- Arthas profiler（使用async-profiler对应用采样，生成火焰图） Arthas profiler（使用async-profiler对应用采样，生成火焰图）
- 报名CANN训练营赢多重好礼！ 报名CANN训练营赢多重好礼！
- 机器学习如何颠覆混合云运维：从被动救火到主动护航 机器学习如何颠覆混合云运维：从被动救火到主动护航
- 从数据海洋中“淘金”——数据挖掘的魔法与实践 从数据海洋中“淘金”——数据挖掘的魔法与实践
- 智能导诊系统概述智能导诊系统是依托人工智能、大数据及医疗信息化技术构建的智能化医疗服务工具，旨在优化患者就医流程，提升医疗资源匹配效率，辅助实现精准分诊和早期预警。其核心目标是通过人机协同，缓解传统医疗场景中“挂号难、分诊难、资源错配”等痛点，为患者提供全流程就医导航服务。 核心功能智能分诊基于患者主诉（如症状、病史等），通过语义解析和知识图谱匹配，自动推荐最适配的科室、医生及检查项目，降低... 智能导诊系统概述智能导诊系统是依托人工智能、大数据及医疗信息化技术构建的智能化医疗服务工具，旨在优化患者就医流程，提升医疗资源匹配效率，辅助实现精准分诊和早期预警。其核心目标是通过人机协同，缓解传统医疗场景中“挂号难、分诊难、资源错配”等痛点，为患者提供全流程就医导航服务。 核心功能智能分诊基于患者主诉（如症状、病史等），通过语义解析和知识图谱匹配，自动推荐最适配的科室、医生及检查项目，降低...
- 过拟合是指在机器学习中，模型在训练数据上表现良好，但在新数据上表现不佳的现象。以下是关于过拟合的详细介绍：过拟合的原因模型复杂度过高：当模型的复杂度过高时，它可以在训练数据中几乎完美地拟合每个数据点，包括噪声和异常值，但在未见过的新数据上的泛化能力较差。过于复杂的模型具有大量的参数或高阶特征表示，使它能够灵活地适应训练数据中的细微变化，但也容易过度拟合。训练数据不足：当训练数据量较小或不足以... 过拟合是指在机器学习中，模型在训练数据上表现良好，但在新数据上表现不佳的现象。以下是关于过拟合的详细介绍：过拟合的原因模型复杂度过高：当模型的复杂度过高时，它可以在训练数据中几乎完美地拟合每个数据点，包括噪声和异常值，但在未见过的新数据上的泛化能力较差。过于复杂的模型具有大量的参数或高阶特征表示，使它能够灵活地适应训练数据中的细微变化，但也容易过度拟合。训练数据不足：当训练数据量较小或不足以...
- 人工智能（AI）、机器学习（ML）和深度学习（DL）是紧密相关的概念，但它们之间存在着明显的区别。以下是对这些概念的详细解释和比较：概念解释概念解释人工智能（AI）使机器能够模拟人类智能的技术，包括机器学习、自然语言处理、计算机视觉等。机器学习（ML）一种人工智能方法，通过经验在任务中做出改善，基于数据进行学习和预测。深度学习（DL）机器学习的一个子集，基于人工神经网络，能够自动从大量数据中... 人工智能（AI）、机器学习（ML）和深度学习（DL）是紧密相关的概念，但它们之间存在着明显的区别。以下是对这些概念的详细解释和比较：概念解释概念解释人工智能（AI）使机器能够模拟人类智能的技术，包括机器学习、自然语言处理、计算机视觉等。机器学习（ML）一种人工智能方法，通过经验在任务中做出改善，基于数据进行学习和预测。深度学习（DL）机器学习的一个子集，基于人工神经网络，能够自动从大量数据中...
- 研究首次利用CRISPR-Cas9技术构建携带与人类致病突变同源（Gaa c.1826dupA）的庞贝病小鼠模型，更精准模拟人类IOPD的病理特征，为疾病机制研究和个性化治疗策略开发提供了重要工具。 研究首次利用CRISPR-Cas9技术构建携带与人类致病突变同源（Gaa c.1826dupA）的庞贝病小鼠模型，更精准模拟人类IOPD的病理特征，为疾病机制研究和个性化治疗策略开发提供了重要工具。
- ——你的第一份AI职场生存指南🤖 当AI成为同事，我们如何定义“新同事”？过去，“同事”是工位旁的咖啡搭子，如今可能是云端默默输出的代码伙伴。**智能体（AI Agent）**正从工具演化为“虚拟员工”，渗透进需求分析、代码生成、测试运维等研发全链路。但面对琳琅满目的AI同事，开发者该如何避坑选型？▍智能体分类学：你的团队需要哪种“新血”？类型核心能力典型场景执行型精准完成单一指令自动化测... ——你的第一份AI职场生存指南🤖 当AI成为同事，我们如何定义“新同事”？过去，“同事”是工位旁的咖啡搭子，如今可能是云端默默输出的代码伙伴。**智能体（AI Agent）**正从工具演化为“虚拟员工”，渗透进需求分析、代码生成、测试运维等研发全链路。但面对琳琅满目的AI同事，开发者该如何避坑选型？▍智能体分类学：你的团队需要哪种“新血”？类型核心能力典型场景执行型精准完成单一指令自动化测...
