机器学习标签_EazyDevelop社区

机器学习

嵌入式IDE变天：开发正在Agent化

知名嵌入式工程师Jacob也认为，AI可以帮助工程师更快开发高质量固件，但最终的软件质量和安全责任仍然在人，尤其是在汽车等安全关键领域，AI生成代码之后，人工审核、测试和验证仍不可替代。此外，工程师还提出了一个更值得关注的方向：未来的嵌入式AI IDE不应该只是一个“AI聊天框”，而应该能够同时理解数据手册、应用笔记、原理图、Gerber、寄存器映射和项目代码，在完整硬件上下文中生成驱动、应用层和

 中國龍在廣州
2026-08-22 10:30:00

 335

 11

#ide #人工智能 #大数据 +3
深度复盘：低频高决策场景下，推荐系统的冷启动与多目标优化实践

重点讨论了极度稀疏数据下的协同过滤失效、非标房源的结构化特征工程、以及基于动态任务权重的多目标优化方案。如果一个新房源由高信誉度房东发布，且描述、设施和该城市热门房源有相似的特征分布，我们会在重排阶段给予一个短暂流量暴增窗口，然后根据后验数据决定后续流量分配。：在实时捕捉用户意图的基础上，引入一定比例的“非直接相关但高互动率”的房源。低频高决策场景下的推荐系统，还有很多值得深挖的命题：如何更好地建

 猎头南楼
2026-07-30 21:50:33

 342

 6

#人工智能 #算法 #机器学习
零代码AI训练平台：从数据集管理到模型终端部署的完整解决方案

零代码训练：所有训练参数封装为下拉框和滑块形式，用户无需理解学习率、Batch Size等专业概念，按提示选择即可完成配置，一键发起训练任务。数据质量分析：数据集详情页提供标签分布统计，训练前即可识别各类别图片数量是否均衡，提前补充数据，避免因训练数据偏差导致模型效果不佳。模型迭代：新增训练数据后，可一键发起算法迭代，基于旧模型增量训练优化，无需重新搭建训练任务。标注数据自动与图片关联存储，无需手

 安之眼Angleyes
2026-07-29 15:48:04

 275

 8

#人工智能 #机器学习
Headroom 深度指南：AI Agent 上下文压缩实战

Headroom：AI Agent 上下文智能压缩工具 Headroom 是一个本地优先、可逆、内容感知的 LLM 上下文压缩层，专门针对 AI Agent 开发中的 Token 浪费问题。它能智能识别并压缩送入大模型的各种冗余内容（工具输出、日志、代码片段等），平均可节省 60-95% 的 Token 消耗。核心特点：三层压缩管线：自动路由内容到最佳压缩器（JSON/代码/文本） CCR 可

 我登哥MVP
2026-07-25 00:00:00

 1012

 27

#人工智能 #python #pip +4
生产级 RAG 召回不准别硬调向量：零代码混合检索提 20% 准确率附检索策略对比表

【摘要】张钧泽基于20多个RAG项目实践经验，指出90%的召回问题无需更换向量模型，提出"混合检索三阶调优法"：基础层通过关键词检索补全（零代码实现，提升12%准确率），中间层采用动态权重融合（提升6%），高阶添加轻量重排序（提升2%）。该方法相比更换向量模型成本更低，实测长尾query召回率提升35%，并附检索策略对比表、10行示例代码及调优检查清单。文章强调生产环境中混合检

 问商十三载
2026-07-13 22:23:22

 232

 5

#人工智能 #机器学习 #算法
从原始脏数据到可视化仪表盘：少量 SQL + 零代码 ETL，自媒体运营分析一步到位

常量字段的作用就是为每行统计结果附加一个"身份标签"，向数据下游明确标识"这一行是保姆级关键词的统计结果"。接着，依次接入"排序记录"和"分组"组件，按id升序排列后，分别计算AVG(total_interaction)得到avg_interaction（关键词平均互动量），以及COUNT(id)得到sample_count（样本数量）。第二类：标题特征标签。首先，从表输入组件引出另一条并行分支，

