- 综合排序
- 最热优先
- 最新优先
腾讯云 X 咕泡科技 AI 实训 CDE 平台正式落地
为有效解决这一核心问题，咕泡科技与腾讯云联手打造新一代AI实训CDE平台。经过无数次测试打磨后，7月10日正式于咕泡云课堂全面上线。 咕泡AI实训CDE平台融合腾讯云Cloud Studio坚实的技术底座形成三大核心，能够快速帮助学员实现知识到能力的转化，成为企业需要的人才。 着眼于这一基础需求，咕泡科技运用AI与“云课堂“课程功能深度融合，打造五大智慧学习模式，专注于帮助学员系统、高效地构建知识体系，为后续流畅的“学以致用”打下坚实基础。 五大智慧学习功能与咕泡AI实训CDE平台的无缝融合，让学员的每一次代码编写、模型调试都转化为有效的能力积累，真正解决“学用脱节”的困境，实现从“知道”到“做到”的进阶。 咕泡AI实训CDE平台的上线，是咕泡实现从“知识传授者”向“中高端科技人才孵化平台”战略升级的关键一步。它远非单一工具，核心在于为学员构建了从知识输入到能力输出的完整成长路径。
65610编辑于 2025-07-11咕泡AI云实验室全面升级！
大模型、生成式 AI、智能体……每一个概念的落地，都在重塑 AI 领域格局，重新定义人才标准。在这个算法即竞争力、数据即资源的时代，掌握 AI 不仅是一项技能，更是一种与未来对话的方式。 咕泡 AI 云实验室与腾讯云深度共创，完成从工具平台到 AI 实战生态的全面进化，用海量算力、真实数据、安全部署重新定义 AI 实战体验。 无论是 BERT 模型训练、大语言模型微调，还是复杂数据挖掘、深度学习任务，都能轻松承载。无需担心本地显卡性能不足，系统自动完成底层环境搭建，30 秒内一键启动编程界面。 咕泡云课堂与腾讯云无缝衔接咕泡云课堂与腾讯云账号打通，课程学习过程中即可随时点击【云实验室】进入实验室，理论学习与实战操作零延迟衔接，让课堂知识快速转化为动手能力，学习效果看得见、摸得着。 未来，咕泡将继续以技术进化推动学习革新，链接更多产业资源、优化实战场景，让每一位学习者都能零距离触摸 AI 前沿，无边界实现成长突破！
29310编辑于 2025-11-17Kaggle Grandmaster 的价值：不止于竞赛，更在于引领破局
要成为Grandmaster，需要在某个或多个领域达到极高的成就：竞赛Grandmaster：在官方比赛中累计获得多枚金牌，通常需要多次进入全球排名前10甚至前5。 04 咕泡AI竞赛服务：由Grandmaster带队的竞赛体验面对Kaggle竞赛的挑战，许多参赛者需要指导和支持。 咕泡科技认识到了这一需求，推出了专业的AI竞赛服务，其最大特点是由Kaggle Grandmaster组成的专业导师团队专业指导团队咕泡科技的AI竞赛服务拥有一支由Kaggle Grandmaster和业内专家组成的导师团队 ：分享实用技巧和经验，提高模型性能提分技巧与策略分享：帮助学员优化方案，提升排名训练赛题总结与答疑解惑：解决学员在备赛过程中遇到的各种问题强大的技术支持平台咕泡科技与腾讯云联合打造了AI实训CDE平台【 咕泡AI云实验室】，以“云端一体化实训+全栈能力培养”模式，搭建从知识学习到企业实战的完整链路。
46010编辑于 2025-09-06- 来自专栏养码场
八月福利| 五大专题，四大阶段，超全Java架构师学习线路图
五大专题，四大阶段，最全JAVA架构师学习路线图！ 后台回复809，即可获得高清大图哦~ 五大专题： 四个阶段： 作 者 介 绍 咕泡学员-阿阳 JAVA开发者，现就职于腾讯课堂-咕泡学员。
42820发布于 2018-08-13 5种大模型Agent模式
大模型中的5种AI Agent模式在大模型中，AI Agent（人工智能代理）模式是一种重要的应用方式，可以从以下几个方面来理解：1. 在大模型的背景下，AI Agent 是基于大规模预训练模型（如 GPT 等）构建的智能代理，能够利用模型的语言理解和生成能力来完成复杂的任务。 智能性：它基于大模型的强大语言理解能力，能够理解自然语言指令，并生成自然语言响应。这种智能性使其能够处理复杂的语言任务，如对话、写作、翻译等。 工作原理感知与理解：AI Agent 首先通过输入（如用户指令、环境数据等）感知外部信息，然后利用大模型的语言理解能力解析这些信息，确定任务目标。 下面介绍5种常见的AI Agent模式：1.
