进群送千G学习资料，一个开放，和谐，互帮互助，知识分享的IT技术社区。旨在为解决各种实际运用的技术问题和相关技术分享而成立的问答，知识分享社区。目前主要对标服务于Java，Golang，容器技术Docker,Kubernetes,以及机器学习相关生态 欢迎大家常驻 [http://www.itsharecircle.com](http://www.itsharecircle.com) 进群送千G学习资料 微信扫描如下二维码（或者微信搜索用户Anteoy）添加我为好友，备注Java技术圈，我拉你进群  今天给大家讲讲关于AI，打通视觉，NLP，机器学习，深度学习，推荐搜索，AIGC，大模型等等这些当下最热门技术，我将从以下9个方面给大家做详细讲解关于AI人工智能算法工程师的相关知识。 阶段一：从AI全面认知到基础夯实-行业认知&Python&必备数学 阶段二：从AI核心技术理论体系构建到项目实战： 机器学习&深度学习 阶段三：构建AI的数据驱动力--数据预处理工程 阶段四：AI 深度学习框架实战- Pytorch从基础到进阶 阶段五：AI核心算法+方法——经典深度学习模型实战 阶段六：AI计算机视觉核心技术与项目实战-工...阅读全文
AI人人必修-提示词工程+大模型多场景实战（丰富资料) 分享一套课程——AI人人必修-提示词工程+大模型多场景实战（丰富资料)，课程包更新。 大模型是指具有大规模参数和复杂计算结构的机器学习模型。这些模型通常由深度神经网络构建而成，拥有数十亿甚至数千亿个参数。大模型的设计目的是为了提高模型的表达能力和预测性能，能够处理更加复杂的任务和数据。大模型在各种领域都有广泛的应用，包括自然语言处理、计算机视觉、语音识别和推荐系统等。大模型通过训练海量数据来学习复杂的模式和特征，具有更强大的泛化能力，可以对未见过的数据做出准确的预测。 ChatGPT对大模型的解释更为通俗易懂，也更体现出类似人类的归纳和思考能力：大模型本质上是一个使用海量数据训练而成的深度神经网络模型，其巨大的数据和参数规模，实现了智能...阅读全文
本文分享自天翼云开发者社区《ChatGPT 背后的英雄——AI芯片》，作者:w****nAI芯片能为人工智能应用提供所需的基础算力；按技术架构主要分为GPU、FPGA和ASIC。ChatGPT 有着大量复杂计算需求的 AI 模型， AI 芯片专门用于处理人工智能应用中的大量计算任务，是不可或缺的底层硬件。随着 AI 技术快速发展，AI 应用场景扩大至智能制造、家居、教育、医疗和金融等领域；而智能产品种类不断丰富，包括 ChatGPT 等 AIGC 产品持续升级对芯片算力提出更高要求，AI 芯片算力和需求旺盛增长。据 Frost&Sullivan 预计，2022-2026 年全球 AI 芯片市场规模将以 26.3%复合增速增长。从基础预生成 AI 到机器学习，最终达到深度学习，主要依赖于审阅庞...阅读全文
本文分享自天翼云开发者社区《服务器显卡：驱动高性能计算和人工智能应用》,作者:不知不觉一、引言随着高性能计算和人工智能应用的不断发展，服务器显卡的性能显得越来越重要。服务器显卡是服务器硬件配置中的一个关键组件，它不仅提供基本的图形渲染能力，还在高性能计算和人工智能应用中发挥着重要作用。本文将探讨服务器显卡的重要性和发展趋势，以及如何选择和配置适合的服务器显卡来满足不同的应用需求。二、服务器显卡的重要性服务器显卡在高性能计算和人工智能应用中扮演着至关重要的角色。高性能计算广泛应用于科学计算、工程设计、气象预测等领域，而人工智能应用则涵盖了机器学习、深度学习、图像识别等领域。这些应用需要大量的计算资源和高效的算法来处理大规模的数据集，而服务器显卡正是在这样的应用中发挥重要作用。三、服务器显卡的发...阅读全文
 如何学好人工智能？学习人工智能需要哪些基础？人工智能薪资待遇如何？这些应该是当下很多程序员朋友最关心的问题，今天就让我们来一起探讨学习一下。 个人建议，要学好人工智能，可以按照以下步骤来进行： 第一步——数学基础知识：学习线性代数、概率统计、微积分等数学概念，这些都是人工智能领域的核心内容。 第二步——编程语言：熟练掌握至少一种编程语言，如Python，它是目前最流行的编程语言之一，拥有丰富的开源库和框架，如TensorFlow。 第三步——机器学习算法：学习常见的机器学习算法，如支持向量机、逻辑回归、决策树、朴...阅读全文