- 大数据如何化解城市交通拥堵的难题？ 大数据如何化解城市交通拥堵的难题？
- 本文探讨了在PaddlePaddle中利用MySQL存储模型训练数据的方法与优势。MySQL以其结构化数据管理能力、强大查询功能及数据持久化特性，为PaddlePaddle的训练数据提供高效存储方案。文章从数据库表结构设计、数据预处理到训练过程中的数据交互（如加载、记录、更新）进行了详细说明，并分析了可能遇到的数据一致性、性能和安全问题及其解决方案。 本文探讨了在PaddlePaddle中利用MySQL存储模型训练数据的方法与优势。MySQL以其结构化数据管理能力、强大查询功能及数据持久化特性，为PaddlePaddle的训练数据提供高效存储方案。文章从数据库表结构设计、数据预处理到训练过程中的数据交互（如加载、记录、更新）进行了详细说明，并分析了可能遇到的数据一致性、性能和安全问题及其解决方案。
- 本文探讨了Scikit-learn与MySQL深度协同在机器学习工程中的创新应用。通过构建智能数据生态系统，突破传统ETL流程限制，实现特征矩阵与数据库实时状态的动态关联。文章从流式接口、神经形态架构、分形计算、事务日志改造等方面，阐述了二者协同带来的性能突破。同时，时空折叠效应、超维稳定性保障及元学习进化等特性，为通用人工智能提供了坚实基座。 本文探讨了Scikit-learn与MySQL深度协同在机器学习工程中的创新应用。通过构建智能数据生态系统，突破传统ETL流程限制，实现特征矩阵与数据库实时状态的动态关联。文章从流式接口、神经形态架构、分形计算、事务日志改造等方面，阐述了二者协同带来的性能突破。同时，时空折叠效应、超维稳定性保障及元学习进化等特性，为通用人工智能提供了坚实基座。
- LightGBM与MySQL的深度集成，为机器学习提供从数据到模型预测的完整解决方案。通过高效的数据管道、智能缓存及压缩技术，实现海量数据低延迟访问，支持实时特征工程与增量训练。该方案突破传统ETL瓶颈，保障生产环境可靠性，未来还将拓展联邦学习与元数据驱动等方向，推动数据智能深度融合，加速AI产业落地。 LightGBM与MySQL的深度集成，为机器学习提供从数据到模型预测的完整解决方案。通过高效的数据管道、智能缓存及压缩技术，实现海量数据低延迟访问，支持实时特征工程与增量训练。该方案突破传统ETL瓶颈，保障生产环境可靠性，未来还将拓展联邦学习与元数据驱动等方向，推动数据智能深度融合，加速AI产业落地。
- 文章来源于时习知公众号全文约4528字，阅读约需10分钟AI已成为释放数据价值的新引擎，人工智能发展的突破得益于高质量数据的发展，AI大模型的训练和推理应用过程都离不开高质量、大规模、多样性的数据集。这些数据集可能会涉及企业Know-How、高价值、高密级的数据。如何使数据提供方更愿意共享数据集给AI大模型训练，并保障其数据主权，成为智能时代数据流通的新的机遇与挑战。 PART 01 AI... 文章来源于时习知公众号全文约4528字，阅读约需10分钟AI已成为释放数据价值的新引擎，人工智能发展的突破得益于高质量数据的发展，AI大模型的训练和推理应用过程都离不开高质量、大规模、多样性的数据集。这些数据集可能会涉及企业Know-How、高价值、高密级的数据。如何使数据提供方更愿意共享数据集给AI大模型训练，并保障其数据主权，成为智能时代数据流通的新的机遇与挑战。 PART 01 AI...
- 在AI模型训练中，记录训练过程与参数至关重要，有助于优化模型、促进团队协作及问题排查。MySQL凭借强大的数据管理能力，可高效存储和处理结构化数据，确保一致性与完整性。通过设计合理的表结构（如模型信息表、训练记录表等），结合规范的记录流程，能有效支持大规模AI项目。然而，也需应对数据量增长、一致性维护和数据安全等挑战，以充分发挥MySQL的优势，推动AI技术发展。 在AI模型训练中，记录训练过程与参数至关重要，有助于优化模型、促进团队协作及问题排查。MySQL凭借强大的数据管理能力，可高效存储和处理结构化数据，确保一致性与完整性。通过设计合理的表结构（如模型信息表、训练记录表等），结合规范的记录流程，能有效支持大规模AI项目。然而，也需应对数据量增长、一致性维护和数据安全等挑战，以充分发挥MySQL的优势，推动AI技术发展。
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中
热门标签