- 大家好，我是老K，一个在电商安全圈儿摸爬滚打七八年的老兵。前两天跟一个在拼多多做安全的老友撸串，三杯啤酒下肚，他跟我吐了个槽：他们现在搞大促，安全测试已经不怎么靠人肉堆了，而是让AI先把“最可能被薅秃噜皮”的路径自动筛出来，测试照着打就行，效率直接翻了10倍。我听完差点一口毛肚呛进嗓子眼儿。你知道，干我们这行的，大促前最怕什么？不是黑客DDoS，而是那群拿着计算器、比产品经理还懂规则的羊毛党... 大家好，我是老K，一个在电商安全圈儿摸爬滚打七八年的老兵。前两天跟一个在拼多多做安全的老友撸串，三杯啤酒下肚，他跟我吐了个槽：他们现在搞大促，安全测试已经不怎么靠人肉堆了，而是让AI先把“最可能被薅秃噜皮”的路径自动筛出来，测试照着打就行，效率直接翻了10倍。我听完差点一口毛肚呛进嗓子眼儿。你知道，干我们这行的，大促前最怕什么？不是黑客DDoS，而是那群拿着计算器、比产品经理还懂规则的羊毛党...
- 不夸张地说，华为云RLaaS强化学习调度正在重塑云资源编排的决策逻辑。它不是又一个调度算法的简单翻新，而是把在线学习的试错能力注入到底层资源分配中，让集群能够根据实时负载动态调整策略。过去一年间，多家云厂商在弹性调度上的内卷已经从静态阈值转向了模型驱动，RLaaS的落地正好踩在这条技术曲线上。 不夸张地说，华为云RLaaS强化学习调度正在重塑云资源编排的决策逻辑。它不是又一个调度算法的简单翻新，而是把在线学习的试错能力注入到底层资源分配中，让集群能够根据实时负载动态调整策略。过去一年间，多家云厂商在弹性调度上的内卷已经从静态阈值转向了模型驱动，RLaaS的落地正好踩在这条技术曲线上。
- 引言在机器学习中，特征工程往往比算法选择更能决定模型的上限。当数据呈现非线性结构时，传统的线性模型常常力不从心。本文将介绍Scikit-learn中一个相对冷门却非常强大的工具——随机森林嵌入（Random Forest Embedding），它能够将原始数据映射到高维稀疏空间，从而让线性模型也能捕捉非线性关系。 什么是随机森林嵌入？随机森林嵌入的核心思想来自Scikit-learn的Ra... 引言在机器学习中，特征工程往往比算法选择更能决定模型的上限。当数据呈现非线性结构时，传统的线性模型常常力不从心。本文将介绍Scikit-learn中一个相对冷门却非常强大的工具——随机森林嵌入（Random Forest Embedding），它能够将原始数据映射到高维稀疏空间，从而让线性模型也能捕捉非线性关系。 什么是随机森林嵌入？随机森林嵌入的核心思想来自Scikit-learn的Ra...
- 上下文工程：大模型落地的核心方法论 本文系统阐述了上下文工程作为大模型应用底层基石的重要性与实施框架。不同于零散的提示词优化，上下文工程是一套体系化的信息管理方法论，通过四大核心策略解决大模型实际应用中的关键问题： 窗口管理 - 精细化分配Token资源，采用滑动窗口、动态预算等策略防止信息溢出 消息编排 - 结构化组织信息流，利用大模型首尾注意力偏好提升关键信息识别率 记忆压缩 - 通过摘要提炼 上下文工程：大模型落地的核心方法论 本文系统阐述了上下文工程作为大模型应用底层基石的重要性与实施框架。不同于零散的提示词优化，上下文工程是一套体系化的信息管理方法论，通过四大核心策略解决大模型实际应用中的关键问题： 窗口管理 - 精细化分配Token资源，采用滑动窗口、动态预算等策略防止信息溢出 消息编排 - 结构化组织信息流，利用大模型首尾注意力偏好提升关键信息识别率 记忆压缩 - 通过摘要提炼
- 单车目标检测数据集：3,000张图像 | 目标检测源码数据分享通过网盘分享的文件：单车检测数据集 链接: https://pan.baidu.com/s/1IQSl2fuzS1VtbyUurb0M9w?pwd=wrd5 提取码: wrd5一、引言：城市单车管理的视觉智能化浪潮随着智慧城市建设与人工智能视觉技术的快速发展，基于深度学习的目标检测技术已经广泛应用于交通监测、安防巡检、共享单车管理... 单车目标检测数据集：3,000张图像 | 目标检测源码数据分享通过网盘分享的文件：单车检测数据集 链接: https://pan.baidu.com/s/1IQSl2fuzS1VtbyUurb0M9w?pwd=wrd5 提取码: wrd5一、引言：城市单车管理的视觉智能化浪潮随着智慧城市建设与人工智能视觉技术的快速发展，基于深度学习的目标检测技术已经广泛应用于交通监测、安防巡检、共享单车管理...