参考资料地址1：https://pan.baidu.com/s/1fSuATnWL68l2BCceBqiFYA 提取码: 3jhj 参考资料地址2：https://share.weiyun.com/tnVNHGMD 密码：3fj7iy 众所周知，视觉系统对于理解和推理视觉场景的组成特性至关重要。这个领域的挑战在于对象之间的复杂关系、位置、歧义、以及现实环境中的变化等。作为人类，我们可以很轻松地借助各种模态，包括但不仅限于视觉、语言、声音等来理解和感知这个世界。现如今，随着 Transformer 等关键技术的提出，以往看似独立的各个方向也逐渐紧密地联结到一起，组成了“多模态”的概念。 多功能 通过引入灵活的提示引擎，包括点、框、涂鸦 (scribbles)、掩模、文本和另一幅图像的相关区域，...阅读全文
8月25日，由中国信通院、中国通信标准化协会主办的“2023首届SecGo云和软件安全大会”在北京召开。会上公布了2023年度可信安全最新评估结果，中国电信天翼云顺利通过首批云堡垒机能力评估，云安全能力再获认可。天翼云科技有限公司云网安全事业部产品总监宋志明参会发表演讲，介绍了天翼云在一体化云原生安全防护体系方面的思考与实践。近年来，云原生技术逐渐成为企业上云的重要发展方向，云原生安全作为新的安全理念被频频提出，成为安全领域的重要赛道。越来越多企业以原生思维推进云上安全建设、部署与应用，以应对日趋复杂且多元化的安全管理挑战。作为云服务国家队，天翼云肩负维护网信安全的重要责任和使命。为满足各行业客户安全合规需求，天翼云不断完善自身安全产品体系和能力优势，创新突破云原生安全关键技术，打造了国云...阅读全文
### download：[某课大数据工程师2023版完整版](https://www.zxit666.com/6409/) 大数据工程师是一种专业技艺，担任处置和剖析大范围的数据集。他们需求控制各种数据处置工具和技术，包括数据发掘、数据可视化、机器学习、散布式系统、数据库管理等等。 大数据工程师的工作职责包括： 设计和完成数据处置系统，包括数据采集、存储、处置和剖析。 编写和维护数据处置代码，包括运用各种编程言语和工具。 优化数据处置系统的性能，确保数据处置速度和精确性。 停止数据剖析和发掘，协助企业做出更好的商业决策。 与数据科学家和其他团队成员严密协作，确保数据处置系统与整个业务流程无缝衔接。 为了胜任这一职业，大数据工程师需求具备以下技艺和素质： 纯熟控制数据处置工具和技术，包括Ha...阅读全文
 从学习角度看，C++是一门“见效慢”的语言；学习曲线陡峭，语言本身复杂。但，如果你想了解很多编程语言的思想源泉，想要一窥大型企业级开发工程的思路，想开发别人做不了的高性能程序，那C++就是你的好伙伴。 一、什么是C++？ C++是一种面向对象的计算机程序设计语言，作为C语言的继承，C++不仅能进行C语言的过程化程序设计，而且可进行以抽象数据类型为特点的基于对象的程序设计，还能进行基于过程的程序设计。C++是一种静态数据类型检查的、支持多重编程范式的通用程序设计语言。它的设计风格支持数据抽象、面向对象程序设计、过程化程序设计...阅读全文
9月15日，国家网络安全宣传周期间，云计算服务安全分论坛在福州召开。论坛上，天翼云科技有限公司副总经理、首席网络安全官广小明分享了天翼云在政务云领域的基础设施建设、产品技术升级以及安全保障能力。近年来，各地推进数字政府、数字政务建设的步伐不断加快。天翼云作为云服务国家队，面向政务领域客户的信息化建设、支撑智慧城市多业务系统上云等需求，基于分布式云架构，以统一的建设标准和安全基线为指导，探索自主可控政务云平台的集约化运营模式，为政务领域客户提供laaS/PaaS/SaaS一体化上云服务。在构建政务云自主可控能力体系方面，天翼云持续践行“一横两纵”的能力体系架构。“一横”指天翼云操作系统TeleCloudOS4.0及其承载的IaaS、PaaS等服务能力，兼顾上下游软硬件生态，满足多行业场景诉求...阅读全文