4.5K10编辑于 2025-05-07- 来自专栏啄木鸟软件测试
大模型测试：性能优化的5大实战策略
引言 随着ChatGLM、Qwen、DeepSeek及Llama系列大语言模型在金融、政务、医疗等关键场景加速落地，模型测试已远超传统‘功能是否正确’的范畴——性能成为决定能否上线的核心瓶颈。 这些并非个例，而是大模型测试进入深水区的典型信号：性能不是附加项，而是可信AI的第一道防线。 一、明确性能基线：拒绝‘拍脑袋’指标 大模型性能测试首要误区是套用小模型标准。 二、分层注入式压测：从单卡到集群的穿透验证 传统压力测试常止步于API层，而大模型性能瓶颈常藏于框架底层。 推荐采用‘四层注入法’： 1）API层：模拟真实用户请求分布（如80%短提示+15%中长提示+5%对抗性长上下文），避免均匀负载失真； 2）Engine层：直连vLLM/Triton推理引擎，注入不同 结语 大模型性能测试的本质，是构建‘可测量、可归因、可演进’的效能反馈闭环。
31710编辑于 2026-03-31 【大模型微调】一文掌握5种大模型微调的方法
（Prompt Tuning）在内的5种主流方法。 大模型微调究竟是什么？直观上，大模型微调即是指通过输入特定领域或任务的数据，并有选择性地调整模型参数的技术过程。 我们所讨论的5种微调方法，本质上都是对这个基础架构中自注意力机制与前馈神经网络等核心组件的参数进行优化的不同策略。 5、提示调整-轻量级的参数优化提示调整（Prompt Tuning）是一种“润物细无声”的微调，不改变模型自身，而是通过优化输入提示词的嵌入表示来引导模型输出。 四、大模型微调赋能智能未来综上所述，大模型微调是连接通用基座模型强大能力与具体业务需求的关键桥梁。
4.1K40编辑于 2025-10-23- 来自专栏张俊红
5 大常用机器学习模型类型总结
本文介绍了 5 大常用机器学习模型类型：集合学习算法，解释型算法，聚类算法，降维算法，相似性算法，并简要介绍了每种类型中最广泛使用的算法模型。我们希望本文可以做到以下三点： 1、应用性。 所以我们希望通过给出模型的一般类别，让你更好地了解这些模型应当如何应用。 2、相关性。 因此，与其创建模型来预测响应变量的值，不如创建解释性模型来帮助我们理解模型中变量之间的关系。 如果你不能解释一个模型是如何工作的，那么这个模型就很难取信于人，自然也就不会被人们应用。 参考链接： https://towardsdatascience.com/all-machine-learning-algorithms-you-should-know-in-2022-db5b4ccdf32f
3.6K20编辑于 2022-03-29 - 来自专栏有三AI
【模型解读】历数GAN的5大基本结构
