机器学习

AI应用层革命（七）——智能体的终极形态：认知循环体的诞生本文为《AI应用层革命》系列第七篇，承接前六篇对智能体自主演化、伦理边界与法律框架的系统性探讨。本篇将深入剖析智能体发展的终极方向——认知循环体（Cognitive Loop Entity）。我们将从信息处理、意义生成、自我建模与环境交互四个维度，揭示一种新型智能存在如何突破“工具”与“代理”的局限，成为具备内生目的性、持续反思能力与跨模态整合机制的闭环认知系统。

时序数据获取事件通过时间序列数据“获取事件”，本质上是从连续的时序数据中检测、识别和提取出具有特殊意义或显著变化的离散时间点或时间段。这通常被称为 “事件检测” 或 “变化点检测”。

是开心的栗子呀

阿里云天池：预测二手车交易价格的机器学习项目-高效实现MAE低于500分最近在学习AI的过程中，老师在针对分析式AI的学习过程中，指导了我们在AI时代，如何使用机器学习 + 大模型完成阿里云天池大赛- 《【AI入门系列】车市先知：二手车价格预测学习赛》。我通过通过使用QWEN3-Coder-plus模型不断对数据的训练，最终达到了490多分，（不是不能完成的更好，而是更希望先完成再完美）。与此同时也自我总结一下在比赛时的学习心得。做一个简单的分享。

逻辑回归简介逻辑回归（Logistic Regression）是一种广泛应用于分类问题的统计学习方法，尤其擅长处理二分类问题。尽管名字中带有"回归"，但它实际上是一种分类算法。逻辑回归通过Sigmoid函数将线性回归的输出映射到(0,1)区间，从而得到样本属于某一类别的概率。

【花书第五章】汇报用🎯 机器学习任务概览机器学习任务通常定义为：机器学习系统应如何处理样本。📚 常见机器学习任务类型

B站计算机毕业设计之家

基于大数据热门旅游景点数据分析可视化平台数据大屏 Flask框架 Echarts可视化大屏博主介绍：✌全网粉丝50W+，前互联网大厂软件研发、集结硕博英豪成立软件开发工作室，专注于计算机相关专业项目实战6年之久，累计开发项目作品上万套。凭借丰富的经验与专业实力，已帮助成千上万的学生顺利毕业，选择我们，就是选择放心、选择安心毕业✌ > 🍅想要获取完整文章或者源码，或者代做，拉到文章底部即可与我联系了。🍅

ID3，C4.5，CART对比ID3、C4.5和CART是三种经典的决策树算法，均用于分类或回归任务，但在核心思想、分裂标准、处理能力等方面存在差异。

深入C++可调用对象：从function包装到bind参数适配的技术实现🔥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

【KL 散度】深入理解 Kullback-Leibler Divergence：AI 如何衡量“像不像”的问题📚 专为深度学习初学者打造的数学直觉教程🎯 目标：用人话讲清楚这个机器学习中最重要、却最容易被误解的概念

Coding茶水间

基于深度学习的脑肿瘤检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)基于深度学习的脑肿瘤检测系统演示脑肿瘤作为一种常见的神经系统疾病，其早期精准识别对临床诊疗方案的制定及预后评估具有重要意义。近年来，计算机断层扫描（CT）、磁共振成像（MRI）等医学影像技术为脑肿瘤的诊断提供了重要依据，但传统影像分析高度依赖医师经验，存在诊断周期长、主观差异大等问题。随着人工智能与医学影像分析的深度融合，基于深度学习的目标检测技术为脑肿瘤的自动化检测提供了新的技术路径。

第三届信息化教育与计算机技术国际学术会议（IECA 2026）官网：https://ais.cn/u/BVnqYf时间：2026年01月16-18日地点：中国-上海

机器是如何变“智能“的？：机器学习机器学习是人工智能的核心，机器学习的强大之处在于它能够从数据中学习，并在无需直接编程的情况下进行预测，给定一组输入，模型将根据从现有数据中学习到的模式，预测接下来会发生什么。

DAY 38 MLP神经网络的训练@浙大疏锦行

AI编程文本挖掘提示词实战AI编程的本质是将需求转化为AI可理解的指令。一个好的提示词应遵循IPO模型：基础示例：完整示例：区别在于：完整版明确了路径、工具、参数和输出位置。

学好statistics和DS

机器学习中所有可以调整的超参数（考试／自己调参用）在机器学习/深度学习考试中，当被问到"你可以调整哪些超参数"时，以下是完整的超参数列表：结构化回答示例： "超参数可以分为几个主要类别：

DAY36 复习日我们使用了神经网络的方式，用了pytorch重新对信贷数据集进行处理。结果如下：

LLM的测试-时规模化：基于子问题结构视角的综述25年来自Penn State和南洋理工（新加坡）的论文“Test-time Scaling of LLMs: A Survey from A Subproblem Structure Perspective”。

强化学习——PPO、DPO、GRPO的原理推导enviroment：看到的画面+看不到的后台画面，不了解细节agent：根据策略得到尽可能多的奖励state：当前状态

久曲健的测试窝

深度解构Testin XAgent：AI测试如何“副驾驶”进化为“全自动驾驶”在软件工程的浩瀚宇宙中，测试（QA）往往被视为最后一道“守门员”。但在DevOps流水线疯狂加速的今天，这道门正面临前所未有的冲击。

CARLA自动驾驶仿真环境搭建与DEMO详解CARLA是一个开源的自动驾驶仿真平台，由Intel实验室和巴塞罗那自治大学计算机视觉中心共同开发。它基于虚幻引擎（Unreal Engine）构建，为自动驾驶系统的开发、训练和验证提供了一个逼真的虚拟环境。