- 边缘大型AI模型：协作部署与物联网应用的深度解读Wang Z, Shi Y, Letaief K B. Edge Large AI Models: Collaborative Deployment and IoT Applications[J]. IEEE Internet of Things Magazine, 2025. 引言：边缘大模型的时代背景与核心矛盾大型人工智能模型展现出了跨越... 边缘大型AI模型：协作部署与物联网应用的深度解读Wang Z, Shi Y, Letaief K B. Edge Large AI Models: Collaborative Deployment and IoT Applications[J]. IEEE Internet of Things Magazine, 2025. 引言：边缘大模型的时代背景与核心矛盾大型人工智能模型展现出了跨越...
- Aquarius Official Release Level 3 Ancillary Reynolds Sea Surface Temperature Standard Mapped Image Descending Seasonal Climatology Data V5.0简介水瓶座 3 级辅助海面温度 (SST) 标准映射图像数据是水瓶座校准用于盐度反演的辅助海面温度数据。它们... Aquarius Official Release Level 3 Ancillary Reynolds Sea Surface Temperature Standard Mapped Image Descending Seasonal Climatology Data V5.0简介水瓶座 3 级辅助海面温度 (SST) 标准映射图像数据是水瓶座校准用于盐度反演的辅助海面温度数据。它们...
- 观察性研究挑战混杂偏差选择偏差测量误差因果推断方法倾向得分方法工具变量法回归断点设计双重差分法因果效应估计有效性验证可靠因果结论 I. 因果推断的理论基础与核心概念 1.1 潜在结果框架潜在结果框架(Potential Outcomes Framework)，又称Rubin因果模型，是现代因果推断的基石。该框架定义了个体在接受处理和不接受处理两种情况下的潜在结果。设Yi(1)Y_i(1)Yi... 观察性研究挑战混杂偏差选择偏差测量误差因果推断方法倾向得分方法工具变量法回归断点设计双重差分法因果效应估计有效性验证可靠因果结论 I. 因果推断的理论基础与核心概念 1.1 潜在结果框架潜在结果框架(Potential Outcomes Framework)，又称Rubin因果模型，是现代因果推断的基石。该框架定义了个体在接受处理和不接受处理两种情况下的潜在结果。设Yi(1)Y_i(1)Yi...
- 问题背景想象一下，一家制药公司开发了一种新的降压药。在临床试验中，该药物显示出显著的平均降压效果。但如果深入研究，可能会发现：对年轻患者效果显著对老年患者效果微弱甚至无效对特定基因型的患者有副作用如果仅依据平均效应做出"该药物有效"的结论并推广至所有患者，将导致资源浪费和潜在的健康风险。这就是研究异质性处理效应的现实意义。处理效应研究平均处理效应 ATE异质性处理效应 HTE整体平均效果不... 问题背景想象一下，一家制药公司开发了一种新的降压药。在临床试验中，该药物显示出显著的平均降压效果。但如果深入研究，可能会发现：对年轻患者效果显著对老年患者效果微弱甚至无效对特定基因型的患者有副作用如果仅依据平均效应做出"该药物有效"的结论并推广至所有患者，将导致资源浪费和潜在的健康风险。这就是研究异质性处理效应的现实意义。处理效应研究平均处理效应 ATE异质性处理效应 HTE整体平均效果不...
- I. 引言：传统因果推断的挑战与机器学习的机遇 传统方法的局限性在观察性研究中，传统的因果推断方法如倾向得分匹配、工具变量法等面临诸多挑战：参数假设过强：多数传统方法依赖线性或可参数化的函数形式异质性处理效应识别困难：平均处理效应掩盖了个体间的差异高维数据处理能力有限：当协变量数量较多时，传统方法容易过拟合或表现不佳模型设定敏感性：结果对模型设定的微小变化敏感典型场景：在个性化医疗中，我们... I. 引言：传统因果推断的挑战与机器学习的机遇 传统方法的局限性在观察性研究中，传统的因果推断方法如倾向得分匹配、工具变量法等面临诸多挑战：参数假设过强：多数传统方法依赖线性或可参数化的函数形式异质性处理效应识别困难：平均处理效应掩盖了个体间的差异高维数据处理能力有限：当协变量数量较多时，传统方法容易过拟合或表现不佳模型设定敏感性：结果对模型设定的微小变化敏感典型场景：在个性化医疗中，我们...