 今天抽空跟大家讨论一下关于成为AI人工智能算法工程师的条件是什么？众所周知，AI人工智能是当前最热门的技术之一，那么需要掌握哪些技术才能胜任这一职位呢？我们今天就来唠一唠。 算法工程师是一个很高端的岗位，要求有很高的数学水平和逻辑思维能力，需要学习高等数学、离散数学Q、线性代数、数据结构和计算机等课程。 专业要求:计算机、通信、数学、电子等相关专业。 学历要求:本科及其以上学历，大多数都是硕士及其以上学历。 语言要求:英语要求熟练，基本上可以阅读国外相关的专业书刊。 另外，还必须要掌握计算机相关的知识，能够熟练使用仿真工具...阅读全文
【完结15章】AI人人必修-提示词工程+大模型多场景实战（丰富资料) 分享一套课程——AI人人必修-提示词工程+大模型多场景实战（丰富资料)，已完结15章，含配套资料。 基本的语言模型原理可以分为以下三种类型： 统计语言模型（Statistical Language Models）：这种模型使用传统的统计技术来确定文本序列的概率。最简单的例子是N-gram模型，它使用一种基于词频的方法来预测下一个词语。 LLMs(Large Language Models ) Large Language Models（LLMs），也称为大型语言模型，是一种基于机器学习和自然语言处理技术的模型，它通过对大量的文本数据进行训练，来学习服务人类语言理解和生成的能力。 LLM的核心思想是通过大规模的无监督训练来学...阅读全文
本文分享自天翼云开发者社区《分布式系统中的分布式链路追踪与分布式调用链路》，作者：c****w在分布式系统中，由于服务间的调用关系复杂，需要实现分布式链路追踪来跟踪请求在各个服务中的调用路径和时间消耗。这对问题排查和性能监控都很重要。常用的分布式链路追踪实现有基于日志的和基于分布式追踪系统的两种方式：基于日志的实现方式是在每个服务中记录自己的请求id和上下文信息，并在日志中打印出来。这样可以通过聚合各个服务的日志来还原整个请求链路。基于分布式追踪系统的实现方式是：使用开源Tracing系统，比如Zipkin。每个服务都需要集成Tracing客户端库。客户端在发起请求时，生成一个唯/一的TraceId并传递给下游服务。每个服务接收到请求都需要记录Span数据，包括操作名、时间戳等。所有Span...阅读全文
近日，Meta公司发布了其最新研发成果——开源大模型Llama 3，共包含Llama 3 8B和Llama 3 70B两种规格，参数量级分别为80亿与700亿，并表示这是目前同体量下性能最好的开源模型。相较于前代产品Llama 2，Llama 3在预训练数据上扩大了整整7倍（达到15T tokens），并且在数据质量与训练方式上也进行了深度优化，这无疑为开源大型语言模型（LLM）领域发展再次书写了辉煌篇章。为了方便广大AI技术爱好者与从业者快速上手学习与使用大语言模型技术，天翼云基于开源的Meta-Llama-3-8B-Instruct模型以及text-generation-webui框架, 搭建了一键部署、开箱即用的云主机镜像。同时，天翼云CPU/GPU云主机近期即将上线Llama 3大模...阅读全文
本文分享自天翼云开发者社区《云监控告警2.0：革新传统告警机制，引领智能化监控新时代》，作者：每日知识小分享随着云计算技术的飞速发展，云服务已成为企业IT架构的重要组成部分。为了确保云服务的稳定、高效运行，云监控告警机制扮演着至关重要的角色。传统的云监控告警机制在应对复杂多变的云环境时，往往显得捉襟见肘。因此，云监控告警2.0应运而生，它以其独特的亮点和优势，革新了传统的告警机制，为云监控带来了全新的变革。本文将详细探讨云监控告警2.0的亮点，并分析其如何引领智能化监控新时代。云监控告警机制是云监控体系的核心组成部分，它负责在云服务出现异常或故障时，及时发出告警通知，以便运维人员迅速采取措施解决问题。传统的云监控告警机制虽然能够在一定程度上实现告警功能，但在告警准确性、实时性、智能化等方面存...阅读全文
