- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI机器学习与深度学习算法
机器学习入门 4-5 超参数
通过前面的小节，我们知道了kNN算法中k这个参数值，在sklearn中k这个值被封装成了k_neighbors参数。在前面我们随机的指定参数k的值，究竟k的值为多少的时候，模型才是最好的呢？这就涉及到了机器学习领域非常重要的问题~超参数问题。
77130发布于 2019-11-13 - 来自专栏Hank’s Blog
4-5 R语言函数 split
#split根据因子或因子列表将 向量或其他对象分组 #通常与lapply一起使用 #split(参数):split(向量/列表/数据框,因子/因子列表) > x <- c(rnorm(5),runif(5),rnorm(5,1)) > x [1] 0.61008707 0.81746169 -1.09859969 -1.78134612 -1.94262725 0.99760581 [7] 0.37793960 0.05258653 0.38525197 0.46051864 -0.
94140发布于 2020-09-16 - 来自专栏大前端_Web
javascript高级程序设计(4-5)章笔记
版权声明：本文为吴孔云博客原创文章，转载请注明出处并带上链接，谢谢。 https://blog.csdn.net/wkyseo/article/details/51234909
76340发布于 2018-09-27 - 来自专栏运维之路
【每日一思】2022年第4-5周
一直认为理想情况下的数据运营方法应该基于“贴源层数据-》指标（至少到带有主题的流水）-》洞察-》决策-》执行”的路线，这样才能减少返工的重复性工作量。
28920编辑于 2022-03-07 - 来自专栏iOS面试
iOS 面试策略之算法基础4-5节
前面介绍了数组、字典、字符串、链表、栈、队列的处理和应用方法。本节将会探讨平常相对很少用到、面试中却是老面孔的数据结构：二叉树。本节主要包括以下内容：
1.1K60发布于 2021-04-20 - 来自专栏NetCore 从壹开始
4-5 安装并迁移数据库：mysql
docker volume create volume_name命令新建一个数据卷
89220编辑于 2023-01-09 - 来自专栏AI SPPECH
IO竞赛2025年题目解析：基础级难度（4-5）
2025年的IO竞赛基础级（难度系数4-5）题目开始涉及更多的数据结构和算法思想，对选手的编程能力和逻辑思维提出了更高的要求。 难度进阶路径: 入门(1-3) → 基础(4-5) → 提高(6-8) → 竞赛(9-10) 难度系数 考察重点 核心知识点 学习目标 4-5 数据结构、算法应用 栈、队列、树、图的基础应用 掌握基础数据结构的使用和简单算法的实现 ） ├── 第四章：基础级题目解题技巧总结 └── 第五章：从基础到提高的学习建议 第一章：2025年IO竞赛基础级题目概述 根据2025年NOI修订版大纲，基础级（CSP-J提高）的知识点难度系数为4-
37010编辑于 2025-11-13 - 来自专栏跟着官方文档学小程序开发
第二章 小程序开发指南4-5
小程序经常需要向服务器传递数据或者从服务器拉取数据，这个时候可以使用wx.request这个API，在本章节会重点讨论wx.request的使用和注意事项。
78610编辑于 2025-08-25 - 来自专栏前端说吧
flag - 4-5月份预整理总结的文章目录
关于echarts各种稀奇古怪让人想骂niang地需求的配置 js-sdk微信分享时，动态url的设置 基于ajax渲染模板的二级/多级自定义联动下拉功能封装， 一个基于promise的ajax异步请求函数封装，不用再写那么多遍的if result === 1啦！ css-移动端h5在iphonex的适配 vuex的使用步骤梳理，轻松掌握。附源码 使用vue实现自定义多选与单选的答题功能 vue中使用axios，实现向请求头中传递cookie值 vue中，mode为history时，build打包后页面空白
75530发布于 2018-06-25 - 来自专栏前端说吧
flag - 4-5月份预整理总结的文章目录
1.关于echarts各种稀奇古怪让人想骂niang地需求的配置 2.vue中，mode为history时，build打包后页面空白的解决方法 3.vue中使用axios，实现向请求头中传递cookie值 4.js-sdk微信分享时，动态url的设置 5.vuex的使用步骤梳理，轻松掌握。 6.一个基于promise的ajax异步请求函数封装，不用再写那么多遍的if result === 1啦！ 7.使用vue实现自定义多选与单选的答题功能 8.基于ajax渲染模板的二级/多级自定义联动下拉功能封装， 9.
