HelloWorld 开发者社区
科技资讯
Qwen4-Max 发布:百万 Token 上下文、多模态与长任务如何落地
Jync 2.2.1 发布:完善告警通知,修复 CDC 与 ETL 可靠性问题
phimint 0.10.0 发布:终端智能体加入交互输入处理
Cursor 更新安全事件调查:扩展分发、历史凭据与团队排查
SoduWork 开源,尝试用独立审查与插件治理组织智能体交付
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
开源项目
全部项目推荐好文
5分钟NLP - SpaCy速查表
SpaCy是一个免费的开源库,用于Python中的高级自然语言处理包括但不限于词性标注、dependencyparsing、NER和相似度计算。它可帮助构建处理和理解大量文本的应用程序可用于多种方向,例如信息提取、自然语言理解或为深度学习提供文本预处理。SpaCy诞生于2014年年中(
「MindSpore:跟着小Mi一起机器学习吧」图片文字识别
时间可过得真快,本周小Mi的更新便是我们机器学习系列的最后一期啦!说了那么多理论,总该来点案例对不对!废话不多说,让我们开始吧~定义那么什么是图片文字识别呢?其实对应的英文全称为PhotoOpticalCharacterRecognition,也可以翻译为图片光学字符识别。随着智能手机
【小Mi的MindSpore学习之路】机器学习汇总,初冬隆重来袭!
小Mi机器学习系列的汇总网页终于千呼万唤出来啦!!!其实早在做这个系列的一开始,小Mi就曾设想做一个这样的东西,没想到转眼刚小半年,今天终于全部更新完毕!好开心,好激动,要飞起~~title.png1.介绍篇:机器学习就是对于某类任务T和性能度量P,如果一个计算机程序在T上以P衡量的性能
「小Mi的MindSpore学习」python在手,word不愁
时隔好久,这不小Mi的python办公系列又更新啦!这次我们学习如何用python处理word文件!安装库说实话,库的安装其实相比excel来说真的就再简单不过啦,这次小Mi全程就只更新安装了一个库,代码如下:pipinstallpythondocx欧凯,那么这部分就已经完成啦!
「MindSpore:跟着小Mi一起深度学习吧」简单介绍
深度学习,听到这个词大家肯定一点都不陌生,没错,今天开始,小Mi带领大家进入全新的系列——跟着小Mi一起深度学习,让我们有态度地深度学习!概念区分那么有人就会问了,不是已经学过机器学习了吗?还需要学习深度学习干啥?其实在机器学习这块,小Mi只是简单给大家介绍了各种学习的算法,而深度学习算得上是机
「MindSpore:跟着小Mi一起机器学习吧!」介绍篇
最近小Mi发现一个问题!为什么某听歌软件给我推荐的绝大多数都是我的style?为什么某橙色购物软件给我推荐的也有不少就能直接给我种草?小Mi灵机一动,掏出手机开始求助百度大哥,经过一通搜索,才发现这就是如今非常火热的人工智能技术!不仅如此,人工智能技术原来已经真真切切地存在于我们生活中了,比如我们每
小Mi的MindSpore学习:和电脑轻松对决
转眼间,小Mi带大家已经机器学习了两个月了,今天带大家一起放松放松,我们和电脑来几场简单的“决斗”!场景1:在没有丰富表情包的聊天时代,大家的表情是不是纯粹靠兔斯基和石头剪刀布来简单进行娱乐,要不今天安排下和计算机无聊来几局?逻辑分析:代码展示:importrandom导入随机模块
【MindSpore:跟着小Mi一起机器学习】那些我们快要遗忘的线性代数知识点
一周未见,动力不减!小Mi又带着知识点和大家见面啦!(敲黑板~)上周小Mi带着大家简单地学习了机器学习的概念,还有其常见的两个大类,监督学习和无监督学习,这次小Mi决定跟大家一起复习下机器学习中常用的线性代数知识。话说矩阵、向量还记得不,逆和转置到底是什么玩意儿?你的大学老师是不是已经哭晕在厕所
【MindSpore:跟着小Mi一起机器学习】单变量线性回归(一)
几天不见,动力不减!话说回来,我们要正式开始挑起大梁干大事了,前面一段时间,小Mi已经带大家初步了解了机器学习,复习了机器学习中需要用到的线性代数知识点,这次我们就要开始正式学习监督学习下的单变量线性回归(那么后面是不是还有多变量线性回归?Bingo!答对了!)啦。那就废话不多说,抓紧时间跟小Mi一
【MindSpore:跟着小Mi一起机器学习】单变量线性回归(二)
小Mi学习,向上积极!在上一篇机器学习中,小Mi已经带大家认识了单变量线性回归的数学模型,以及对应代价函数的图形解释,小Mi也提及过,我们真正需要的是一种有效的算法,能够自动地找出这些使代价函数J取最小值的参数,来,因此它来了它来了!今天小Mi在此基础上,继续带大家一起学习梯度下降算法。3梯度下
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。