架构 第一性 模型 思维
API架构风格
浅谈6种流行的API架构风格 前言 API在现代软件开发中扮演着重要的角色，它们是不同应用程序之间的桥梁。编写业务API是日常开发工作中最常见的一部分，选择合适的API框架对项目的成功起到了至关重要的作用。本篇文章将浅谈一下当前6种流行的API架构风格的优点、缺点以及适用场景。 6种流行的API架构 ......
cleaning of llm corpus 大模型语料清洗
cleaning of llm corpus 大模型语料清洗 数据是人工智能领域发展的基础要素之一。随着大规模预训练模型及相关技术不断取得突破，在相应研究中使用高效数据处理工具提升数据质量变得越来越重要。llm_corpus_quality集成了包含清洗、敏感词过滤、广告词过滤、语料质量自动评估等功 ......
为什么说家庭教育是孩子的第一所学校，爸妈们(父母)是孩子的第一任老师？
父母是孩子的第一任教师，家庭是人生的第一课堂。——家庭教育在孩子成长中的价值 家庭教育好了，学校教育就会轻松高效，这是一个简单却管用的道理 无论多好的学校教育都代替不了家庭教育 家庭是未成年人生活的第一环境，是他们成长的起点和摇篮，而从教育这个角度看，家庭则是孩子的第一所学校，父母就是他们的第一任老 ......
Eloquent 模型使用详解 Has One Through 远程一对一
远程一对一也好，经过型，穿过型一对一也好，都能表示这种模型的关联方式：一种非直接的关系定义 这里使用官方的例子：👩🔧修理工，🚗车，👨💼车主来说明 上下文解释 👩🔧修理工 mechanics 负责维修 👨💼车主 owners 的 🚗车 cars，这里假设一个车主只有一张车， ......
第一讲
大模型受众广泛原因 成为发展通用人工智能的重要途径 过去使用专用模型，一个模型一个问题；现在提倡通用模型，即一个模型应对多种任务，多种模态。 书生浦语大模型 从模型到应用 开放体系 数据： 多模态融合（领域广泛）， 精细化处理（数据经过清理和筛选），价值观对齐 预训练：高科扩展，极致的性能优化，兼容 ......
从Bitcask存储模型谈超轻量级KV系统设计与实现
本文从从Bitcask存储模型讲起，谈轻量级KV系统设计与实现。从来没有最好的K-V系统，只有最适合应用业务实际场景的系统，做任何的方案选择，要结合业务当前的实际情况综合权衡，有所取有所舍。 ......
开发篇1：使用原生api和Langchain调用大模型
对大模型的调用通常有以下几种方式：方式一、大模型厂商都会定义http风格的请求接口，在代码中可以直接发起http请求调用；方式二、在开发环境中使用大模型厂商提供的api；方式三、使用开发框架Langchain调用，这个就像java对数据库的调用一样，可以直接用jdbc也可以使用第三方框架，第三方框架 ......
darknet-yolov4训练自己的模型记录
最近又整了一块jetson nano的板子，就拿过来正好用一下，这个跑yolo还是很有用的，这里也记录一下过程。 1、jetson nano变化 之前也玩过jetson nano，但是最近却发现这个nano和之前的不一样了，是这样的 就是原来都是sd卡烧录，但是这个是emmc了 最大的区别就是原来使 ......
扩散模型
有不少介绍扩散模型的资料，其中"Understanding Diffusion Models: A Unified Perspective"论文是我读到的解释最详细也是最易于理解的一个。 数学符号 用粗体字母表示向量, 如\( \mathbf{x}, \mathbf{z}\) 用字母\(\mathb ......
机器学习-概率图模型系列-隐含马尔科夫模型-33
目录1. Hidden Markov Model2. HMM模型定义 注：参考链接 https://www.cnblogs.com/pinard/p/6945257.html 1. Hidden Markov Model 隐马尔科夫模型（Hidden Markov Model，以下简称HMM）是比较 ......