小甜菜—
2026-07-07 09:45:48

 346

 26

#媒体 #etl #机器学习
零代码LoRA微调实战：LLaMA-Factory全记录

本文运行的前提是您已经配置好LLaMA-Factory项目并下载完成需要进行微调的模型，具体方案可以参考我的上一篇文章。LLaMA-Factory 部署与 DeepSeek-R1-Distill-Qwen 模型乱码问题解决全记录断点续训逻辑LLaMA-Factory 会自动从输出目录中读取最新的检查点。若目标总步数 ≤ 已训练步数，则直接跳过训练（不会覆盖）。若要继续训练，只需增加轮数（或步数）并

 俊俊谢
2026-07-06 22:04:17

 214

 3

#python #机器学习
零代码复现4-整合scRNA-Seq和TCGA RNA-Seq分析HPV+和HPV-宫颈癌免疫细胞的异质性，建立分子风险模型

原文链接：https://pmc.ncbi.nlm.nih.gov/articles/PMC9198569/

不务正业的小主治
2026-07-03 19:00:27

 209

 2

#机器学习 #人工智能
扣子3.0来了：从“单兵作战“到“AI团队操作系统“，一个300+技能创作者的深度体感

《扣子3.0：从AI工具到团队操作系统的跃迁》摘要：资深创作者星心源指出，扣子3.0并非简单升级，而是从"零代码Bot平台"转型为"Agent原生协作操作系统"，实现三大突破：1）项目空间实现跨场景工作流沉淀；2）多Agent协作支持人与AI混合编队，效率提升显著；3）行业技能包+第三方Agent接入构建专业生态。作者强调新版本将竞争维度从"技能创作"提升至"团队架构设计"，建议创作者重组技能为

 goujie09
2026-07-03 17:38:33

 570

 15

#人工智能 #机器学习 #职场和发展 +1
企业级AI模型工作站DLTM赋能智能安防：从被动录像到主动预警的AI进化之路

AI大模型训练工作站DLTM以零代码AI能力，让每一个安防系统都能从"事后查录像"进化为"实时智能预警"。

TSINGSEE
2026-07-03 17:30:33

 304

 4

#人工智能 #深度学习 #机器学习
基于零代码平台的自媒体运营分析-可视化探索

B站单篇最高播放量为684次（标题含"保姆级"和"零代码"关键词），CSDN单篇最高阅读量为1300次（标题为"基于零代码平台的订单利润分流数据加工"）。这里的"日期"是采集日期而非发布时间，同一作品在6月8日、9日、10日都会被采集到，播放量逐日累加，所以趋势折线图展示的是截止到每个采集日所有已发布作品的总播放量/阅读量。（1）标题特征提升倍率条形图：分别计算含有某个关键词的作品的平均播放量/阅

 2301_80035496
2026-07-03 10:44:47

 227

 4

#机器学习
基于零代码平台的自媒体运营分析-作品特征构建

基于零代码平台的自媒体运营分析-作品特征构建

 2301_80035496
2026-07-02 20:48:20

 323

 10

#机器学习 #媒体
基于零代码平台的自媒体运营数据清洗与预处理

分支二：添加字段选择组件搜索"字段选择"，拖入画布，命名为"字段选择"。点击"获取字段"自动载入上游所有字段，然后逐一选择需要保留的10个字段（date、author_name、title、platform、likes、favorites、shares、coins、views、url），将其移动到保留列表中，其余字段（如 source_file、推荐数量、喜欢数量、赞同数量等）自动被剔除。打开新

 2301_80035496
2026-07-02 20:51:44

 222

 4

#媒体 #机器学习
从沈管家看AI数字员工的技术演进：告别“聊天”，走向“执行”

本文分析了企业AI落地中的常见困境——当前AI工具多停留在简单问答，无法真正执行复杂业务操作。文章提出企业需要的是具备业务理解和主动执行能力的AI数字员工，并从四个技术维度（任务闭环能力、数据安全、零代码易用性、架构扩展性）对比了三种技术路线的差异。重点介绍了沈管家AI数字员工的技术实现，包括意图识别、DAG任务编排和连接器矩阵等核心组件，并提供了选型评估框架和决策流程图，帮助企业根据业务场景、数

