机器学习基础概念:样本、特征、标签与数据集划分 引言 想象一下,你要教一个小朋友识别水果: 样本:就是一个个具体的水果(苹果、香蕉、橙子...) 特征:就是描述水果的属性(颜色、大小、形状...) 标签:就是水果的名字("这是苹果"、"这是香蕉") 数据集划分:就像把水果分成三堆——一堆用来教(训练
机器学习发展历程:从符号主义到预训练模型的演进之路 引言 机器学习的发展历程就像人类学习方式的演变:从最初的"死记硬背"(符号主义),到"总结规律"(统计学习),再到"模仿大脑"(神经网络),最后到"博览群书"(预训练模型)。每个阶段都有其独特的思维方式和技术特点,共同构成了今天人工智能的辉煌成就。
CPU、GPU、TPU 详解:从架构差异到 AI 应用 引言 想象一下三种不同的工作场景: CPU:像一位多才多艺的经理,能够处理各种复杂任务,但一次只能专注做一件事 GPU:像一支庞大的工人队伍,每个人都很简单,但可以同时做大量相同的工作 TPU:像一台专门为特定任务设计的超级机器,在特定领域无人
LangChain4J:Java 开发者的 AI 应用框架 引言:为什么 Java 开发者需要 LangChain4J? 想象一下,你要在 Java 应用中集成 AI 功能: 传统方式(直接调用 API) Java 应用: ↓ 手动调用 OpenAI API ↓ 处理 JSON 响应 ↓
LangChain:深度解析与应用实践 引言:为什么需要 LangChain? 想象一下,你要建造一座智能房屋: 传统方式(直接使用 LLM API) 你:调用 OpenAI API ↓ API:返回结果 ↓ 你:处理结果 ↓ 你:再次调用 API ↓ API:返回结果 ↓ ..
AI 学习路线图&资源 Python 编程基础 视频教程:https://www.bilibili.com/video/BV1tDsgzxECr 视频教程:https://www.bilibili.com/video/BV1zN4y1v7Vv 视频教程:https://www.bilibili.co
符号主义:人工智能早期的重要思路 引言:两种不同的"思考"方式 想象一下,你要教一个机器人如何识别"猫": 方法一:符号主义的方式(像教小孩认字) 你拿出一本百科全书,告诉机器人: 猫 = { 特征:四条腿、有尾巴、毛茸茸、会喵喵叫 分类:哺乳动物 → 食肉目 → 猫科 行为:喜欢抓老鼠