银行业数据架构的前世今生
分享大纲： 1. 银行信息系统架构 2. 数据架构的主要内容 3. 数据架构的未来 银行信息系统架构 （一）银行信息化发展历程 银行信息化发展历程包括四个阶段：20世纪70年代的信息孤岛阶段、20世纪80-90年代的互联互通阶段、20世纪90年代至2012年的信息化阶段、2012年至今的数字化阶段。 ......
UCB Data100：数据科学的原理和技巧：第一章到第五章
一、引言 原文：Introduction 译者：飞龙 协议：CC BY-NC-SA 4.0 学习成果 了解 Data 100 的总体目标 了解数据科学生命周期的阶段 数据科学是一个跨学科领域，具有各种应用，并且在解决具有挑战性的社会问题方面具有巨大潜力。通过建立数据科学技能，您可以赋予自己参与和引领 ......
浅谈6种流行的API架构风格
前言 API在现代软件开发中扮演着重要的角色，它们是不同应用程序之间的桥梁。编写业务API是日常开发工作中最常见的一部分，选择合适的API框架对项目的成功起到了至关重要的作用。本篇文章将浅谈一下当前6种流行的API架构风格的优点、缺点以及适用场景。 6种流行的API架构风格图 SOAP SOAP全拼 ......
Spring Boot和 Spring Cloud的区别；单体架构与微服务架构的区别以及优缺点
Spring Boot 简介 Spring Boot是由Pivotal团队提供的全新框架，其设计目的是用来简化新Spring应用的初始搭建以及开发过程。该框架使用了特定的方式来进行配置，从而使开发人员不再需要定义样板化的配置。通过这种方式，Spring Boot致力于在蓬勃发展的快速应用开发领域(r ......
[Maven] 02 - POM模型与常见插件
POM 模型 1 依赖关系 Maven 一个核心的特性就是依赖管理。当我们处理多模块的项目（包含成百上千个模块或者子项目），模块间的依赖关系就变得非常复杂，管理也变得很困难。针对此种情形，Maven 提供了一种高度控制的方法。 通俗理解： 依赖谁就是将谁的 jar 包添加到本项目中。可以依赖中央仓库 ......
软件架构实践 V2：第二章
第二章 什么是软件架构 如果一个项目的系统构架 (包括理论基础) 尚未确定，就不应该进行此系统的全面开发。只有对构架做出明确清楚的表述，才能使之在整个开发和维护过程中加以充分利用。 ——Barry Boehm 本章我们将严格地从软件工程的角度对构架进行讨论，即除了第1章中所讲到的企业所获得的价值外， ......
Python第一天学习笔记
今日学习内容 1.什么是编程 2.计算机组成原理 3.计算机操作系统 4.编程语言是什么 什么是编程 什么是编程语言 编程语言是什么：人与计算机交流的介质 什么是编程 编程：利用编程语言写出一个个文件，这堆文件会达到一个目的 编程有什么用 就像近代奴隶主奴役黑奴干活一样，我们的目的是奴役计算机为我们 ......
如何开发医疗保险欺诈识别监测模型中的模型选择与构建？
开发医疗保险欺诈识别监测模型时，选择合适的模型和构建有效的模型是至关重要的。以下是一些建议： 模型选择： 逻辑回归： 适用于线性关系，简单、快速，容易解释。 决策树和随机森林： 能够处理非线性关系，对异常值和噪声相对鲁棒，易于解释。 支持向量机（SVM）： 在高维空间中表现良好，对于复杂的非线性关系 ......
如何开发医疗保险欺诈识别监测模型中的模型训练与调优？
医疗保险欺诈识别模型的训练与调优是一个关键的步骤，它直接影响模型的性能。以下是一些建议： 1. 数据准备与预处理： 数据清理： 处理缺失值、异常值，确保数据的质量。 特征工程： 提取有助于欺诈检测的特征，可能需要与领域专家一起进行。 数据平衡： 处理正负样本不平衡，可以考虑欠采样、过采样或使用权重调 ......
