- MINUN: 微控制器上的精确机器学习推理Jaiswal S, Goli R K K, Kumar A, et al. MinUn: Accurate ML inference on microcontrollers[C]//Proceedings of the 24th ACM SIGPLAN/SIGBED International Conference on Languages, C... MINUN: 微控制器上的精确机器学习推理Jaiswal S, Goli R K K, Kumar A, et al. MinUn: Accurate ML inference on microcontrollers[C]//Proceedings of the 24th ACM SIGPLAN/SIGBED International Conference on Languages, C...
- 在当今大数据与人工智能的浪潮中，如何高效地处理和分析高维数据成为亟待解决的重要问题。随着传感器技术、基因测序、金融交易与互联网应用的发展，数据维度呈现爆炸式增长。虽然高维数据蕴含着丰富的潜在信息，但过多的冗余和噪声特征往往导致“维度灾难”（Curse of Dimensionality），严重影响模型的训练效率与泛化能力。 在当今大数据与人工智能的浪潮中，如何高效地处理和分析高维数据成为亟待解决的重要问题。随着传感器技术、基因测序、金融交易与互联网应用的发展，数据维度呈现爆炸式增长。虽然高维数据蕴含着丰富的潜在信息，但过多的冗余和噪声特征往往导致“维度灾难”（Curse of Dimensionality），严重影响模型的训练效率与泛化能力。
- MCUNetV2：面向微型深度学习的内存高效分块推理方法Ji Lin, Wei-Ming Chen, Han Cai, Chuang Gan, and Song Han. 2021. MCUNetV2: memory-efficient patch-based inference for tiny deep learning. In Proceedings of the 35th Inte... MCUNetV2：面向微型深度学习的内存高效分块推理方法Ji Lin, Wei-Ming Chen, Han Cai, Chuang Gan, and Song Han. 2021. MCUNetV2: memory-efficient patch-based inference for tiny deep learning. In Proceedings of the 35th Inte...
- TensorFlow Lite Micro：嵌入式TinyML系统上的机器学习推理框架深度解析David R, Duke J, Jain A, et al. Tensorflow lite micro: Embedded machine learning for tinyml systems[J]. Proceedings of machine learning and systems, ... TensorFlow Lite Micro：嵌入式TinyML系统上的机器学习推理框架深度解析David R, Duke J, Jain A, et al. Tensorflow lite micro: Embedded machine learning for tinyml systems[J]. Proceedings of machine learning and systems, ...
- 随着人工智能（AI）的快速发展，AI Agent（智能体）在分布式系统、社交网络、物联网以及多智能体协作系统中的应用日益广泛。复杂网络环境下，节点间交互频繁、关系动态变化，传统的集中式学习方式难以应对这种高动态性和不确定性。因此，研究 AI Agent的自组织学习与适应机制 具有重要意义。 随着人工智能（AI）的快速发展，AI Agent（智能体）在分布式系统、社交网络、物联网以及多智能体协作系统中的应用日益广泛。复杂网络环境下，节点间交互频繁、关系动态变化，传统的集中式学习方式难以应对这种高动态性和不确定性。因此，研究 AI Agent的自组织学习与适应机制 具有重要意义。
- Embeddings 是现代机器学习和深度学习中的一个核心概念，尤其在自然语言处理（NLP）和推荐系统等领域得到了广泛应用。它通过将高维离散数据映射到低维连续向量空间，从而捕捉数据的语义信息和潜在关系。 什么是 Embeddings？Embeddings 本质上是将离散的输入数据（例如单词、物品、用户）转化为低维连续向量表示的技术。它的主要目的是简化复杂数据的表示，使得机器学习模型可以更高效... Embeddings 是现代机器学习和深度学习中的一个核心概念，尤其在自然语言处理（NLP）和推荐系统等领域得到了广泛应用。它通过将高维离散数据映射到低维连续向量空间，从而捕捉数据的语义信息和潜在关系。 什么是 Embeddings？Embeddings 本质上是将离散的输入数据（例如单词、物品、用户）转化为低维连续向量表示的技术。它的主要目的是简化复杂数据的表示，使得机器学习模型可以更高效...
- 在人工智能的应用中，AI Agent 逐渐成为自然语言处理、推荐系统、自动驾驶等复杂任务中的核心模块。随着数据规模的指数级增长，如何高效地对AI Agent进行深度学习训练与优化，成为研究的关键问题。传统训练方式在面对大规模数据时，往往面临计算开销过高、收敛缓慢、泛化能力不足等挑战。本文将系统探讨面向大规模数据的AI Agent深度学习训练与优化策略，并结合实战案例进行验证。 在人工智能的应用中，AI Agent 逐渐成为自然语言处理、推荐系统、自动驾驶等复杂任务中的核心模块。随着数据规模的指数级增长，如何高效地对AI Agent进行深度学习训练与优化，成为研究的关键问题。传统训练方式在面对大规模数据时，往往面临计算开销过高、收敛缓慢、泛化能力不足等挑战。本文将系统探讨面向大规模数据的AI Agent深度学习训练与优化策略，并结合实战案例进行验证。
- 一、流水线架构的核心挑战在Hadoop生态系统中，构建高效的数据处理流水线需要解决三个核心矛盾：数据吞吐量与处理延迟的平衡、计算资源利用率与任务调度开销的博弈、数据一致性与系统容错能力的权衡。某电商企业日志分析系统的案例显示，未经优化的流水线在TB级数据处理时，任务完成时间波动可达40%以上。典型问题场景：数据倾斜导致Reducer节点负载不均Map与Reduce阶段的资源争用数据序列化/... 一、流水线架构的核心挑战在Hadoop生态系统中，构建高效的数据处理流水线需要解决三个核心矛盾：数据吞吐量与处理延迟的平衡、计算资源利用率与任务调度开销的博弈、数据一致性与系统容错能力的权衡。某电商企业日志分析系统的案例显示，未经优化的流水线在TB级数据处理时，任务完成时间波动可达40%以上。典型问题场景：数据倾斜导致Reducer节点负载不均Map与Reduce阶段的资源争用数据序列化/...