- 故障不是洪水猛兽：聊聊智能运维的“自愈”体系该咋搭 故障不是洪水猛兽：聊聊智能运维的“自愈”体系该咋搭
- I. 合成控制法的基本理论与原理 反事实框架下的因果推断挑战在因果推断中，我们始终面临一个根本性问题：对于接受干预的处理组，我们无法同时观测到其接受干预和未接受干预的两种状态。合成控制法的核心思想是：通过对未接受干预的控制单元进行加权组合，构建一个与处理组在干预前特征尽可能相似的"合成控制组"，用这个合成控制组来模拟处理组在没有干预情况下的反事实结果。 经典案例：加利福尼亚州控烟政策的效果... I. 合成控制法的基本理论与原理 反事实框架下的因果推断挑战在因果推断中，我们始终面临一个根本性问题：对于接受干预的处理组，我们无法同时观测到其接受干预和未接受干预的两种状态。合成控制法的核心思想是：通过对未接受干预的控制单元进行加权组合，构建一个与处理组在干预前特征尽可能相似的"合成控制组"，用这个合成控制组来模拟处理组在没有干预情况下的反事实结果。 经典案例：加利福尼亚州控烟政策的效果...
- I. 统计推断基础概念 1.1 假设检验框架统计推断的核心是假设检验，这是一个基于数据对总体参数做出推论的系统性方法。在A/B测试中，我们通过比较两个组别的差异来做出决策。 1.1.1 零假设与备择假设每个A/B测试都始于两个相互竞争的假设：零假设 (H₀)：实验组和对照组之间没有真实差异，观察到的差异只是随机波动的结果备择假设 (H₁)：实验组和对照组之间存在真实差异import num... I. 统计推断基础概念 1.1 假设检验框架统计推断的核心是假设检验，这是一个基于数据对总体参数做出推论的系统性方法。在A/B测试中，我们通过比较两个组别的差异来做出决策。 1.1.1 零假设与备择假设每个A/B测试都始于两个相互竞争的假设：零假设 (H₀)：实验组和对照组之间没有真实差异，观察到的差异只是随机波动的结果备择假设 (H₁)：实验组和对照组之间存在真实差异import num...
- Wasserstein GAN提升图像生成质量的理论与实践生成对抗网络（GANs，Generative Adversarial Networks）自2014年由Ian Goodfellow等人提出以来，已经在图像生成、图像修复、图像转换等领域取得了巨大的进展。GAN的独特结构，即由生成器（Generator）和判别器（Discriminator）组成的对抗性训练过程，使其在生成逼真图像方面... Wasserstein GAN提升图像生成质量的理论与实践生成对抗网络（GANs，Generative Adversarial Networks）自2014年由Ian Goodfellow等人提出以来，已经在图像生成、图像修复、图像转换等领域取得了巨大的进展。GAN的独特结构，即由生成器（Generator）和判别器（Discriminator）组成的对抗性训练过程，使其在生成逼真图像方面...