如何开发医疗保险欺诈识别监测模型中的特征工程？
在开发医疗保险欺诈识别监测模型时，特征工程是一个关键的步骤，它有助于提取、转换和选择最相关的特征，以改善模型的性能。以下是在开发医疗保险欺诈识别监测模型时进行特征工程的一些建议： 基本特征提取： 提取基本的医疗保险相关特征，如就医次数、就医地点、就医科室、医疗费用等。 时序特征： 如果数据包含时间信 ......
BS 架构 和 CS 架构
软件开发架构 【1】C / S 架构 C/S是美国Borland公司最早研发 C ：client (客户端) S : server (服务端) 【2】B / S 架构 B/S是美国微软公司研发。 B ：browser (网页端) S ： Server (服务端) 【3】C/S与B/S区别 Clien ......
医疗保险欺诈识别监测模型分析
以下是开发医疗保险欺诈识别监测模型的一般性步骤： 数据集分析与预处理： 对给定的16000条数据集进行初步分析，了解数据的结构、特征。 进行数据清洗，处理缺失值、异常值等。 进行多维特征信息分析，以了解医疗保险欺诈的潜在特征。 特征工程： 提取能够描述医疗保险欺诈的特征因子集合。这可能需要领域专业知 ......
开发医疗保险欺诈识别监测模型如何进行数据集分析与预处理
数据集加载： 使用工具如Pandas库加载数据。使用pd.read_csv()等函数加载数据集到DataFrame。 初步数据探索： 使用head()、info()、describe()等方法查看数据的前几行、基本信息和统计摘要。 使用shape属性获取数据集的大小。 处理缺失值： 使用isnull ......
解析x86与x64：架构之争、性能较量与未来趋势
在计算机体系结构领域，x86和x64是两种备受关注的架构，它们在硬件设计、内存寻址、性能表现等方面有着显著的差异。本文将深入探讨x86和x64的详细区别以及各自的优点，帮助读者更全面地理解这两种计算机体系结构。 架构概述 x86 x86架构最初设计用于Intel的16位微处理器，后来扩展到32位。它 ......
Spark On YARN架构
Spark On YARN模式遵循YARN的官方规范，YARN只负责资源的管理和调度，运行哪种应用程序由用户自己决定，因此可能在YARN上同时运行MapReduce程序和Spark程序，YARN对每一个程序很好地实现了资源的隔离。这使得Spark与MapReduce可以运行于同一个集群中，共享集群存 ......
1.12_redis 的存取在最后 晚上_浙江本地环境的header不能用线上的_header中host和refer分别代表什么意思?_模型的save()参数是数组怎么理解?
方便点1： 问题: 为什么这个浙江的这个线上的header用到本地就不行,而熊师爷的这个却可以? 线上的 header中的host 本地的 header中的host 根据上面弄得对照关系 header中host和refer分别代表什么意思? 活1: 分析如下： 上面分析出现的问题：既然只统计：开业状 ......
第一章作业
第一章作业 一. 单选题（共2题，18分） (单选题) 如果想对一个类的意义进行描述，那么应该采用( )。 A. 标记值 B. 规格描述 C. 注释 D. 构造型 正确答案: C:注释; (单选题) ( )模型的缺点是缺乏灵活性，特别是无法解决软件需求不明确或不准确的 问题。 A. 瀑布模型 B. ......
POT超阈值模型和极值理论EVT分析|附代码数据
全文链接：http://tecdat.cn/?p=16845 最近我们被客户要求撰写关于极值理论的研究报告，包括一些图形和统计输出。 本文依靠EVT对任何连续分布的尾部建模。尾部建模，尤其是POT建模，对于许多金融和环境应用至关重要 POT模型其主要动机是为高洪水流量的概率模型提供实用工具。但是，E ......
abc095d<思维>
题目 Static Sushi 一个圆桌上摆着n个食物，吃掉每个食物得到一定能量，沿着圆桌任意顺时针逆时针走，每走一米消耗1点能量，求能够得到的最大能量。 思路 一共4种走法： 顺时针走到某位置离开； 逆时针走到某位置离开； 顺时针走，而后走回原点，在逆时针走到某位置，离开； 逆时针走，而后走回原点 ......