 2501_93684580
2026-07-02 18:13:00

 757

 19

#人工智能 #深度学习 #机器学习 +2
零代码解读复现3-利用TCGA数据集进行乳腺癌分期的综合生物信息学和机器学习分析

本期推荐的是2024年发表在（IF:7.2）的一篇文章，文章题目为：利用TCGA数据集进行乳腺癌分期的综合生物信息学和机器学习分析该文基于TCGA乳腺癌（BRCA）数据库，结合生物信息学分析与机器学习方法，对乳腺癌发生发展的关键分子机制及临床分期进行了系统研究。作者首先筛选获得差异表达基因（DEGs），并通过GO、KEGG及蛋白互作网络（PPI）分析，鉴定出等关键Hub基因，这些基因主要参与细胞骨

 不务正业的小主治
2026-06-30 17:23:15

 254

 5

#机器学习 #人工智能
2026 Vibe Coding 完全指南：从工具选型到工程化落地的全景实战

2026 Vibe Coding全景指南：工具选型与工程化实践本文系统梳理了2026年AI编程工具格局与工程实践。当前市场形成四极格局：工具对比 Cursor：AI原生IDE，Tab补全体验最佳（$20/月） Claude Code：终端CLI Agent，百万token上下文处理最强（$20+/月） GitHub Copilot：跨IDE插件，团队集成最优（$10/月） Windsurf：性

 kanaduowalso
2026-06-30 15:07:52

 491

 8

#python #人工智能 #数据分析 +2
提升内容爆款率：自媒体运营之作品特征维度搭建

摘要本实验基于预处理后的自媒体数据集，利用助睿ETL工具开展特征工程构建工作。主要内容包括：1）作品维度特征迭代，计算综合互动总量指标并提取5类标题特征标签，更新明细数据表；2）关键词维度聚合统计，分析不同标题关键词的传播效果。实验采用零代码可视化操作，通过JavaScript组件实现文本特征标注，运用计算器组件完成衍生指标计算，最终构建双层特征体系。该工作为后续数据分析提供了标准化的特征支撑，

m0_73733162
2026-06-28 16:11:43

 246

 3

#数据分析 #mysql #媒体 +3
多头注意力机制的数学本质：从缩放点积到稀疏注意力的计算复杂度推演

标准自注意力的 $O(n^2)$ 复杂度源于 $QK^T$ 矩阵乘法的全局计算，缩放因子 $1/\sqrt{d_k}$ 的数学动机是稳定 softmax 梯度。Flash Attention 通过分块计算将显存复杂度降至 $O(n)$ 且不损失精度，是目前最实用的工程优化方案。稀疏注意力和线性注意力以近似精度换取计算效率，适用于对长距离依赖精度不敏感的场景。落地路线建议：第一步，在现有 Trans

雷帝木木
2026-06-27 08:56:36

 1542

 5

#python #机器学习 #深度学习 +1
企业私有化AI训练推理一体工作站DLTM零代码私有化构建自主可控智能安防体系

打通样本处理、模型训练、监控对接全流程，帮助各类园区构建自主可控的智能预警能力，推动安防管理从人工被动巡检，转向AI主动全天候风险预警的现代化管理新模式。

Black蜡笔小新
2026-06-22 13:55:33

 190

 4

#人工智能 #机器学习 #深度学习
多类型文件一站式采集！基于助睿 ETL 实现全格式数据抽取实战

本文介绍了使用助睿ETL平台进行多种文件数据抽取的实验过程。实验针对CSV、TXT和Excel三种常见文件格式，通过零代码可视化操作完成数据读取、字段筛选、数据加工与结果导出。实验环境采用云端在线实训平台，无需本地部署，通过助睿ETL数据集成模块实现全流程操作。实验内容包括：1）CSV文件的项目绩效数据处理；2）TXT文件的足球赛事数据解析与筛选；3）Excel文件的购房者信息预处理。实验结果表明

 m0_73733162
2026-06-18 18:20:20

 251

 3

#etl #数据仓库 #数据分析 +4
浏览器市场与用户画像分析实验

2. 标题背景：短标题`https://gzu-edu-quality-max-studio.oss-cn-chengdu.aliyuncs.com/public-material/title-bg-short.png`，长标题`https://gzu-edu-quality-max-studio.oss-cn-chengdu.aliyuncs.com/public-material/title-

