人工智能

中文垃圾短信分类实验报告随着移动通信技术的快速发展，垃圾短信问题日益严重。本项目旨在利用深度学习技术构建一个高效的中文垃圾短信分类系统，能够自动识别和过滤垃圾短信，提升用户体验。

企业实训｜自动驾驶中的图像处理与感知技术——某央企汽车集团11月中旬北京海淀，TsingtaoAI技术团队为某央企汽车集团智驾团队开展交付自动驾驶中的图像处理与感知技术主题实训。在智能驾驶技术快速迭代的今天，图像感知作为自动驾驶的"眼睛"，其技术深度与落地能力直接决定系统可靠性。本实训聚焦真实工业场景，系统梳理从传统图像处理到前沿多模态融合的全栈技术路径。课程以传感器标定、车道线识别等基础技术为起点，深入讲解CNN/Transformer在3D目标检测（如DETR3D、BEVFormer）、语义分割（U-Net、DeepLab）中的实战应用，结合多任务学习实现车

YOLO11实例分割训练任务——从构建数据集到训练的完整教程实例分割的核心是"既要识别目标类别，又要勾勒目标轮廓"，这决定了YOLO11分割数据集与传统检测数据集的本质区别。在动手构建前，必须先明确其核心定义和格式规范。

檐下翻书173

从入门到精通：流程图制作学习路径规划在数字化时代，流程图作为高效的信息可视化工具，广泛应用于项目管理、逻辑梳理、流程优化等场景。无论是学生梳理论文框架，还是职场人规划业务流程，清晰的流程图都能将复杂逻辑转化为直观的视觉语言，提升沟通效率与决策质量。

Python学习 | 怎么理解epoch？如果说 torch.manual_seed(42) 是为了让比赛的起跑线固定，那么 Epoch（发音：/ˈiːpɒk/ 或 /ˈepək/）就是告诉你，这场比赛你要跑几圈。

搬砖者（视觉算法工程师）

自动驾驶汽车技术的工程原理与应用自动驾驶技术有望通过提升交通的安全性、舒适性和可靠性，彻底变革人类的出行方式。从载客出行到货物运输，配备人工智能和传感器的自动驾驶技术展现出巨大的潜力。

2025 | 哈工大&鹏城实验室等提出 Cascade HQP-DETR：仅用合成数据实现SOTA目标检测，突破虚实鸿沟！在计算机视觉领域，目标检测模型通常需要大量带有人工标注的数据集来进行训练，这个过程既耗时又费力。为了解决这个问题，研究者们提出了虚拟监督目标检测（Imaginary Supervised Object Detection, ISOD）这一新方向，即模型在合成的虚拟图像上训练，但在真实的图像上进行测试。然而，现有的虚拟监督方法面临着合成数据质量差、模型容易过拟合合成图像的特定模式以及无法有效处理自动标注带来的噪声等难题。

培训ppt高效制作：稿定设计 + Prompt 工程 30 分钟出图指南技术培训课件的核心诉求是信息传递精准、视觉呈现专业、制作效率可控。传统课件制作面临三大痛点：设计耗时久、技术图表制作难、风格统一性差。而稿定设计与 Prompt 工程的结合，通过 “需求标准化定义 + AI 素材生成 + 专业工具优化” 的闭环，实现 30 分钟高效出图。

提示词（Prompt Engineering）核心思维一、提示词的 4 大核心原则在构造提示词时，必须清晰定义任务目标。避免模糊的表述，尽量提供具体细节。例如，任务需包含主题、结构、数量等关键要素。示例：模糊表述：“写一份方案。” 优化表述：“撰写一份《PLDH平台数据治理方案》大纲，包含5个章节，每章3条要点，聚焦数据清洗与标准化流程。”

【Prompt分享】自学英语教程的AI 提示语：流程、范例及可视化实现如果遇到YouTube(油管)/Udemy的英语教程视频太长，不想全部看，或者外语恐惧症，想要快速了解内容，并且摸清楚流程，则可以把字幕扒下来，使用AI提示语进行整理，并实现可视化。