- OMI/Aura Surface UV Irradiance 1-orbit L2 Swath 13x24 km V003 (OMUVB)简介美国宇航局戈达德地球科学数据与信息服务中心 (GES DISC) 现已向公众开放 Aura 臭氧监测仪 (OMI) 003 版地表紫外线辐照度产品 (OMUVB)。该二级 OMI 地表 UVB 产品的简称为 OMUVB。该产品的算法科学家为：Jari... OMI/Aura Surface UV Irradiance 1-orbit L2 Swath 13x24 km V003 (OMUVB)简介美国宇航局戈达德地球科学数据与信息服务中心 (GES DISC) 现已向公众开放 Aura 臭氧监测仪 (OMI) 003 版地表紫外线辐照度产品 (OMUVB)。该二级 OMI 地表 UVB 产品的简称为 OMUVB。该产品的算法科学家为：Jari...
- 很多测试工程师做到高级阶段后，都会遇到一个现实问题：技术能力已经很强了，复杂问题能解决，自动化框架能搭建，线上故障能快速定位，团队遇到难题时，大家也习惯来找你。但继续往上走，却开始变得困难。技术专家岗位数量有限，想进一步晋升，测试负责人、测试经理、质量负责人，往往成为绕不开的职业方向。于是，不少技术骨干会产生一个疑问：技术能力很强，就一定适合做测试管理吗？答案当然不是“技术强，就一定会管理”... 很多测试工程师做到高级阶段后，都会遇到一个现实问题：技术能力已经很强了，复杂问题能解决，自动化框架能搭建，线上故障能快速定位，团队遇到难题时，大家也习惯来找你。但继续往上走，却开始变得困难。技术专家岗位数量有限，想进一步晋升，测试负责人、测试经理、质量负责人，往往成为绕不开的职业方向。于是，不少技术骨干会产生一个疑问：技术能力很强，就一定适合做测试管理吗？答案当然不是“技术强，就一定会管理”...
- 一、引言在机器学习领域，回归任务的目标是预测一个连续值——比如房价、温度或销量。单棵决策树虽然直观易懂，但容易过拟合，对训练数据中的噪声过于敏感。随机森林（Random Forest）正是为了解决这个问题而生的——它不靠“一棵树”单打独斗，而是用“多棵树”集体决策，通过集成学习的方式显著提升预测的稳定性和准确性。随机森林是一种基于Bagging（Bootstrap Aggregating）... 一、引言在机器学习领域，回归任务的目标是预测一个连续值——比如房价、温度或销量。单棵决策树虽然直观易懂，但容易过拟合，对训练数据中的噪声过于敏感。随机森林（Random Forest）正是为了解决这个问题而生的——它不靠“一棵树”单打独斗，而是用“多棵树”集体决策，通过集成学习的方式显著提升预测的稳定性和准确性。随机森林是一种基于Bagging（Bootstrap Aggregating）...
- 把强化学习训练当成一套工程流水线，而非一次次的手动实验，这件事在华为云ModelArts上做起来比想象的要顺手——前提是先把流水线各环节的职责拆清楚。过去让不少团队头疼的环境冲突、checkpoint散落一地、线上服务与训练阶段 action space 不一致，说到底都是架构缺了工程化视角。下面这份设计参考，不谈“最佳”，只给出经过实战验证过的取舍。 把强化学习训练当成一套工程流水线，而非一次次的手动实验，这件事在华为云ModelArts上做起来比想象的要顺手——前提是先把流水线各环节的职责拆清楚。过去让不少团队头疼的环境冲突、checkpoint散落一地、线上服务与训练阶段 action space 不一致，说到底都是架构缺了工程化视角。下面这份设计参考，不谈“最佳”，只给出经过实战验证过的取舍。
- 引言在机器学习的世界中，随机森林（Random Forest）凭借其强大的性能和出色的泛化能力，成为了最受欢迎的分类算法之一。无论你是在进行客户流失预测、垃圾邮件检测，还是疾病诊断，随机森林都能以极少的配置工作交付高准确率的结果。 什么是随机森林？随机森林是一种集成学习（Ensemble Learning）方法，它通过构建大量决策树并综合它们的预测结果来工作。对于分类任务，最终结果由所有树... 引言在机器学习的世界中，随机森林（Random Forest）凭借其强大的性能和出色的泛化能力，成为了最受欢迎的分类算法之一。无论你是在进行客户流失预测、垃圾邮件检测，还是疾病诊断，随机森林都能以极少的配置工作交付高准确率的结果。 什么是随机森林？随机森林是一种集成学习（Ensemble Learning）方法，它通过构建大量决策树并综合它们的预测结果来工作。对于分类任务，最终结果由所有树...