Lockfile的作用1、确保每次install时生成稳定的依赖树，锁定依赖和依赖的依赖的版本。2、提升install的速度。yarn和npm都有一些诸如适配和提取公共依赖版本、扁平化依赖的优化策略，lockfile的存在可节省计算时间。package-lock.json和yarn.lockyarn.lock生成和更新策略如下：若yarn.lock不存在，安装依赖并生成yarn.lock。若yarn.lock存在且与package.json中的版本范围匹配，yarn.lock保持不变，yarn不会检查是否有新版本。若yarn.lock不满足package.json中的所有依赖项，yarn将查找最新的满足package.json中约束的可用版本，并更新yarn.lock。package-loc...阅读全文
近日，由天翼云弹性网络产品线撰写的《Small Scale Data-free Knowledge Distillation》长文被IEEE Conference on Computer Vision and Pattern Recognition收录。IEEE CVPR是人工智能与模式识别技术领域的顶/级国际学术会议，也是中国计算机学会CCF推荐的A类国际会议之一。该会议始于1983年，是业界公认的全球计算机视觉三大顶/级会议之一。此次论文被IEEE CVPR成功收录，不仅展现了天翼云在AI领域的创新能力，也意味着中国企业在国际学术舞台上的影响力日益增强。《Small Scale Data-free Knowledge Distillation》这篇长文提到，知识蒸馏技术（Knowled...阅读全文
本文分享自天翼云开发者社区《大数据与人工智能初了解》，作者:杜****玲如果说数据的产生和收集是基础，那么数据的挖掘、分析和利用则是关键。简单来说，数据挖掘就是要从大量非结构化数据和半结构化数据中挖掘出隐含的、先前未知但潜在有效的信息和模式的一个工程化和系统化的过程。在大数据时代之前，抽样调查是获取信息的主要途径，样本的数量和质量很容易影响调查结果；而大数据时代意味着一个全样本时代的来临，可以对全样本进行深度学习来精准回答问题，把握用户的真实想法和习惯。这就意味着，在算法、机器学习、知识图谱等技术的帮助下对数据进行专业性地挖掘和处理，进而通过数据加工将之变成具有针对性的有效信息，能够帮助我们实现智能化的信息收集和加工，大数据仍然是人工智能的基础。人工智能的核心是机器学习，其他人工智能技术基本...阅读全文
 离线计算作为大数据计算领域领军技能，在成本、稳定性、数据一致性等方面有着绝对优势。吃透Spark离线技术及相关生态，就掌握了大数据工程师的高薪密码。本文章将结合生产级项目，一栈式点亮：数据收集(DataX)、数据湖(Iceberg)、数据分析(Spark)、智能调度(DS)、数据服务(DBApi)、AI大模型(ChatGPT)、可视化(Davinci)等离线处理核心技能及生态体系，带你打通硬核技能，拓宽上升通道。 首先，我们先来认识spark： 1、什么是spark Spark是一种快速、通用、可扩展的大数据分析引擎，20...阅读全文
本文分享自天翼云开发者社区《CBAM注意力模型介绍》，作者:Liuzijia近年来，注意力机制在各项深度学习任务中表现出色。研究表明，人类视觉感知过程中，注意力机制发挥了积极的效果，可以帮助人们高效和自适应的处理视觉信息并聚焦于显著的画面区域，从而能够做出最准确的判断。因此，通过模拟视觉注意力机制，在网络结构中加入注意力模块，使模型可以更加关注待分类图像中的关键信息，抑制不相关的特征信息，促使模型对重要的特征区域更加敏感，从而有效提升相关任务的性能。本文简要介绍一种经典的混合注意力模型CBAM。CBAM[1]是一种结合了通道与空间注意力的混合注意力模块，通过该模块可以自适应的强化特征提取过程。图1 CBAM结构（引用自文献[1]）图1为CBAM的结构。对于输入特征图，该模块会依次推断出一个...阅读全文
