- ProxylessNAS：直接在目标任务和硬件上进行神经架构搜索Cai H, Zhu L, Han S. Proxylessnas: Direct neural architecture search on target task and hardware[J]. arXiv preprint arXiv:1812.00332, 2018. 第一章 引言与研究背景神经架构搜索（NAS）在自... ProxylessNAS：直接在目标任务和硬件上进行神经架构搜索Cai H, Zhu L, Han S. Proxylessnas: Direct neural architecture search on target task and hardware[J]. arXiv preprint arXiv:1812.00332, 2018. 第一章 引言与研究背景神经架构搜索（NAS）在自...
- Edge Impulse：面向微型机器学习的MLOps平台深度解析Hymel S, Banbury C, Situnayake D, et al. Edge impulse: An mlops platform for tiny machine learning[J]. arXiv preprint arXiv:2212.03332, 2022. 一、引言与研究背景Edge Impulse... Edge Impulse：面向微型机器学习的MLOps平台深度解析Hymel S, Banbury C, Situnayake D, et al. Edge impulse: An mlops platform for tiny machine learning[J]. arXiv preprint arXiv:2212.03332, 2022. 一、引言与研究背景Edge Impulse...
- 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
- 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
- 在人工智能研究中，传统的AI系统通常针对单一任务进行优化，缺乏跨任务的知识迁移能力。而**多任务学习（Multi-Task Learning, MTL）**通过在同一模型中同时学习多个相关任务，使AI Agent能够在不同情境下实现自适应推理与决策。这种机制不仅提升了数据利用效率，还增强了系统的泛化能力。 在人工智能研究中，传统的AI系统通常针对单一任务进行优化，缺乏跨任务的知识迁移能力。而**多任务学习（Multi-Task Learning, MTL）**通过在同一模型中同时学习多个相关任务，使AI Agent能够在不同情境下实现自适应推理与决策。这种机制不仅提升了数据利用效率，还增强了系统的泛化能力。
- 运维告警不是“玄学”：聊聊怎么用机器学习优化事件关联分析 运维告警不是“玄学”：聊聊怎么用机器学习优化事件关联分析
- AI推荐系统：如何悄无声息地重塑你的购物车？ ——从“人找货”到“货找人”的底层逻辑与实战拆解本文目标：用一次“完整购物旅程”带你穿透推荐系统的黑箱，既看懂淘宝/抖音为何“比你更懂你”，也能亲手搭一个工业级召回+排序+策略引擎，并落地到真实电商数据集。读完你将获得：一张可套用的“购物体验提升”技术地图三段可直接运行的 Python 代码（召回→排序→策略），覆盖 10⁶ 级商品池一套可量化... AI推荐系统：如何悄无声息地重塑你的购物车？ ——从“人找货”到“货找人”的底层逻辑与实战拆解本文目标：用一次“完整购物旅程”带你穿透推荐系统的黑箱，既看懂淘宝/抖音为何“比你更懂你”，也能亲手搭一个工业级召回+排序+策略引擎，并落地到真实电商数据集。读完你将获得：一张可套用的“购物体验提升”技术地图三段可直接运行的 Python 代码（召回→排序→策略），覆盖 10⁶ 级商品池一套可量化...
- 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/...
上滑加载中
推荐直播
-
华为云码道Skill实战与极速交付，智能开发全链路实战2026/07/22 周三 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；姜浩-华为云HCDG核心组成员
直播深度解读华为云码道6月产品新特性，从Skill市场安装专家技能，带你零距离体验从需求，开发，审查，重构全链路闭环的开发过程。从零构建并交付一个完整项目，让您体验从代码提交到服务上线的“极速”之旅。
回顾中 -
聚开发者之力，创具身新未来2026/07/23 周四 15:00-17:00
张豪杰/程文/王军/刘新春/黄钦开 /张晓天
本次华为云具身智能开发平台CloudRobo培训面向具身智能开发者，带您全流程体验机器人本体R2C小时级接入、环境重建与轨迹生成仿真数据生产、PB级数据管理、数据评测、模型训推、强化学习和Benchmark一键评测等功能，并体验业界主流具身模型应用。
回顾中 -
用码道，让你的AI作品三步上朋友圈2026/08/04 周二 19:00-20:00
林华鼎-华为云AI开发者运营负责人
从入门 · 到做AI应用 · 到企业级开发。不教编程，只教用AI · 零代码、有产出、能带走、可炫耀 · 每课人人动手实操
回顾中
热门标签