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
判断多边形是否属于复杂多边形
标注场景下,用户可以选取多点框选一个区域,这样会生成一个多边形。但某些多边形不适合标注场景,还会增加其他参数计算复杂度,需要判断出来禁止绘制。分类根据标注的场景,可以将多边形归纳为边有交点多边形与边无无交点多边形。如图:!image.png(https://imghell
大数定律
接上一篇切比雪夫不等式(https://segmentfault.com/a/1190000041656350),本篇讨论统计学上一个非常重要的理论,即大数定律,它是概率论的基本理论。大数定律的直观表达非常符合我们的直觉,例如一个普通硬币如果扔足够多次,那么正反面的次数将会无限接近于50
切比雪夫不等式
本篇讨论统计学中一个非常重要的不等式,切比雪夫(Chebyshev)不等式。切比雪夫不等式通常是在研究随机变量的期望值和方差的时候会提到的一个结论,它看上去似乎很复杂,但其实有着非常直观的解释和作用,同时它也是后面要讨论的大数定律的基础引理,真的是非常非常重要。马尔可夫不等式
样本均值与方差
这一篇讨论统计学中,关于样本以及它的统计量的相关特性,重点是样本的均值和方差的相关问题。统计量的期望值假设我们有一个随机变量\(X\),符合某种概率分布,整体的数学期望值和方差为:$$E(X)\mu\\D(X)\sigma^2$$然而整体的期望值和方差
数学笔记
最近想开始写一个新的系列,这次不是coding了,而是数学。当然我不是数学专业的,数学基础其实很差,但又很感兴趣,真的是人菜瘾又大。正是因为我很菜,所以这个系列讨论的东西不是很难的数学,都是大学里学过的基础知识,包括概率论与统计学,微积分,线性代数等,我希望以一个重新审视的角度来回顾这些知识
2023年考研人数预测
背景2022年”考研“相关词汇频繁登上微博热搜,从今年考研比往年多70万的457万报考人数,到考研国家线出来各专业国家线均上涨约10分,至可能约有300万人无法上榜。考研真是一年更比一年卷。而其中的原因可能为疫情下经济的低迷,教培行业的整顿,以及把更好的生活的期望寄托于考研之上。本篇文章
Curve V1数学模型
<blockquotecurve,uniswap是DefiDeveloper的必学协议。在亮神的指导下我把白皮书和源码都过了一遍,但私底下还是要把最重要的部分整理一下。</blockquote背景CurveV1要解决的问题就是稳定兑换问题。UniswapV2的AMM公式x
逆波兰表达式:计算包含括号的四则运算表达式
平时我们进行数学计算使用的常见书写方式就是中缀表达式,即每一个运算符号都位于计算数的中间,如下:$$(12)\div3$$而这对于计算机进行求取结果来说,并不是一个最优的方案,毕竟每次读取到一个运算符,都得判断一次优先级,并且需要确定两个计算数的目标位置。在四则运算的基础之上,还在添加一个
图解数据分析 | 数据分析的数学基础
!ShowMeAI研究中心(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/5250b2cd0614c82376cf7d7417d3345e.png)作者:韩信子(https://link.segmentfault.com
图解AI数学基础 | 微积分与最优化
!ShowMeAI研究中心(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/5250b2cd0614c82376cf7d7417d3345e.png)作者:韩信子(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。