- 1.定位、目标。2. K-近邻算法涵盖距离度量、k值选择、kd树、鸢尾花种类预测数据集介绍、练一练、交叉验证网格搜索、facebook签到位置预测案例。3. 线性回归包括线性回归简介、线性回归损失和优化、梯度下降法介绍、波士顿房价预测案例、欠拟合和过拟合、正则化线性模型、正规方程推导方式、梯度下降法算法比较优化、维灾难。4. 逻辑回归涵盖逻辑回归介绍、癌症分类预测案例（良恶性乳 1.定位、目标。2. K-近邻算法涵盖距离度量、k值选择、kd树、鸢尾花种类预测数据集介绍、练一练、交叉验证网格搜索、facebook签到位置预测案例。3. 线性回归包括线性回归简介、线性回归损失和优化、梯度下降法介绍、波士顿房价预测案例、欠拟合和过拟合、正则化线性模型、正规方程推导方式、梯度下降法算法比较优化、维灾难。4. 逻辑回归涵盖逻辑回归介绍、癌症分类预测案例（良恶性乳
- 没有大数据，哪来人工智能？——聊聊“大数据喂养下的AI进化史” 没有大数据，哪来人工智能？——聊聊“大数据喂养下的AI进化史”
- CERES Monthly Gridded Radiative Fluxes and Clouds Terra FM1 Edition2G简介CER_FSW_Terra-FM1-MODIS_Edition2G 是云和地球辐射能量系统 (CERES) 月度格点辐射通量和云 Terra 飞行模型 (FM1) Edition2G 数据产品，该产品是使用 Terra 平台上的 CERES-FM1 和... CERES Monthly Gridded Radiative Fluxes and Clouds Terra FM1 Edition2G简介CER_FSW_Terra-FM1-MODIS_Edition2G 是云和地球辐射能量系统 (CERES) 月度格点辐射通量和云 Terra 飞行模型 (FM1) Edition2G 数据产品，该产品是使用 Terra 平台上的 CERES-FM1 和...
- 作为Python开发者，下划线(`_`)可能是我们每天都会遇到的符号，但它却有着多种不同的含义和应用场景。本文将全面剖析Python中下划线的各种用法。 作为Python开发者，下划线(`_`)可能是我们每天都会遇到的符号，但它却有着多种不同的含义和应用场景。本文将全面剖析Python中下划线的各种用法。
- 1.机器学习常用科学计算库包括基础定位、目标。2. 人工智能概述涵盖人工智能应用场景、人工智能小案例、人工智能发展必备三要素、人工智能机器学习和深度学习。3. 机器学习概述包括机器学习工作流程、什么是机器学习、模型评估（回归模型评估、拟合）、Azure机器学习模型搭建、完整机器学习项目流程。4. 机器学习基础环境安装与使用包括Jupyter Notebook使用（一级标题、Ju 1.机器学习常用科学计算库包括基础定位、目标。2. 人工智能概述涵盖人工智能应用场景、人工智能小案例、人工智能发展必备三要素、人工智能机器学习和深度学习。3. 机器学习概述包括机器学习工作流程、什么是机器学习、模型评估（回归模型评估、拟合）、Azure机器学习模型搭建、完整机器学习项目流程。4. 机器学习基础环境安装与使用包括Jupyter Notebook使用（一级标题、Ju
- 随着人工智能（AI）的快速发展，AI Agent逐渐成为自动驾驶、机器人、智能推荐系统等领域的核心组件。然而，传统的强化学习方法在高维环境中存在训练不稳定、收敛速度慢等问题。深度神经控制网络（Deep Neural Control Networks, DNCN）引入，为AI Agent的优化和调优提供了新的思路。本文将探讨如何利用深度神经控制网络提升AI Agent的决策能力，并结合代码 随着人工智能（AI）的快速发展，AI Agent逐渐成为自动驾驶、机器人、智能推荐系统等领域的核心组件。然而，传统的强化学习方法在高维环境中存在训练不稳定、收敛速度慢等问题。深度神经控制网络（Deep Neural Control Networks, DNCN）引入，为AI Agent的优化和调优提供了新的思路。本文将探讨如何利用深度神经控制网络提升AI Agent的决策能力，并结合代码
- 在人工智能的发展中，强化学习（Reinforcement Learning, RL）已经成为智能体（AI Agent）在复杂环境中学习最优行为策略的重要手段。然而，传统强化学习往往需要 明确定义的奖励函数，而在实际问题中，奖励函数往往是 隐含的、难以直接建模 的。 为此，逆向强化学习（Inverse Reinforcement Learning, IRL） 应运而生，其目标是通过观察专家的行为轨迹 在人工智能的发展中，强化学习（Reinforcement Learning, RL）已经成为智能体（AI Agent）在复杂环境中学习最优行为策略的重要手段。然而，传统强化学习往往需要 明确定义的奖励函数，而在实际问题中，奖励函数往往是 隐含的、难以直接建模 的。 为此，逆向强化学习（Inverse Reinforcement Learning, IRL） 应运而生，其目标是通过观察专家的行为轨迹
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。
即将直播
热门标签