研究背景在采取行动之前，人类会基于目标和对当...
- Phi-4 技术报告深度解读Abdin M, Aneja J, Behl H, et al. Phi-4 technical report[J]. arXiv preprint arXiv:2412.08905, 2024. 引言：小模型的强大潜能微软研究院在2024年12月发布的 phi-4 是一个仅有140亿参数的语言模型，却在多个推理任务上展现出与千亿参数级别模型相媲美的性能。这个成... Phi-4 技术报告深度解读Abdin M, Aneja J, Behl H, et al. Phi-4 technical report[J]. arXiv preprint arXiv:2412.08905, 2024. 引言：小模型的强大潜能微软研究院在2024年12月发布的 phi-4 是一个仅有140亿参数的语言模型，却在多个推理任务上展现出与千亿参数级别模型相媲美的性能。这个成...
- Phi-3 技术报告：手机本地运行的高能力语言模型Abdin M, Aneja J, Behl H, et al. Phi-4 technical report[J]. arXiv preprint arXiv:2412.08905, 2024. 1. 引言与背景人工智能在过去几年的惊人进步很大程度上归功于全球范围内对不断扩大模型和数据集规模的努力。大型语言模型(LLMs)的参数量从五年前... Phi-3 技术报告：手机本地运行的高能力语言模型Abdin M, Aneja J, Behl H, et al. Phi-4 technical report[J]. arXiv preprint arXiv:2412.08905, 2024. 1. 引言与背景人工智能在过去几年的惊人进步很大程度上归功于全球范围内对不断扩大模型和数据集规模的努力。大型语言模型(LLMs)的参数量从五年前...
- Phi-3 技术报告：手机本地运行的高能力语言模型Abdin M, Aneja J, Behl H, et al. Phi-4 technical report[J]. arXiv preprint arXiv:2412.08905, 2024. 1. 引言与背景人工智能在过去几年的惊人进步很大程度上归功于全球范围内对不断扩大模型和数据集规模的努力。大型语言模型(LLMs)的参数量从五年前... Phi-3 技术报告：手机本地运行的高能力语言模型Abdin M, Aneja J, Behl H, et al. Phi-4 technical report[J]. arXiv preprint arXiv:2412.08905, 2024. 1. 引言与背景人工智能在过去几年的惊人进步很大程度上归功于全球范围内对不断扩大模型和数据集规模的努力。大型语言模型(LLMs)的参数量从五年前...
- EdgeMark：嵌入式人工智能工具的自动化与基准测试系统Wang X, Jia W. Optimizing edge AI: a comprehensive survey on data, model, and system strategies[J]. arXiv preprint arXiv:2501.03265, 2025. 1. 引言与背景人工智能技术的快速发展正在从根本上改变数... EdgeMark：嵌入式人工智能工具的自动化与基准测试系统Wang X, Jia W. Optimizing edge AI: a comprehensive survey on data, model, and system strategies[J]. arXiv preprint arXiv:2501.03265, 2025. 1. 引言与背景人工智能技术的快速发展正在从根本上改变数...
- AI-ANNE: 将神经网络迁移到微控制器的深度探索Klinkhammer D. AI-ANNE:(A)(N) eural (N) et for (E) xploration: Transferring Deep Learning Models onto Microcontrollers and Embedded Systems[J]. arXiv preprint arXiv:2501.... AI-ANNE: 将神经网络迁移到微控制器的深度探索Klinkhammer D. AI-ANNE:(A)(N) eural (N) et for (E) xploration: Transferring Deep Learning Models onto Microcontrollers and Embedded Systems[J]. arXiv preprint arXiv:2501....
- 边缘AI优化：数据、模型与系统策略的综合调研——论文阅读Wang X, Jia W. Optimizing edge AI: a comprehensive survey on data, model, and system strategies[J]. arXiv preprint arXiv:2501.03265, 2025. 第一章 引言与研究背景 1.1 研究动机与挑战人工智能技术... 边缘AI优化：数据、模型与系统策略的综合调研——论文阅读Wang X, Jia W. Optimizing edge AI: a comprehensive survey on data, model, and system strategies[J]. arXiv preprint arXiv:2501.03265, 2025. 第一章 引言与研究背景 1.1 研究动机与挑战人工智能技术...
- I-ViT: 用于高效视觉Transformer推理的纯整数量化Li Z, Gu Q. I-vit: Integer-only quantization for efficient vision transformer inference[C]//Proceedings of the IEEE/CVF International Conference on Computer Vision.... I-ViT: 用于高效视觉Transformer推理的纯整数量化Li Z, Gu Q. I-vit: Integer-only quantization for efficient vision transformer inference[C]//Proceedings of the IEEE/CVF International Conference on Computer Vision....
上滑加载中
推荐直播
-
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
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
热门标签