- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
3-5 处理缺失值
> x <- c(1,NA,2,NA,3) > is.na(x) [1] FALSE TRUE FALSE TRUE FALSE > x[!is.na(x)] #找出不是缺失值 [1] 1 2 3 > x <- c(1,NA,2,NA,3) > y <- c("a","b",NA,"c",NA) > z <- complete.cases(x,y) #都不是缺失值的元素 > x[z] [1] 1 > y[z] [1] "a" > library(datasets) #import dat
49610发布于 2020-09-16 AI原生开发范式
AI原生开发范式的核心概念 AI原生开发范式（AI-Native Development）指以AI为核心构建应用程序的设计方法，其特点包括数据驱动、模型即服务（MaaS）、自动化工作流和持续学习。 与传统开发相比，AI原生应用将机器学习模型作为基础组件，而非附加功能。 典型行业案例分析 金融领域-智能风控系统 某银行采用AI原生架构重构信贷审批流程，实现实时风险评估。 医疗领域-影像辅助诊断 一家医疗科技公司开发AI原生影像分析平台，整合多种医学影像模型（CT、MRI）。 model.predict(input_data) r.setex(key, CACHE_TTL, pickle.dumps(result)) return result 效能评估指标 AI 原生系统需监控多维指标： 模型指标：AUC-ROC、F1 Score、推理延迟 系统指标：QPS、错误率、资源利用率 业务指标：转化率、用户留存、ROI 监控看板应包含实时数据和历史趋势对比，设置自动告警阈值
35110编辑于 2026-01-20- 来自专栏NetCore 从壹开始
3-5 安装CICD管理平台：Jenkins
大家这里可以先安装gitlab工具，我就省事了，直接用gitee做源代码管理平台了。
34721编辑于 2023-01-09 - 来自专栏实验盒
当我用DeepSeek预测AI for BioScience未来3-5年发展趋势
预测未来3-5年AI在生物科学（AI for BioScience）的发展趋势，可以从技术突破、跨学科融合、数据驱动创新以及伦理监管等多个维度进行分析。以下是一些关键趋势的展望： 1. 药物研发的端到端AI化 全流程覆盖：AI将贯穿从靶点发现、化合物生成、ADMET（毒性/代谢预测）到临床试验优化的全链条，缩短药物研发周期（目前平均10年→可能压缩至3-5年）。 基因治疗递送系统：AI辅助开发更高效的病毒载体或非病毒纳米颗粒。 6. 生物伦理与可解释性挑战 黑箱模型的风险：复杂AI模型的决策透明性将成监管重点，需开发生物可解释的AI（XAI）工具。 全球监管协作：各国可能建立AI生物技术应用的伦理框架（如AI设计病原体的管控）。 7. 总结 未来3-5年，AI将深度重构生物科学的研究范式，从“数据辅助分析”转向“主动设计创造”，并在药物研发、合成生物学、精准医疗等领域实现商业化落地。
58610编辑于 2025-02-05 AI原生组织（AI-Native Organization）
AI原生组织深度研究报告研究主题：AI原生组织（AI-NativeOrganization）概念、特征、构建路径与全球案例研究时间：2026年5月18日研究深度：⭐⭐⭐⭐⭐（深度研究）组织设计逻辑的根本翻转传统是 "业务先行、AI补丁"，原生是"AI即底座"。 很多公司卡在这里，历史数据包袱太重一个现实的观察目前真正做到AI原生的公司还很少，大多是"AI+"的改良版。 核心难点不在技术，而在组织权力的重新分配——当AI能做出比中层更准的决策时，原来的管理层怎么自处？一、概念定义1.1什么是AI原生组织？ *|深度融合|业务流程与AI深度整合，数据闭环|初步AI原生||**L5**|AI原生|组织架构建立在AI之上，智能演化|真正的AI原生组织|###4.2转型核心步骤Step1:顶层设计├──设立CAIO
73810编辑于 2026-05-18如何构建AI原生应用？从大模型到知识中台，从数据到规则逻辑。AI原生=模型原生+知识原生+价值原生