如全卷积的DCGAN模型[1]，输入就是1*100的向量，然后经过一个全连接层学习，reshape到4*4*1024的张量，再经过4个上采样的反卷积网络，生成64*64的图。 5.1 级联结构[5] 早期以DCGAN为代表的网络生成的图片分辨率太低，质量不够好，都不超过100×100，在32×32或者64×64左右。 在图像分割中进行上采样时也采用学习小倍率的放大而不是大倍率的方法，如利用两个2倍上采样替换一个4倍的上采样，不仅可以增强网络的表达能力，还降低了学习难度。 5.2 并行与循环结构[6] GAN有一大应用就是风格化，实现两个域之间的风格互换，以CycleGAN[6]为典型代表。它包含了多个生成器和多个判别器。Cycle的典型结构如下： ? ? Triple Generative Adversarial Nets[J]. neural information processing systems, 2017: 4088-4098. [5] Denton
1.4K10发布于 2019-07-26 - 来自专栏机器学习AI算法工程
目标检测算法终结篇：YOLOV1-V5
YOLO 家族一直有着旺盛的生命力，从YOLO V1一直到”V5“，凭借着不断的创新和完善，一直被计算机视觉工程师作为对象检测的首选框架之一。 YOLO v5 模型的头部与之前的 YOLO V3 和 V4 版本相同。 为此，咕泡科技现邀请到「人工智能实战专家 - 唐宇迪博士」，专为深度学习的同学开设了「深度学习缺陷检测实战篇」。课程将会结合源码与真实数据集展开项目实战，全方位读缺陷检测项目与科研流程。 内容仅截选部分，在「深度学习缺陷检测实战训练营」中 , 将帮助同学们快速掌握AI领域两大核心模块：检测与分割，并基于真实数据集进行项目实战。 从理论基础到核心原理 集中精力各个击破！ 神经网络模型整体架构解读. 计算机视觉核心模型-卷积神经网络. 卷积神经网络整体架构及其参数设计. Day2：深度学习缺陷检测实战 缺陷数据标注与数据集构建. YOLOV5模型训练全流程解读.
55630编辑于 2022-06-29 - 来自专栏小赵的Java学习
软件架构设计原则--接口隔离原则
本专栏内容参考自：咕泡学院Tom老师的《Spring5核心原理与30个类手写实战》，仅作个人学习记录使用，如有侵权，联系速删 接口隔离原则（Interface isolation principle 我们在设计接口的时候，要多花时间去思考，要考虑业务模型，包括对哟吼可能发生变更的地方还要做一些预判。 所以，对于抽象、对于业务模型的理解是非常中重要的。
41530编辑于 2022-12-02 - 来自专栏计算机视觉战队
目标检测算法终结篇：YOLOV1-V5
YOLO 家族一直有着旺盛的生命力，从YOLO V1一直到”V5“，凭借着不断的创新和完善，一直被计算机视觉工程师作为对象检测的首选框架之一。 YOLO v5 模型的头部与之前的 YOLO V3 和 V4 版本相同。 为此，咕泡科技现邀请到「人工智能实战专家 - 唐宇迪博士」，专为深度学习的同学开设了「深度学习缺陷检测实战篇」。课程将会结合源码与真实数据集展开项目实战，全方位读缺陷检测项目与科研流程。 内容仅截选部分，在「深度学习缺陷检测实战训练营」中 , 将帮助同学们快速掌握AI领域两大核心模块：检测与分割，并基于真实数据集进行项目实战。 从理论基础到核心原理 集中精力各个击破！ 神经网络模型整体架构解读. 计算机视觉核心模型-卷积神经网络. 卷积神经网络整体架构及其参数设计. Day2：深度学习缺陷检测实战 缺陷数据标注与数据集构建. YOLOV5模型训练全流程解读.