我TM被AI骗的自己PUA了自己😂 😂 ！细思极恐~首先声明：这个绝对不是标题党！！！不管是前端佬、后端佬、APP佬，还是普罗大众，都可以点进来借鉴看看。

深度学习理论与实战：Pytorch基础入门作为刚接触深度学习的新手，第一次看到 “张量”“自动求导”“计算图” 这些概念时，我完全是懵的 —— 这些词到底是什么意思？PyTorch 又该怎么用？后来慢慢发现，其实不用一开始就纠结复杂公式，先把 PyTorch 当成 “带 GPU 加速的计算器” 和 “自动算导数的工具”，反而能快速上手。这篇文章就用最通俗的语言，带你一步步搞懂 PyTorch 的核心逻辑，最后还能跑通一个完整的小案例。

安川YASKAWA焊接机器人电池拖盘焊接节气在现代工业制造中，电池拖盘作为电动汽车及其他储能设备的关键组件，其焊接质量直接影响到产品的性能与安全性。安川YASKAWA焊接机器人凭借其卓越的精度和可靠性，在电池拖盘的焊接过程中发挥了重要作用。随着环保意识的增强以及企业对成本控制的需求增加，如何实现更高效的资源利用成为了新的挑战。在此背景下，安川焊接机器人节气技术应运而生，通过精确调控保护气体的使用量，不仅实现了节能减排的目标，还显著提升了生产效率。

【论文阅读笔记】多实例学习方法 Diverse Density（DD）：在特征空间中寻找正概念的坐标本文介绍1998年由Maron和Lozano-Pérez提出的多实例学习通用框架——Diverse Density。该框架解决一个特殊学习场景：训练数据以"包"（bag）为单位标记，正包包含至少一个正实例（但不知道具体是哪一个），负包仅含负实例。Diverse Density通过最大化"正包交集与负包并集之差"的概率密度来定位目标概念。

RPA机器人就选八爪鱼

RPA财务机器人：驱动财务数字化转型的核心引擎在数字化浪潮席卷各行各业的当下，财务工作正从传统手工核算向智能化、自动化方向全面迈进。RPA财务机器人作为数字化转型的关键工具，凭借其高效、精准的特性，正在重构财务工作流程，成为企业提升财务运营效率、强化决策支持能力的核心力量。

从机器人到软件管理：“具身”思维如何重塑我们的世界朋友们，不知道你有没有观察过孩子学走路？他们不是通过看书或听讲座学会的，而是通过无数次摔倒、爬起，用整个身体去感知重力、平衡和空间，最终才稳稳地站立。这个过程，本质上就是一种“具身”学习。

长不大的蜡笔小新

手写数字识别：从零搭建神经网络我们要解决的问题很简单：让计算机学会识别手写的 0-9 这 10 个数字。就像银行自动识别支票上的数字、快递单自动识别收件人电话那样，只不过我们用的是经典的 MNIST 数据集（包含 6 万张训练图和 1 万张测试图）。

机器学习重点探索机器学习的重点在当今数字化与智能化飞速发展的时代，机器学习已然成为科技领域的一颗璀璨明星。它如同一位神秘的魔法师，不断地为我们揭示数据背后隐藏的奥秘，而理解其重点对于深入掌握这一强大技术至关重要。

AI人工智能+

文档抽取技术：通过OCR、NLP和机器学习技术，将非结构化的合同、发票等文档转化为结构化数据在商业和科研的日常运营中，我们被海量的非结构化文档所包围：合同、发票、简历、研究报告、医疗记录等。这些文档承载着重要信息，但其格式自由、布局多变，使得计算机难以直接理解和处理。文档抽取系统的核心使命，就是像一位训练有素的专家，从这片信息的海洋中，精准地“捕捞”出我们关心的特定内容——我们称之为关键字段。

AI IDE/插件（三）：Task Master、DeepCodeAI辅助编码系列包括：其他工具论文，官网，开源（GitHub，65.1K Star，7.9K Fork）自托管Agent，支持文件/终端/浏览器操作。官方文档，在线体验。