2301_80035496
2026-06-08 17:17:49

 290

 9

#机器学习 #浏览器
【实验5-3实战】大屏数据接入指南：零代码玩转蓝图编辑器，打通可视化的“任督二脉”

利用极简的 JavaScript 映射（Map）逻辑，将数据按需分配：分支1（给柱状图）：return data.map(item => ({x: item.x, y: item.y1}))分支2（给饼图）：return data.map(item => ({name: item.x, value: item.y2}))最后，将这三个分支的输出点，分别连上对应的图表节点“导入数据接口”，数据绑定

 ndsmll
2026-06-07 02:18:57

 180

 5

#编辑器 #机器学习 #python
一节课搞定！浏览器市场数据导入大屏完整实操教程

本文介绍了基于助睿Max数据大屏可视化平台完成浏览器市场分析动态数据大屏的完整实验流程。实验通过蓝图编辑器工具，实现从MySQL数据库数据源配置、SQL查询、并行数据处理到图表绑定的全链路操作，将静态大屏升级为实时数据展示系统。关键步骤包括：创建私有数据库连接、组件导出至蓝图编辑器、配置全局触发节点、分模块实现数据绑定（市场格局、数据概览等六大图表模块），最终完成大屏预览与发布。实验目标为掌握零代

 m0_73733162
2026-06-06 22:56:13

 200

 9

#数据分析 #数据挖掘 #机器学习 +2
跨端应用网络代理调优：用 Node.js 搭建支持多协议转换与动态解包的高性能代理网关

跨端协议的转化与动态解包是保障全物理终端产品能平滑接入云原生微服务底座的坚实保障。采用 Node.js Reactor 事件循环模式处理网络 I/O、利用堆外内存 Buffer.subarray() 替代多余内存拷贝进行包解析、并利用 Stream 的背压传导，能够平滑地支撑起跨端高频网络数据流。合理调整 Node.js 的 V8 内存限制：在启动网关容器时，通过注入环境变量调大老生代堆上限，给

 雷帝木木
2026-06-06 20:39:19

 805

 4

#python #机器学习 #深度学习 +1
【助睿实验指导】实验4：浏览器市场与用户画像分析-数据加工（1）

通过本次完整的浏览器日志 ETL+BI 可视化实验，我熟练掌握了助睿零代码 ETL 平台从原始半结构化日志到结构化数据表的全流程处理：学会正则文本拆分、多规则数据过滤、自定义衍生指标、批量数据入库；同时掌握 BI 数据集搭建、多类型统计图表、业务仪表盘制作方法，理解了从原始数据落地市场画像分析的完整业务逻辑，明白了数据清洗环节对后续数据分析准确性的关键作用。

2301_79901228
2026-06-02 21:43:19

 224

 4

#机器学习
实战演练：用 K-Means 聚类挖掘学生考勤数据，锁定纪律高危群体

完整演示零代码大数据实验全流程：使用 K-Means 算法完成学生考勤聚类分群，再借助 BI 工具对纪律高危群体做多维度可视化分析。梳理群体分布特征，总结问题并给出校园考勤管理优化建议，全程实操讲解。

严肃的星星超人ovo
2026-05-28 01:13:50

 929

 49

#kmeans #机器学习 #聚类
爆肝整理！千万级用户行为日志清洗全流程实战（零代码ETL+Java解析+可视化，附踩坑指南）

爆肝整理！《千万级用户行为日志清洗全流程实战》来啦🔥。从Java硬核解析到高阶特征工程，再到BI大屏展现，全程无保留复盘！想要彻底告别脏数据治理噩梦的同学必看。文末附送800万原始数据集+完整 ETL 配置文件，直接抄作业，周末卷起来！🚀