53530编辑于 2022-06-29 - 来自专栏啄木鸟软件测试
多模态大模型技术原理及实战(5)
国内外多模态大模型对比 国内 LLaMA-Adapter V2 香港中文大学 双语输出 输入 •图像 •语音 •文本 •视频 • 3D 点云 起源：LLaMA-Adapter •在线性层上进行偏差调整 •4、ChatGLM-6B 在 GLM 框架下，专门针对中文问答和对话进行了优化 mPLUG-Owl 阿里巴巴达摩研究院 2023年5月 架构 •视觉基础模块(采用开源的VTL-L) •视觉抽象模块 多模态大模型评测数据集 国内评测数据集 OwlEval •基于mPLUG-Owl模型发布 • 包含 •50 张图片 •82 个回题 •功能 •故事生成 •广告生成 •代码生成 MME •开发 •结构 •265 016张图片 •每张图片至少有 3 个问题(平均 5.4个每个问题） •每个问题 •有 10 个基本事实答案 •有 3 个合理(但可能不正确)的答案 多模态大模型的评测标准 国内评测标准 KROCC( Kendall Rank Order Correlation Coefficient，肯德尔秩相关系数) •RMSE( Root Mean Square Error,均方根误差 ) 多模态大模型对比
38410编辑于 2024-09-10 腾讯云 Cloud Studio 人工智能实训与编程教学解决方案概要
核心业务场景涵盖： 人工智能实训：支持大模型微调、推理研究、AI应用开发等教学与实践。 计算机编程教学：覆盖从基础编程到高级项目开发的全流程教学与实训。 北京航空航天大学 背景：需支持AI编程教学与大模型实训。 解决方案：采用Cloud Studio提供云端IDE、GPU算力及AI判题智能体。 成效：实现低成本稳定接入与大模型实训环境快速搭建。 3. 南京信息工程大学 背景：需增强实训平台功能与算力支持。 解决方案：引入Cloud Studio的云端开发环境与AI代码助手。 深圳大学 背景：需覆盖大模型核心课程与实训需求。 解决方案：采用Cloud Studio提供的权威AI课程与推荐学习路线。 成效：实现标准化课程交付与高可用算力资源调度。 5. 咕泡云课堂 背景：需扩展AI与编程教学场景支持。 解决方案：采用Cloud Studio提供持久化开发环境与教学管理工具。 成效：实现多角色协同教学与资源高效分配。
28310编辑于 2026-04-11- 来自专栏我们一无所有，我们巍然矗立
如果你还在犹豫要不要入行，请先看看我的IT入坑记【技术创作101训练营】
教学质量还不错，但是英语比较差，有待提高 教学内容：java后端 费用4k-5k 教学形式：直播+录播 每一期都有重学，可以一直跟着最新的知识走 线上培训 总结：教学质量还不错，费用低，性价比比较高。 存款不多的同学可以尝试 咕泡教育 咕泡教育我自己没有报名上过课，但是我一个朋友在咕泡报名的架构课程，据了解，老师讲课讲的也还错，挺有深度。 而培训基本上不会讲这些东西，所以，差距还是相当大的。 这里有些个人的观点： IT行业工资较高，但能力不足，很容易就会到达个人能力的天花板，涨薪比较困难。
1.2K31发布于 2020-09-24 - 来自专栏小赵的Java学习
Bean的生命周期（不要背了记思想）
文章内容引用自 咕泡科技 咕泡出品，必属精品 文章目录 1. 应付面试 2 可以跟着看源码的图 3 学习Bean 的生命周期之前你应该知道什么 4 Bean 的完整生命周期 1. 如上所说大致可以分为四个阶段： 实例化 -> 属性赋值 -> 初始化 -> 销毁 给出一个可以让你们看着去跟源码一步一步点下去的无敌图 其实学习Bean的生命周期有这个图就足够了 本图来自咕泡学院文泰老师 ，转发请注明出处，否则必究 咕泡出品，必属精品 3 学习Bean 的生命周期之前你应该知道什么 没有前置知识盲目的去学习Bean的生命周期，是没有任何意义的，或者说这只是为了应付面试而学 没有使用场景
21.4K87编辑于 2022-12-02 - 来自专栏小赵的Java学习
从源码探究双亲委派机制