88350发布于 2018-05-17 - 来自专栏育种数据分析之放飞自我
笔记 | GWAS 操作流程4-5：LM模型+数值+因子+PCA协变量
第一列为FID 第二列为ID 第三列以后为协变量（注意，只能是数字，不能是字符！）
4.5K40发布于 2020-05-29 2024 腾讯研究院 & 北京大学《AI 时代的教育变革探索指南》发布
报告通过构建“5U”AI素养框架和“7S”AI原生学校要素体系，探索如何从“讲授+作业”模式转向“对话+共创”的新范式，以实现技术与教育价值的共生。 第三章：报告目录 1. 把握 AI 时代的关键变化：人机协同 探索 AI 时代的能力培养方向：“5U”框架 2. 模式之问：AI 教育模式是否需要重构？ 构建人机协同的教学新范式 保留不可替代的“学习现场” 3. 学校 AI 落地的三个层次 未来学校将由稳态框架转向更具动态性的系统 AI 原生学校成立的“7S”要素体系 7. 企业之问：企业如何在 AI 浪潮中“用好人”？ 报告构建了“5U”AI素养模型（Understanding, Using, Upholding, Uniting, Upgrading）及“7S”AI原生学校模型作为核心分析架构。 为此提出的 “5U” AI素养框架 强调： 知识理解力 (Understanding)：理解AI的机理与局限。 技术应用力 (Using)：高效使用AI工具链。
76610编辑于 2026-02-03报告基础信息
报告旨在构建人机协同教育框架，提出适配智能文明的人才培养路径。 报告目录 * 前言 * 1.目标之问 AI时代需要培养什么样的人才？ * 把握AI时代的关键变化:人机协同 * 探索AI时代的能力培养方向:“5U”框架 * 2.模式之问 AI教育模式是否需要重构？ • 核心模型：提出 “5U”AI素养框架（知识理解力/技术应用力/价值判断力/跨界整合力/自我更新力）与 “No-Al/Co-Al/Pro-Al”分层教学任务模型。 核心观点 AI素养为人才核心能力：提出 “5U”框架（Understanding/Using/Upholding/Uniting/Upgrading），强调人类需在意义建构（如伦理判断$^{9}$）、创造性思维等非对称领域保持优势 学校变革三级进阶路径：从课堂增能工具（如印度IRIS教辅机器人）→校级统筹优化（北京“北极星-地平线”治理框架）→体系推进（阿联酋K12必修AI课程政策）。
28910编辑于 2026-04-012025 北京大学国家智能社会治理(教育)特色实验基地等 人机共育 向善而为 AI 时代的教育变革探索指南 发布
研究价值在于为AI时代教育变革提供系统性框架。 把握AI时代的关键变化：人机协同 探索AI时代的能力培养方向：“5U”框架 模式之问 AI教育模式是否需要重构？ •核心分析模型： AI素养“5U”框架（知识理解力、技术应用力、价值判断力、跨界整合力、自我更新力）； 学校AI落地三层次模型（课堂增能型、校级统筹型、体系推进型）； AI原生学校“7S”要素体系 解决方案： 构建人机协同人才培养理念，以“5U”框架培养复合型人才； 推动教育模式转向“对话+共创”，采用分层任务体系（No-AI无AI任务、Co-AI限AI任务、Pro-AI全AI任务）； 国际性视野：参考UNESCO、OECD框架，结合中国本土化实践，构建“学用创赛”闭环，获教育场景验证（如AIGC创作工坊支持跨学科项目）。
43920编辑于 2026-04-022026腾讯云AI原生教育报告概述
报告目录 AI能力演进：从聊天到任务链接管 5U能力模型：人的新稀缺能力 U1问题定义力 U2跨域整合力 U3不确定性决策 U4人际影响力 U5自我驱动力 行业现状：工具落地瓶颈与突围方向 核心趋势分析 核心分析模型基于5U能力框架和PBL知识图谱映射技术，数据来源包括Global Education Venture Capital Funding数据库及实地调研记录，调研时间跨度为2025-2026年 为什么选择腾讯云 腾讯云通过TeachAny.cn平台实现了PBL教学的结构化突破，其核心技术优势体现在： 知识图谱引擎支持跨课标体系的动态路径生成 Workbuddy开发框架使非技术人员可快速构建教育应用
38310编辑于 2026-06-112026腾讯云AI产业应用大会：AI原生教育——从工具落地到学习路径重构