草木本心987
2026-05-26 23:12:57

 672

 20

#etl #java #数据仓库 +2
零代码玩转 K-Means 聚类｜学生考勤画像完整实现流程

再拖拽【字段选择】组件，连接表输入数据链路，仅保留学生ID、班级ID、聚类簇编号核心字段，删除冗余数据，并统一校准字段数据类型，保证与原始考勤表字段类型匹配，避免数据更新报错。拖拽文本组件至画布，设置标题为“聚类簇分析”，调整字体大小、加粗、居中，固定组件位置。返回平台首页，点击左侧【助睿BI】进入可视化分析平台，选择【数据源】模块，点击【+新建连接】，选择MySQL数据库类型，填写团队私有数据库

 2301_79496003
2026-05-26 18:34:26

 424

 9

#kmeans #算法 #机器学习
用数据读懂学生：一次基于K-Means算法的校园考勤行为分群实践

本次实验证明了“数据+算法”在校园管理中的巨大潜力。效率提升：借助助睿平台的零代码能力，复杂的机器学习流程变得简单直观。决策精准：告别“一刀切”的管理模式，实现了对学生群体的精细化分层。资产复用：生成的考勤群体标签可长期留存，支持后续的学业预警、德育评价等深度应用。通过这次数智化实践，我们不仅读懂了数据背后的学生行为，更为构建智慧校园管理体系迈出了坚实的一步。

2401_82547615
2026-05-25 20:45:20

 307

 7

#算法 #kmeans #机器学习
【零基础教程】从零搭建学生考勤 ETL 全流程 | 学生用户画像 - 考勤主题标签构建

本文基于助睿零代码ETL平台，完整复现数智教育大赛学生考勤主题标签构建全流程。该平台覆盖数据接入、清洗关联、标签衍生到结果落地全链路，无需复杂编码即可快速搭建自动化数据转换流。文中附完整SQL脚本、组件配置与踩坑实录，高效解决校园考勤人工统计痛点。

小甜菜—
2026-05-21 18:51:44

 615

 29

#数据分析 #人工智能 #数据仓库 +1
基于零代码平台的学生考勤多维画像及高危群体专项分析实验

本报告基于助睿数智零代码平台，利用 K-Means 算法对学生考勤数据进行聚类建模，精准识别出“纪律高危型”群体，并通过 ETL 完成业务标签的数据库回写。结合 BI 多维画像大屏分析揭示：高危违纪行为在男女生中发生率相当，但在老校区高三年级及个别薄弱班级（如高三9班）呈现高度聚集特征。该实验成果为校园开展靶向行为干预与精细化治理提供了科学的数据决策支撑。

乖乖学习C语言
2026-05-21 11:33:15

 530

 58

#机器学习
爆肝整理！保姆级教程：零代码搞定高校考勤画像可视化分析（K-Means聚类 + 双重对照组设计+ 炫酷BI大屏）

数据不只是用来看的，更是用来驱动决策的（DDDM）！基于精准的用户画像洞察，本报告彻底抛弃了“大锅饭”式的传统管理，为校方量身定制了针对高年级男生、老校区通勤优化以及特定薄弱班级的“网格化精准滴灌”干预策略。无论你是想拿下高分的数据分析小白，还是想提升业务思维的职场人，这篇实战总结都将为你彻底打通数据可视化的任督二脉！

草木本心987
2026-05-20 15:22:53

 634

 23

#大数据 #kmeans #机器学习 +2
保姆级教程！校园考勤“纪律高危型”学生深度画像分析全流程（零代码实现 + KMeans聚类 + 可视化BI，附完整踩坑详解）

高危群体呈现明显的“男性主导”特征。男生占比略高于全校男生的自然基数，反映出在青春期阶段，男生在规则意识建立和时间自我管理上相对薄弱，是纪律教育的重点关注对象。

2401_84021125
2026-05-18 21:07:56

 407

 25

#算法 #kmeans #机器学习