 一、AI软件开发的现实 AI和机器学习解决方案将不再作为独立产品让人们印象深刻，而是作为数字服务中的基本且显而易见的功能。目前，市场上充斥着各种类型的AI产品，但我们缺乏用例，尤其是生成型AI的用例。因此，我们应该专注于它们。不要仅仅目标是创建AI软件，而是要为其找到一个伟大的用例。在制造人工智能的背景下，我们能想到的许多用例正逐渐成为商品，例如： 从图片中识别文本文本转语音语言翻译、语言学习（farewell Duolingo）商业智能（简单来说）文本校正研究和内容综合智能自动完成功能 二、软件工程的挑战 软件工程是一项...阅读全文
QT+深度学习应用案例开发集锦 什么是Qt Qt是一个跨平台的C++图形用户界面应用程序框架。它为应用程序开发者提供建立图形界面所需的所有功能。它是完全面向对象的，很容易扩展，并且允许真正的组件编程。 Qt的优势 1)跨平台，几乎支持所有的平台 2)接口简单，容易上手，学习QT框架对学习其他框架有参考意义。 3)一定程度上简化了内存回收机制 4)开发效率高，能够快速的构建应用程序。 5)有很好的社区氛围，市场份额在缓慢上升。 6)可以进行嵌入式开发。 深度学习的应用案例 图像识别：深度学习在图像识别领域取得了巨大的突破。通过训练深度神经网络，可以实现对图像中物体、人脸、文字等的准确识别和分类。例如，人脸识别技术已经广泛应用于安全监控、人脸解锁等场景。 语音识别：深度学习在语音识别领域也有很多...阅读全文
人工智能应用开发之QT5+OpenCV4.8从入门到实战（C++） 一、人工智能自动化任务 1. 代码生成 人工智能可以通过学习现有代码库，自动生成代码片段甚至完整的模块。这有助于开发人员快速创建基础框架，从而节省时间和精力。例如，一些AI工具可以根据需求生成样板代码，使开发人员能够更快地开始工作。 2. 自动化测试 人工智能可以用于自动化测试，从而减少手动测试的工作量。自动化测试可以更快地发现代码中的错误和漏洞，并在代码更改时进行持续集成，确保软件质量。AI可以通过学习应用程序的不同方面，生成更全面的测试用例。 3. 自动化部署和运维 人工智能在软件部署和运维方面也发挥着重要作用。通过学习应用程序的历史性能数据，AI可以帮助优化资源分配和负载均衡，从而实现更高的性能和可用性。自动化部署工具...阅读全文
本文分享自天翼云开发者社区《云监控的发展历程与未来展望》，作者：薛****志云监控的介绍随着云计算的普及,许多企业已经将关键业务系统和应用迁移到了云端。与传统的本地部署环境相比,云端环境更加动态和复杂,这使得监控云上资源和应用的运行状态变得尤为重要。云监控能够实时监测云端资源的可用性、性能和操作。通过收集和分析关键监控数据,可以快速发现云端系统和应用的性能瓶颈和潜在问题,并作出响应以确保其正常运行。因此,云监控是保证企业云端业务平稳运行的关键组成部分。云监控的常用功能主要包括：资源监控: 监控云服务器、存储、网络等资源的运行指标和性能,如CPU利用率、内存用量、磁盘I/O等，并设置相应的告警阈值和通知机制。应用监控:监控企业关键应用的运行状况,请求响应时间,错误率等，设置相关的故障告警,以快...阅读全文
【完结31周】AI人工智能算法工程师 人工智能发展的三大引擎：算法、算力、算料（即数据） 一、算法：人工智能的智慧之源 算法，作为人工智能的“大脑”，是指导计算机执行特定任务的一系列指令的集合。它是人工智能实现智能化处理的基础，决定了AI系统能够理解和处理信息的深度和广度。 二、算力：人工智能的动力引擎 算力，即计算能力，是支撑人工智能算法运行和数据处理的基础设施。随着人工智能技术的不断发展，对算力的需求也在持续增长。 三、算料（即数据）：人工智能的燃料之源 数据，作为人工智能的“燃料”，是驱动AI技术发展的重要基础。没有数据的支持，再先进的算法和算力也无法发挥出应有的价值。 人工智能(AI)在近年来的发展速度十分惊人，它已经在许多领域中得到了广泛应用。从人脸识别到自动驾驶汽车，再到智能助手...阅读全文