- 本文记录企业级法务知识库RAG系统的多AI协同开发实战：面对2万份格式混杂、含15%模糊扫描件的法律文档，14天交付需3秒响应精准查询的系统，构建Kiln AI、LlamaIndex、Helicone协同矩阵。Kiln AI完成数据清洗（有效信息密度提至85%）、合成训练样本及模型微调，使专业术语识别准确率达92%；LlamaIndex搭建三层检索架构，融合语义与关键词检索，匹配错误率降至5%。 本文记录企业级法务知识库RAG系统的多AI协同开发实战：面对2万份格式混杂、含15%模糊扫描件的法律文档，14天交付需3秒响应精准查询的系统，构建Kiln AI、LlamaIndex、Helicone协同矩阵。Kiln AI完成数据清洗（有效信息密度提至85%）、合成训练样本及模型微调，使专业术语识别准确率达92%；LlamaIndex搭建三层检索架构，融合语义与关键词检索，匹配错误率降至5%。
- 深度强化学习（Deep Reinforcement Learning, DRL）作为人工智能领域的一个重要分支，已广泛应用于智能控制系统中。从无人驾驶到机器人控制，DRL通过模拟和训练智能体，能够在复杂环境中做出决策并执行控制任务。本文将探讨DRL在智能控制系统中的应用、所面临的挑战以及如何克服这些挑战。 深度强化学习（Deep Reinforcement Learning, DRL）作为人工智能领域的一个重要分支，已广泛应用于智能控制系统中。从无人驾驶到机器人控制，DRL通过模拟和训练智能体，能够在复杂环境中做出决策并执行控制任务。本文将探讨DRL在智能控制系统中的应用、所面临的挑战以及如何克服这些挑战。
- Files containing only extrapolated orbital metadata, to be read via SDP Toolkit, Binary Format简介AM1EPHNE 是 Terra 近实时 (NRT) 2 小时航天器外推星历数据文件，采用原生格式。文件名格式如下：AM1EPHNE.Ayyyyddd.hhmm.vvv.yyyydddhhmmss，其... Files containing only extrapolated orbital metadata, to be read via SDP Toolkit, Binary Format简介AM1EPHNE 是 Terra 近实时 (NRT) 2 小时航天器外推星历数据文件，采用原生格式。文件名格式如下：AM1EPHNE.Ayyyyddd.hhmm.vvv.yyyydddhhmmss，其...
- 视频动作识别算法的核心是从视频的时空数据中提取运动特征与空间特征，并对人类或物体的动作类别进行分类。一、传统方法（基础参考，已较少用于主流场景）传统方法依赖手工设计特征，虽精度有限，但原理简单，适合资源极度受限或简单场景：HOG+SVM/BoW：原理：将视频帧拆分为块，提取HOG（方向梯度直方图） 描述空间纹理，结合光流（Optical Flow） 描述运动，再用BoW（词袋模型） 聚合特征... 视频动作识别算法的核心是从视频的时空数据中提取运动特征与空间特征，并对人类或物体的动作类别进行分类。一、传统方法（基础参考，已较少用于主流场景）传统方法依赖手工设计特征，虽精度有限，但原理简单，适合资源极度受限或简单场景：HOG+SVM/BoW：原理：将视频帧拆分为块，提取HOG（方向梯度直方图） 描述空间纹理，结合光流（Optical Flow） 描述运动，再用BoW（词袋模型） 聚合特征...
- 图像增强的核心目标是提升图像质量（如清晰度、对比度）、突出关键信息，或为后续任务（如目标检测、医学影像分析、遥感解译）优化数据。根据技术原理，可分为空域增强、频域增强、深度学习增强三大类。一、空域增强：直接操作像素域（最基础、应用最广）空域增强通过修改图像像素的灰度值或空间位置实现，无需转换到其他域，计算效率高，适合实时场景（如监控、手机拍照）。1. 灰度变换：调整像素灰度分布（提升对比度 ... 图像增强的核心目标是提升图像质量（如清晰度、对比度）、突出关键信息，或为后续任务（如目标检测、医学影像分析、遥感解译）优化数据。根据技术原理，可分为空域增强、频域增强、深度学习增强三大类。一、空域增强：直接操作像素域（最基础、应用最广）空域增强通过修改图像像素的灰度值或空间位置实现，无需转换到其他域，计算效率高，适合实时场景（如监控、手机拍照）。1. 灰度变换：调整像素灰度分布（提升对比度 ...
- 当AI遇上癌症：聊聊个性化治疗的新可能 当AI遇上癌症：聊聊个性化治疗的新可能
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