文章内容引用自 咕泡科技 咕泡出品，必属精品 首先我们要知道双亲委派机制是为了解决什么问题？ 本图取自咕泡学院，如有侵权，联系速删 除非是有特殊的业务场景，一般来说不要主动去破坏双亲委派模型 那有的人可能会有疑问啦，既然jvm推荐并希望开发者遵循双亲尾派模型，那么为什么不把load class方法像 这就是史上第一次的双亲委派模型被破坏了，像很多事情（*装）只有零次和N次，双亲委派模型第二次被破坏，是由于这个模型自身的缺陷导致，双亲委派能很好的解决了各个类加载器协作时基础类型的一致性问题，但是如果有基础类型要调用用户的代码 有了线程上下文类加载器，程序就可以做一些不符合双亲委派模型的事情了。 JNDI服务使用这个线程上下文类，加载器去加载所需的SPI服务代码，这是一种父类加载器去请求子类加载器完成类加载的行为，这种行为实际上是打通了双亲委派模型的层次结构来逆向使用类加载器，已经违背了双亲委派模型的一般性原则
74330编辑于 2022-12-02 - 来自专栏星哥的AI自留地
OpenAI发布最新大模型GPT5、本地部署GPT开源模型
OpenAI发布最新大模型GPT5、本地部署GPT开源模型GPT-5概述北京时间 2025年8月8日 凌晨1点 OPENAI举行了1个小时的线上发布会，正式推出了其史上最聪明、最强大的大模型GPT-5 GPT-5是OpenAI发布的最新一代大型语言模型，它基于Transformer架构，经过大规模的文本数据训练，能够生成流畅、自然的语言输出。 GPT-5具备以下几个显著特点：更大的参数规模：GPT-5拥有比GPT-4更多的参数，使其能够处理更为复杂的语言任务。 使用微软的copilot可以免登录使用GPT5、但是需要一些魔法。 最后以上就是全部内容，GPT-5的简介和在本地搭建使用OpenAI的GPT-oss的开源模型。写文不易，如果你都看到了这里，请点个赞和在看，分享给更多的朋友；也别忘了关注星哥玩云！
1.9K10编辑于 2025-08-27 国家战略加持，AI黄金十年已至：程序员如何突破大模型时代的职业瓶颈？
随着国务院《关于深入实施“人工智能+”行动的意见》于2025年8月26日正式发布，大模型技术被列为国家战略重点。政策明确要求加快高效训练与推理方法研究，推动大模型在重点行业的规模化应用。 这类稀缺人才年薪涨幅超 40%（来源：人社部报告 P28），华为、阿里等企业 “大模型岗位招聘周期平均缩短 15 天”，部分岗位甚至 “免试发 offer”，但符合要求的候选人不足岗位数的 1/5。 据 BOSS 直聘《2025 大模型岗位招聘需求调研》（2025 年 Q2）显示，83% 的大模型岗位明确要求 “传统工程能力 + AI 技能复合”，但传统开发者中同时具备两类能力的仅占 9%，技能断层直接导致 76% 的传统开发者投递大模型岗位被拒。 无论是通过深度参与开源项目、还是借助如咕泡大模型课程体系进行系统化学习，核心目标都是一致的：将“工程经验”这张旧地图，升级为能够驾驭“AI系统”复杂性的新导航，最终成为推动下一代智能化基础设施建设的核心力量
59510编辑于 2025-09-27- 来自专栏机器学习AI算法工程
靠这个算法，发现了一个大缺陷！
为此，咕泡教育现邀请到「人工智能实战专家 - 唐宇迪博士」，专为深度学习的同学开设了「深度学习缺陷检测实战篇」 ，课程将会从环境配置、基础算法分析、实战讲解三部分展开帮助学习背后根本原理。 讲师介绍 课程大纲 上课时间：5月18日-19日，每晚20:00-22:30 课程服务：录播+直播授课+讲师答疑+课堂笔记+作业布置 Day1：深度学习必备核心算法通俗解读 神经网络模型细节知识点分析 神经网络模型整体架构解读. 计算机视觉核心模型-卷积神经网络. 卷积神经网络整体架构及其参数设计. Day2：深度学习缺陷检测实战 缺陷数据标注与数据集构建. YOLOV5模型训练全流程解读. 基于注意力机制的可变形DETR缺陷检测模型. 如何快速进行论文实验分析与模板化建模. 注：本次训练营会PPT课件、课堂笔记。 PPT课件、课堂笔记会在5月19日统一发给完成全部作业且2天都到课的同学。 ☑ 名师助力 ☑ 含金量高 ☑ 提升专业能力 粉丝优惠！仅需 0.02 元！
56530编辑于 2022-05-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号