- 很多研究生在开题报告中都会写到“采用机器学习方法进行预测分析”，但真正动手时却发现，问题并不是不会调用模型，而是不知道如何把机器学习和自己的课题结合起来。本文从科研任务出发，梳理一条更适合初学者的实践路线：先明确研究问题，再整理数据，最后才是模型训练和结果分析。 很多研究生在开题报告中都会写到“采用机器学习方法进行预测分析”，但真正动手时却发现，问题并不是不会调用模型，而是不知道如何把机器学习和自己的课题结合起来。本文从科研任务出发，梳理一条更适合初学者的实践路线：先明确研究问题，再整理数据，最后才是模型训练和结果分析。
- 安装与构建 昇腾（Ascend）for PyTorch 训练营(https://www.chaspark.com/#/s/AscendforPyTorch2026?multi=zh) 第二期代码仓库结构两个主要仓库：Ascend for PyTorch（https://atomgit.com/Ascend/pytorch）：昇腾 PyTorch 插件，提供框架能力，使昇腾 NPU 适配 Py... 安装与构建 昇腾（Ascend）for PyTorch 训练营(https://www.chaspark.com/#/s/AscendforPyTorch2026?multi=zh) 第二期代码仓库结构两个主要仓库：Ascend for PyTorch（https://atomgit.com/Ascend/pytorch）：昇腾 PyTorch 插件，提供框架能力，使昇腾 NPU 适配 Py...
- 文章摘要：本文深入探讨了AI Agent架构的三大核心模式：Reason-Act-Observe基础循环、ReAct交替执行架构和Plan-and-Execute规划执行架构。通过对比分析指出，RAO循环是底层核心逻辑，ReAct是其工程化升级版本，而Plan-and-Execute则是针对复杂任务的进阶架构。文章详细阐述了各架构的设计思想、执行流程、适用场景及实现难点，并通过代码示例演示具体应用 文章摘要：本文深入探讨了AI Agent架构的三大核心模式：Reason-Act-Observe基础循环、ReAct交替执行架构和Plan-and-Execute规划执行架构。通过对比分析指出，RAO循环是底层核心逻辑，ReAct是其工程化升级版本，而Plan-and-Execute则是针对复杂任务的进阶架构。文章详细阐述了各架构的设计思想、执行流程、适用场景及实现难点，并通过代码示例演示具体应用
- 茶思屋专题：昇腾（Ascend）for PyTorch 训练营(https://www.chaspark.com/#/s/AscendforPyTorch2026?multi=zh) 第一期社区以 torch.compile 为核心的编译战略趋势，以及昇腾的跟进PyTorch 2.x "沙漏型"战略：北向统一 Python 开发生态（模型、训练、部署、算子开发），中间以 torch.comp... 茶思屋专题：昇腾（Ascend）for PyTorch 训练营(https://www.chaspark.com/#/s/AscendforPyTorch2026?multi=zh) 第一期社区以 torch.compile 为核心的编译战略趋势，以及昇腾的跟进PyTorch 2.x "沙漏型"战略：北向统一 Python 开发生态（模型、训练、部署、算子开发），中间以 torch.comp...
- 本文结合材料性能预测类科研课题，整理一条适合工科研究生入门机器学习的实践路线，内容包括数据集设计、建模流程、模型评价、结果解释和方案优化，重点关注机器学习方法如何服务科研和论文写作。 本文结合材料性能预测类科研课题，整理一条适合工科研究生入门机器学习的实践路线，内容包括数据集设计、建模流程、模型评价、结果解释和方案优化，重点关注机器学习方法如何服务科研和论文写作。
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签