今天继续聊AI和大模型方面的话题。即什么是AI原生，如何构建一个真正意义上的AI原生系统？ 对于这个问题，我们先看下AI大模型自己给出的答案。 AI原生必须是土生土长的，系统一开始构建就原生在系统里面的能力，而不是已有系统后简单嫁接或集成AI大模型能力。那些把传统IT系统改造集成AI大模型能力后叫AI原生是相当错误的说法。 AI原生-大模型原生+知识原生+价值原生 一个系统能够称之为叫AI原生系统呢？这里面核心的一个关键就是整个系统核心的能力是架构在底层的AI大模型和底层的知识层上面的。 你如果满足这么一个条件，那你们做一个系统就可以叫做AI原生系统。 我原来谈AI原生的时候谈到过，AI原生核心是知识原生，为何你当前企业有数据库数据，有资料文档，不能快速的构建AI原生应用？ 注意这个说法只解决了AI原生应用的大模型原生问题，并没有解决知识原生的问题。如果按这个说法所有的AI智能体应用都是AI原生应用，但是我的理解，AI原生应用的核心重点应该是在知识原生上面。
81320编辑于 2025-11-17- 来自专栏阿泽的学习笔记
云原生与AI漫谈
对于系统开发人员来说（比如云数据库，云 AI 平台），云原生的趋势也会产生相应的影响。 具体的例子比如我们可以通过用户的数据查询看到经常使用的过滤维度，来重新安排数据的排序和分区，这样在同样的数据量情况下，系统可以花更少的计算资源来完成查询，增加系统的利润 :) 云原生+AI 最后再来看下跟 AI 相关的部分。 而前面讲的“云原生语言”，则更关注在程序具体执行层面的关注点分离。 把两者结合起来看，云原生时代的 AI 平台开发会是一片巨大的未开垦之地，对于云和算法各自都有很宽很长的路可以走。 目前云原生跟 AI 结合的一个比较好的学习样例是 Kubeflow，之前春节期间读了一本《Kubeflow for Machine Learning[3]》，感觉收获还是挺多的，如Istio，CRD的应用等
1K30发布于 2021-07-06 - 来自专栏叽叽西
lagou 爪哇 3-5 spring cloud (下) 笔记
为了⽀撑⽇益增⻓的庞⼤业务量，我们会使⽤微服务架构设计我们的系统，使得 我们的系统不仅能够通过集群部署抵挡流量的冲击，⼜能根据业务进⾏灵活的扩展。那么，在微服务架构下，⼀次请求少则经过三四次服务调⽤完成，多则跨越⼏⼗ 个甚⾄是上百个服务节点。那么问题接踵⽽来：
86020编辑于 2022-05-17 - 来自专栏蟋蟀得不像专家派
如何构建 AI 原生技术团队
如何构建AI原生产研团队：我们花了一年，才搞懂这句话 别人还在讨论"AI要不要用"，我们已经把AI变成了团队的肌肉记忆。 工具只是皮，真正的AI原生团队，是从组织基因层面被重构的。 今天不讲虚的，就讲我们这一年干了什么，怎么干的，效果怎么样。 一、撕掉标签：什么叫"AI原生"？ 大部分人理解的AI原生 = AI用得很熟。 我们理解的AI原生 = AI已经渗透到组织的毛细血管里。 事实就是：同样的团队规模、同样的业务复杂度，AI 原生团队和非 AI 原生团队的产出差距已经拉开了 40% 以上。 这个差距只会越来越大。 标签：#AI原生产研#AICoding#团队管理#技术管理#数字化转型
15610编辑于 2026-05-26 研究生入局 AI Agent，不是跟风，是抓住未来 3-5 年的技术红利研究
发布于2026-05-1615:30最近在和身边做AI的同学、朋友聊天时，总能听到一个高频问题：“现在研究生做Agent，是不是已经晚了？” 研究生如果能深耕Agent架构、FunctionCalling、Skill编排、多智能体协作这些核心技术，毕业时可以直接对接AI应用开发、智能体开发、大模型应用等高薪岗位，竞争力远超普通应届生。 说到底，Agent不是一阵风，而是未来3-5年AI领域最确定的技术趋势之一。对研究生来说，现在入局，不是跟风，而是抓住了一个用小成本撬动大价值的机会。
16310编辑于 2026-05-16- 来自专栏数据猿
从+AI到AI+，我们离AI原生还有多远？
可真正接入后，却发现不是这么回事，企业应用AI的实际场景十分复杂，简单的接AI无法真正提高效率。同时，目前AI本身也存在着幻觉频发等问题，如果AI不是一剂见效的灵丹妙药，我们又该如何看待它？ 在企业接入AI的场景中，目前大部分企业以“+AI”为主，运用AI优化自己本身的业务模式，这是量变；“AI+”则是未来以AI本身作为驱动的更高阶状态，属于质变。 将人不具备或不够好的能力借助AI、智能体等快速补足，这里涉及到+AI与AI+的问题。 过去我们靠工程师来绘图，用+AI的思维，我们可能会让AI提供设计思路或设计参考，工程师来完成绘制；如果站在全新的AI+场景，AI是不是可以直接完成这个任务，把需求提交给AI，直接通过AI完成文生设计，将大大降低人的负荷 东海大学教授、前沿数智创新研究院院长周忠信在创想会上提到：Because AI, Become AI.第一个AI是人工智能，第二个AI是augmented intelligence。
