机器学习

【机器学习】31-32 强化学习介绍 & 状态-动作值函数强化学习 (RL) 是一种让智能体（Agent）通过与环境（Environment）的不断交互来学习最优行为策略的方法

C++现代模板编程核心技术精解：从类型分类、引用折叠、完美转发的内在原理，到可变模板参数的基本语法、包扩展机制及emplace接口的底层实现🔥个人主页：胡萝卜3.0📖个人专栏：《C语言》、《数据结构》、《C++干货分享》、LeetCode&牛客代码强化刷题

Linux后台开发狮

DeepSeek-R1 技术剖析（由于平台稿件格式问题，公式格式不能正确写上；如若读写困难可后台私信我要完整电子版）DeepSeek-R1 是一款对标 OpenAI 的模型，它的特点是增强了在复杂任务上的推理能力。

科普专栏｜大语言模型：理解与生成语言的人工智能在人工智能的研究与应用中，大语言模型（Large Language Model，LLM）正逐步成为核心技术之一。如今，deepseek，腾讯元宝，字节豆包等等模型已经能够与我们进行流畅的对话，帮助解决问题、生成文本，甚至进行创造性写作。那么，背后到底是什么技术让这些系统能够如此智能地理解和生成语言呢？

AI真的懂你！阿里发布Qwen3-Omni-Flash 全模态大模型：超强交互，人设任选随着AI越来越“拟人化”，应用场景也在不断扩大。AI终于从“工具”变成“懂你的人”！阿里Qwen3-Omni-Flash的发布，直接把全模态交互拉进一场“交互革命”——它不仅能听、能看、能说，还能捕捉你的情绪波动、记住对话细节，甚至用“李白”的豪放、各地方言回应你，连语气词都拿捏得恰到好处。越来越“拟人化”的AI，是不是意味着会成为我们最贴心的 “数字伙伴”？

AI营销内容生产：1人如何玩转抖音、小红书内容矩阵进入2025年，内容赛道的竞争已然白热化。对于每一位市场营销人员、内容运营者和企业主而言，这是一种切肤之痛：创意似乎总在枯竭边缘，维持抖音、小红书等多平台账号的日更，几乎榨干了整个团队的精力；更令人焦虑的是，即便投入了大量人力物力，流量增长却日益乏力，ROI不成正比。这便是当下普遍存在的“内容内卷”与“生产力瓶颈”。

机器学习与深度学习基础（三）：感知机、神经网络、前向传播、反向传播感知机是由美国科学家 Frank Rosenblatt 在1957年提出的一种简单的线性二分类模型，是神经网络和支持向量机的基础。

数据偏见去偏方法系统方法论学习（基础知识+实践运用）-新手友好版数据偏见（Data Bias）是导致机器学习模型在现实世界中产生不公平、不准确甚至有害结果的主要根源之一。训练数据中存在的偏差问题会直接影响模型学习到的模式，使其在部署时对某些群体或情况做出有偏见的决策。因此，在训练模型之前和之中，必须识别并采取系统化的去偏方法来减轻或消除这些偏见。去偏方法的选择取决于偏见的具体类型和所处的阶段（数据、算法、后处理）。下面将以类别不平衡（样本量差异）这一常见偏见类型为重点，并扩展到更广泛的数据偏见处理方法，形成一份完整的系统方法论思维导图。

TextToSql——Vanna的安装与使用Vanna 2.0是一个用户感知的AI代理框架，它将LLM连接到您的数据库，让您和数据库聊天。本文示例需要读者提前安装好 Ollama，并下载 gpt-oss:20b 模型。其次还要安装好MySQL并建立好数据库和表。

非著名架构师

破解“AI幻觉”，锁定真实风险：专业气象模型如何为企业提供可信的极端天气决策依据？企业决策者面临的三大困境：预测准确性与决策风险的错配AI模型在训练集上表现优异，但在罕见极端天气事件中误差放大

昇腾 Triton-Ascend 开源实战：架构解析、环境搭建与配置速查摘要：本文深度解析 Triton-Ascend GitCode 开源仓库，从源码结构、编译流程到环境部署与基础配置进行全方位指南。针对 Ascend 910B 等硬件特性，提供保姆级环境搭建教程，帮助开发者快速上手昇腾算子开发。

向量数据库拥抱大模型向量数据库拥抱大模型 1.为什么需要向量数据库 2.什么是向量 3.什么是语义搜索 4.向量数据的应用-RAG技术 5.向量数据库比较 6.Long Context vs. RAG

【神经网络】构成单元、网络结构、训练过程神经网络是一种受生物神经系统启发而构建的计算模型。它的基本理念是：生物基础：大脑由无数神经元相互连接而成，通过电化学信号处理信息。一个神经元接收多个输入信号，进行整合，如果信号足够强则产生输出，传递给其他神经元。人工模拟：人工神经网络用数学函数（神经元/节点）和加权连接（权重）来模拟这个过程，通过学习大量数据，自动调整连接强度，从而学会完成特定任务。

20251210 线性最小二乘法迭代拟合（梯度下降）找到最佳的斜率 aaa 和截距 bbb，使得直线 y=ax+b y = ax + b y=ax+b 尽可能接近所有数据点 (xi,yi)(x_i, y_i)(xi,yi)。

机器学习进阶＜6＞神奇的披萨店与学区房：走进RBFN的直觉世界对于RBFN算法，在我之前的机器学习入门教程中已经有所提到。今天的这篇文章将是它的具象化与深入化的版本。

机器学习进阶＜7＞人脸识别特征锚点Python实现本项目展示了径向基函数网络（RBFN）在人脸识别中的应用思想。通过这个项目，你将理解如何将复杂的人脸用几个关键"锚点"来表示，并利用特征点到这些锚点的距离进行人脸分析和相似度比较。

强化学习之——moutaincar本项目旨在使用深度Q网络（DQN）算法解决Gymnasium库中的MountainCar-v0环境。在该环境中，智能体需要控制一辆位于山谷中的小车，通过左右移动来累积足够的动量，最终成功登上右侧山顶。

勇气要爆发

【第一阶段—数学基础】第六章：AI数学入门：线性代数基础—变形金刚的骨架生活类比：向量就像是"带方向的箭头"为什么AI需要向量？公式：计算步骤：几何意义：向量夹角的余弦值为什么"苹果"和"香蕉"相似？

2026年工业物联网与信息技术国际学术会议（IIoTIT 2026）官网：https://ais.cn/u/YrAfqu时间：2026年1月9-11日地点：中国-西安（线上会议）

python机器学习ML

机器学习——因果推断方法的DeepIV和因果森林双重机器学习（CausalForestDML）示例DeepIV 是什么？DeepIV（Deep Instrumental Variables）是一种用于因果推断的计量经济学和机器学习方法。它的核心目标是在存在**内生性（Endogeneity）**问题时，估计处理（Treatment）对结果（Outcome）的因果效应。