本文分享自天翼云开发者社区《浅谈ChatGPT在云计算资源调度的应用》，作者：张****兵一、ChatGPT技术原理ChatGPT 是基于 GPT（Generative Pre-trained Transformer）技术构建的大型语言模型。其技术原理主要包括以下几个方面：Transformer 模型：GPT 使用了 Transformer 模型作为其基础结构，Transformer 模型是一种自注意力机制的神经网络，可以自动地学习输入序列中不同位置之间的依赖关系，从而有效地解决了传统循环神经网络存在的长期依赖问题。预训练：GPT 使用了预训练的方法，即在大规模语料库上进行无监督的训练，通过学习语言的概率分布模型，使得模型能够理解语言中的语义和上下文关系。在预训练过程中，GPT 通过掩盖部...阅读全文
【完结】和橘子学AI视频【新课上线】 人工智能是智能学科重要的组成部分，它企图了解智能的实质，并生产出一种新的能以与人类智能相似的方式做出反应的智能机器。人工智能是十分广泛的科学，包括机器人、语言识别、图像识别、自然语言处理、专家系统、机器学习，计算机视觉等。 如何入门人工智能呢？ 首先，你需要掌握编程技能。毫无疑问，Python是人工智能领域最常用的编程语言。它简洁易学，拥有丰富的开源库和工具，非常适合初学者。你可以通过在线教程、编程课程和实践项目来学习Python编程。 接下来，你需要了解人工智能的基础概念和算法。例如，机器学习是人工智能的核心领域之一，它涉及让机器从数据中学习并作出预测或决策。你可以学习经典的机器学习算法，如线性回归、决策树和神经网络，并通过实际项目来应用这些算法。 除...阅读全文
AI+Go 打造你的智能办公助手 通过结合Go语言和AI技术，可以开发出能够自动执行任务、智能分析文档、提供个性化建议等功能的智能办公助手。例如，利用自然语言处理技术，助手可以理解并响应用户的口头指令；借助机器学习算法，它可以预测员工的工作习惯，从而提前准备所需资料或提醒重要事项。 技术优势 1、高效并发：Go语言内置了goroutines轻量级线程模型，使得开发者能够轻松地编写高并发程序。这对于需要处理大量数据或同时响应多个用户请求的智能办公助手来说至关重要。 2、快速启动与低资源消耗：Go编译器能够生成高效的机器码，这意味着Go应用程序可以在极短的时间内启动，并且在整个运行过程中保持较低的内存和CPU使用率。 3、易于部署：Go语言支持跨平台编译，允许开发者为不同操作系统和架构创建二进制...阅读全文
和橘子学AI绘图【Midjourney】 一、什么是AI绘图 AI绘图是一种基于人工智能技术的绘画方法，通过算法和模型的学习与训练，模拟人类绘画的过程和风格，生成具有艺术价值的图像作品。 技术原理 AI绘图的核心技术包括计算机视觉和深度学习。计算机视觉技术用于对图像进行分析、识别和理解，而深度学习技术则通过大规模的训练数据和神经网络的堆叠，使AI系统能够学习绘画技巧并生成新的绘画作品。 应用实例 AI绘图的应用实例包括各种AI绘画平台，如Dream Studio、playground.ai、画宇宙、盗梦师等。这些平台允许用户通过输入文字描述来生成图像，实现了文生图（txt2img）的功能。 挑战与未来发展 尽管AI绘图技术取得了显著进展，但仍面临一些挑战，如模型对图片内容识别...阅读全文
download： https://www.daxiacode.com/7424.html【资源介绍】:AI人工智能工程师-NLP必备技能主要指的是在自然语言处理（NLP）领域中，作为人工智能工程师应具备的必要技能。这些技能包括但不限于：自然语言处理基础知识：掌握自然语言处理的基本概念、原理和常用算法，了解语言学的基础知识。机器学习和深度学习：熟悉常用的机器学习和深度学习算法，并能应用于NLP任务中，如文本分类、情感分析、机器翻译等。文本表示与向量化：了解和掌握常用的文本表示方法，如词袋模型、TF-IDF、word2vec等，能够将文本数据转化为向量表示。语言模型和序列模型：熟悉语言模型的概念和常用模型，如N-gram、循环神经网络（RNN）、长短期记忆网络（LSTM）等，并能应用于文本生成...阅读全文
