HelloWorld 开发者社区
科技资讯
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
qData 1.6.7 发布:修复增量读取与 ETL 字段传递问题
Apple HomeView 在部分地区开售,整合家庭控制与视频通话
Cloudflare 推出 Spend Management Beta,为 Workers 增加支出限制
Cloudflare 开源 Kitesurf:面向 AI 智能体的轻量浏览器引擎
JeecgBoot 与敲敲云介绍分层方案,连接低代码开发与业务搭建
开源项目
全部项目推荐好文
BanditPAM,一个超酷的 Python 库!
大家好,我是涛哥,本文内容来自涛哥聊Python,转载请标原创。今天为大家分享一个超酷的Python库BanditPAM。Github地址:https://github.com/motiwari/BanditPAM(https://link.segmentfault.com
解锁京东店铺潜力:15大场景揭秘商品列表API接口的超凡应用
随着电子商务的蓬勃发展,API接口成为连接商家与平台的重要桥梁。京东作为中国领先的电商平台,提供了丰富的API接口,帮助商家更高效地管理店铺和商品。主要用作于一下场景商品展示:在商家自己的网站或移动应用上展示京东店铺的商品列表,方便用户浏览和购买。库存管理:实时获取商
NumPy 通用函数(ufunc):高性能数组运算的利器
NumPy通用函数(ufunc)简介NumPy通用函数(ufunc),代表“通用函数”,是一类用于对<codendarray</code对象进行逐元素运算的高性能函数。ufunc使NumPy能够在底层高效地利用C语言实现向量化操作,从而显著提高计算速
bottle,一个神奇的 Python 库!
大家好,我是涛哥,本文内容来自涛哥聊Python,转载请标原创。今天为大家分享一个神奇的Python库bottle。Github地址:https://github.com/bottlepy/bottle(https://link.segmentfault.com/?enc
向量检索服务-应用场景
本文为您介绍向量检索服务在电商智能搜索和偏好推荐、自然语言处理等AI问答系统、图库类网站多模态搜索、视频检索、分子检测与筛选等场景下的应用。电商智能搜索和偏好推荐场景在电商智能搜索和偏好推荐场景中,向量数据库可以实现基于向量相似度的搜索和推荐功能。例如一个电商平台中包含了各种商品的
web2py,一个强大的 Python 库!
大家好,我是涛哥,本文内容来自涛哥聊Python,转载请标原创。今天为大家分享一个强大的Python库web2py。Github地址:https://github.com/web2py/web2py(https://link.segmentfault.com/?encxm
多项分布模拟及 Seaborn 可视化教程
多项分布是二项分布的推广,描述了在n次试验中k种不同事件出现次数的概率分布。参数包括试验次数n、结果概率列表pvals(和为1)和输出形状size。PMF公式展示了各结果出现次数的概率。NumPy的random.multinomial()可生成多项分布数据。练习包括模拟掷骰子和抽奖活动。解决方案提供了相关图表绘制代码。关注公众号“LetusCoding”获取更多内容。

卡方分布和 Zipf 分布模拟及 Seaborn 可视化教程
卡方分布是统计学中的一种连续概率分布,用于假设检验,形状由自由度(df)决定。自由度越大,分布越平缓。NumPy的random.chisquare()可生成卡方分布随机数。Seaborn能可视化卡方分布。练习包括模拟不同自由度的卡方分布、进行卡方检验。瑞利分布描述信号处理中幅度分布,参数为尺度(scale)。Zipf分布常用于自然语言等幂律特征数据,参数a控制形状。NumPy的random.zipf()生成Zipf分布随机数。

卡方分布和 Zipf 分布模拟及 Seaborn 可视化教程
卡方分布简介卡方分布是一种连续概率分布,常用于统计学中进行假设检验。它描述了在独立抽样中,每个样本的平方偏差之和的分布。卡方分布的形状由其自由度(df)参数决定,自由度越大,分布越平缓。参数卡方分布用两个参数来定义:df:自由度,表示卡方
micawber,一个超强的 Python 库!
大家好,我是涛哥,本文内容来自涛哥聊Python,转载请标原创。今天为大家分享一个超强的Python库micawber。Github地址:https://github.com/coleifer/micawber(https://link.segmentfault.com/?
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。