## 前言： ~~从某种意义上来说，我退役了~~ 我怎么可能会似？我还有一些事没有了结，一桩心愿未能完成，还有一个人不能辜负。在这之前我是不会退役的（~~标题党：6~~） 这个游记将会记载在这高一学年一次总结性的文化课考试，作为我的收官之战，同时也是决定我命运的一战，虽然这考试对我的实际影响并不大，
一：背景 1. 讲故事 在dump分析的过程中经常会看到很多线程卡在Monitor.Wait方法上，曾经也有不少人问我为什么用 !syncblk 看不到 Monitor.Wait 上的锁信息，刚好昨天有时间我就来研究一下。 二：Monitor.Wait 底层怎么玩的 1. 案例演示 为了方便讲述，先
大侠幸会，在下全网同名「算法金」 0 基础转 AI 上岸，多个算法赛 Top 「日更万日，让更多人享受智能乐趣」 接前天 李沐：用随机梯度下降来优化人生！ 今天把达叔 6 脉神剑给佩奇了，上 吴恩达：机器学习的六个核心算法！ ——梯度下降 1、 目标 梯度下降优化算法的概述，目的在于帮助读者理解不同
大侠幸会，在下全网同名「算法金」 0 基础转 AI 上岸，多个算法赛 Top 「日更万日，让更多人享受智能乐趣」 t-SNE（t-Distributed Stochastic Neighbor Embedding）是一种用于降维和数据可视化的非线性算法。它被广泛应用于图像处理、文本挖掘和生物信息学等
前言 在本地使用Excel时，经常会有需要在Excel中添加一些附件文件的需求，例如在Excel中附带一些Word，CAD图等等。同样的，类比到Web端，现在很多人用的在线Excel是否也可以像本地一样实现附件文件的操作呢？答案是肯定的，不过和本地不同的是，Web端不会直接打开附件，而是使用超链接单
写在前面 在现目前项目开发中，一般都是前后端分离项目。前端小姐姐负责开发前端，苦逼的我们负责后端开发 事实是一个人全干，在这过程中编写接口文档就显得尤为重要了。然而作为一个程序员，最怕的莫过于自己写文档和别人不写文档 大家都不想写文档，那这活就交给今天的主角Swagger来实现了 一、专业名词介绍
Smiling & Weeping 难怪春迟迟不来，原来是我把雪一读再读 一、大型语言模型（LLM）理论简介 1 大型语言模型（LLM）的概念 大语言模型（LLM，Large Language Model），也称大型语言模型，是一种旨在理解和生成人类语言的人工智能。 LLM 通常指包含数百亿（或更多
End or Beginning "毕业"，一个令人无限憧憬的具象化名词。适逢高考结束，又有一批人将奔赴更远的地方，离开他们生活了十八年的城市，在这之中亦然有着曾经的我们。但大家把目光交距在高中生的未来选择时，同时各校的大四学生也迎来了属于自己的毕业季。这一次他们的再次离开不单是为了求学探索新的生活
大侠幸会，在下全网同名[算法金] 0 基础转 AI 上岸，多个算法赛 Top [日更万日，让更多人享受智能乐趣] 机器学习和数据科学领域的工作充满挑战和乐趣，在我踏上人工智能探索之路的初期，我对能够参与项目感到无比兴奋。 我满怀热情，我急切地想投身于这些项目中。但是，我尝试开展项目，却发现在寻求顺利
大侠幸会，在下全网同名「算法金」 0 基础转 AI 上岸，多个算法赛 Top 「日更万日，让更多人享受智能乐趣」 高斯过程算法是一种强大的非参数机器学习方法，广泛应用于回归、分类和优化等任务中。其核心思想是利用高斯分布来描述数据的分布，通过核函数来度量数据之间的相似性。与传统的机器学习方法相比，高斯
网站基本概念 服务器：能够提供服务器的机器，取决于机器上所安装的服务软件 web服务器：提供web服务（网站访问），需要安装web服务软件，Apache，tomcat，iis等 域名 （Domain Name） 方便人记的 DNS （Domain Name System） 域名系统， 一个分布式数据
大家好，我是码农先森。 古话说的 "三十而立"，正是担重之时，却大部分人在职场中都处于不上不下的尴尬境地。已经没有刚毕业时那股子冲劲，被生活和工作磨平了棱角。 在技术思想方面，似乎已经触及到了天花板，但是对大多数的底层技术又似懂非懂。 在沟通社交方面，又习惯沉浸于自己的代码世界中，戴上耳机好像这个世
大侠幸会，在下全网同名「算法金」 0 基础转 AI 上岸，多个算法赛 Top 「日更万日，让更多人享受智能乐趣」 吴恩达：机器学习的六个核心算法！--> 线性回归 在许多实际场景中，简单的线性回归无法捕捉复杂的模式，这时候就该祭出我们多项式回归大法了，一种在数据分析和预测中常用的机器学习方法。 本文
在上一小节中，我们完成了对BMPImage类的构建，成功实现了我们这个小小引擎的图像输出功能。 你已经完成了图像输出了，接着就开始路径追踪吧。。。 开个玩笑XD 对于曾经学习过一些图形学经典教材的人来说，下一步应当开始着手于画线算法了，但对于本文来说，肯定是要走一些不走寻常路的。 所谓万事开头难，我
今天遇到有人提到结构体和byte数组互转的问题，我就顺便拿来水一篇。这是一个冷门的问题，估计使用的人不多。既然有需求，应该就有使用场景，那就顺便整一波。 为了达到效果，结构体、复杂结构体嵌套等都能实现转换，我就顺便做了个包更新来提供使用和下面的说明。 首先引入nuget包 Wesky.Net.Ope
概述 Github官方地址：GLM-4 网上已经有很多关于微调的文章，介绍各种方式下的使用，这里不会赘述。我个人比较关心的是微调时的loss计算逻辑，这点在很多的文章都不会有相关的描述，因为大多数人都是关心如何使用之类的应用层，而不是其具体的底层逻辑，当然咱也说不清太底层的计算。 可了解其它loss
大侠幸会，在下全网同名「算法金」 0 基础转 AI 上岸，多个算法赛 Top 「日更万日，让更多人享受智能乐趣」 在机器学习和数据科学的江湖中，评估模型的好坏是非常关键的一环。而 ROC（Receiver Operating Characteristic）曲线和 AUC（Area Under C
大家好，我是码农先森。 阅读源码这是一个老生常谈的话题了，但又是很多人想做又没有付出行动的事情。前段时间我研究了 Swoole 的源代码，并且输出了系列的源码分析文章「感兴趣的朋友可以翻阅以前的文章」。虽然这个过程很枯燥和艰难，但到最后有种苦尽甘来的感觉，因为突破了自己之前一直想做又不敢做的一件事情
大侠幸会，在下全网同名「算法金」 0 基础转 AI 上岸，多个算法赛 Top 「日更万日，让更多人享受智能乐趣」 历史上，许多杰出人才在他们有生之年默默无闻， 却在逝世后被人们广泛追忆和崇拜。 18世纪的数学家托马斯·贝叶斯（Thomas Bayes）便是这样一位人物 贝叶斯的研究，初看似平凡，其人
大侠幸会，在下全网同名「算法金」 0 基础转 AI 上岸，多个算法赛 Top 「日更万日，让更多人享受智能乐趣」 1. 引言 1.1 教程目的与读者定位 "启程"往往是最具挑战性的一步，特别是在面临众多选择时，人们往往难以做出决策。本教程旨在帮助那些几乎没有Python机器学习基础的初学者成长为知识