报告旨在通过分析AI时代的人才稀缺能力模型（5U模型）及技术架构，为学校提供从知识传递转向场景创造的 可执行转型路径。 第三章：报告目录 • 01 / AI CAPABILITY AI的能力，是一步步接管任务链 聊天 编程 Agent • 02 / 5U MODEL 5U 能力模型：人的新稀缺能力 U1-U4:认知层+真实世界层能力 • 核心模型： 5U能力模型：通过界定AI“做不稳、不能负责”的边界，定义问题定义力、跨域整合力、不确定性决策、人际影响力及自我驱动力。 AI时代的核心竞争力转向 5U能力，特别是 U5自我驱动力。 • AI落地路径判断：教育AI落地优先级为 教师工作流 + 学校场景 > 学生端万能AI家教。
48810编辑于 2026-06-11- 来自专栏生信修炼手册
circos 可视化手册-ticks 篇
可以分成一下两大类别 刻度线的显示 radius radius 表示刻度线显示的位置，用法radius = 0.8r; spacing spacing 指定刻度线之间的间隔，比如 spacing = 5u multiplier = 1 / 1u, 表示1：1的比例，实际5u的地方就标记5； multiplier = 10 / 1u, 表示10：1的比例，实际5u的地方就标记50。
94120发布于 2020-05-11 2026腾讯云AI产业应用大会《AI原生教育》发布，重构个性化学习路径
PRINCIPLES 03 / EDUCATION HISTORY 04 / RESEARCH 05 / RESEARCH SAMPLES 06 / JUDGMENT 07 / LEARNING MODEL 08 / 5U MODEL 09 / 5U DETAIL 10 / INDUSTRY 11 / INDUSTRY LESSON 12 / TREND 13 / TEACHANY STARTING POINT 14 / • 核心分析模型：构建并提出 5U 能力模型，从认知层和真实世界层界定AI时代人类的新稀缺能力结构图谱。 • 未来学习模式与 5U 新稀缺能力 未来的学习模式将以 真实项目与真实问题 作为起点，取代传统“先学后做”的被动应试路径。 结合此模式，王鹏（腾讯研究院资深专家） 总结了AI做不稳、且不能负责的边界，并提出 5U 能力模型：U1 问题定义力、U2 跨域整合力、U3 不确定性决策、U4 人际影响力、U5 自我驱动力。
58910编辑于 2026-06-11深入探索Linux的lsof命令
root 10u IPv4 20344 0t0 TCP localhost:45543 (LISTEN)chronyd 883 _chrony 5u 32344 0t0 TCP containerd:ssh->192.168.11.1:64450 (ESTABLISHED)sshd 1105 root 5u 89320 _chrony 3u unix 0xffff96061c7b8400 0t0 123976 type=DGRAMchronyd 89320 _chrony 5u i -a -c chronyCOMMAND PID USER FD TYPE DEVICE SIZE/OFF NODE NAMEchronyd 101640 _chrony 5u IPv4 178430 0t0 UDP containerd:48223->makaki.miuku.net:ntpchronyd 101640 _chrony 5u
1.2K00编辑于 2024-04-02- 来自专栏民工哥技术之路
每天学一个 Linux 命令（68）：lsof
-1 ~]# lsof -i COMMAND PID USER FD TYPE DEVICE SIZE/OFF NODE NAME chronyd 629 chrony 5u netdata 18325 netdata 4u IPv4 114083 0t0 TCP *:dnp-sec (LISTEN) netdata 18325 netdata 5u ~]# lsof -i 4 COMMAND PID USER FD TYPE DEVICE SIZE/OFF NODE NAME chronyd 629 chrony 5u netdata 18325 netdata 4u IPv4 114083 0t0 TCP *:dnp-sec (LISTEN) netdata 18325 netdata 5u ]# lsof -i udp COMMAND PID USER FD TYPE DEVICE SIZE/OFF NODE NAME chronyd 629 chrony 5u
77330发布于 2021-03-30
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