19510编辑于 2025-10-21 AI原生云建设与加速指南
第一章：报告基础信息 报告标题：AI原生云建设与加速指南 发布机构：腾讯云计算（北京）有限责任公司 发布时间：未明确标注 行业标签：通用SaaS,技术服务 产品标签：#异构计算 #高性能计算集群HCC 年超过80%的企业将在生产环境中采用生成式AI。 报告旨在解析从Cloud for AI向AI Native Cloud转型的技术要求，为企业在AI原生时代构建全栈能力云平台提供架构指南。 第三章：报告目录 背景 从Cloud for AI到AI Native Cloud，云平台能力要求对比 新型AI云平台需要解决的挑战 为AI加速而生，腾讯云（AI Native Cloud）平台架构能力全景解析 全栈能力：从基础设施（HCC集群、EdgeOne边缘平台）到应用层（数智人、智能客服），提供端到端AI原生云解决方案，支持公有云、专属云、本地化多态部署。
10610编辑于 2026-05-30在AI时代，如何去构建AI智能原生企业？
今天聊下AI原生企业。 对于原生这个概念，实际我在前面写过好几篇文章。比如云原生，数字原生，而且都做过详细的阐述和说明。同时在原来文章中也谈到。 从上面这个内容我个人感觉还是太技术化了，太强调AI技术的能力了，而忽视了企业本身的核心业务和价值链。包括将AI原生企业定义为一定是新创业的以AI技术为核心的企业才是AI原生企业。 既然谈原生，那么核心仍然是AI这个能力不应该是一个简单的舶来品，更多需要企业内部AI持续进化，不是说你购买一个AI大模型，上个AI Agent就是AI原生。 因此对于AI原生核心仍然是知识原生。 所以我也一直在强调，将AI技术作为企业原生是错误的，企业的AI原生更多应该是知识的原生，AI工具技术大模型只是技术支撑能力，技术为知识创造服务。
45610编辑于 2025-11-17- 来自专栏《Cloud Studio》
AI 原生时代新质软件研发
在 CSDN 1024 程序员节技术英雄会全体大会上，腾讯云开发者产品中心总经理刘毅进行了《AI 原生时代的新质软件开发》的主题演讲。 腾讯云也在程序员节上推出 AI 原生云时代超级“码”力工具箱，为开发者提供低门槛、高效率、支持多模态的系列开发工具，助力软件开发“增质提效”。 腾讯云“超级码力工具箱” 对外开放 推动软件开发“提质增效”，腾讯云今年还举办了 “TechoDay AI 原生云开发工具峰会”，推出 AI 原生云时代超级“码”力工具箱，为开发者提供低门槛的云开发、高效率的 在会上，多位腾讯云产品专家对外分享了上述产品的应用与实践，同时发布了“腾讯云 AI 代码助手产品推荐官计划”，邀请各位开发者体验腾讯云 AI 代码助手，一起拥抱 AI 时代，助力 AI 全自动开发+部署 在10月26日的“超级码工厂- AI 编程大赛”上，腾讯云 AI 代码助手也将亮相，助力开发者们发挥想象力，用 AI 代码助手快速搭建AI应用，见证 AI 原生时代的超级「码」力。
78500编辑于 2025-02-12 AI原生时代的超级【码】力
第一章：报告基础信息 • 报告标题：AI原生时代的超级【码】力 • 发布机构：腾讯云 • 发布时间：2024年（基于“腾讯云工具指南|07”及2024 Gartner报告引用推断） • 行业标签：电商, • 中国信通院调查显示，75.86% 的企业已在软件开发阶段应用AI技术，AI正在全面覆盖代码生成、补全、缺陷检测等软件工程全生命周期环节。 • 本报告旨在介绍腾讯云“超级码力工具箱”，通过低门槛的云开发、高效率的HAI、增质量的AI代码助手及多模态检索的向量数据库，解决AI原生开发中的具体痛点，助力软件开发的“增质提效”。 第三章：报告目录 01 趋势洞察：AI原生时代，AI助力新质软件开发 开发者如何与代码大模型共存? 场景实践：AI原生开发场景的具体痛点及解法 用腾讯云开发生成及运营商小程序 用高性能应用服务HAI 3分钟部署超级AI应用环境 用AI代码助手为编码场景“增质” 用腾讯云向量数据库实现RAG增强 04
10110编辑于 2026-05-30- 来自专栏PHP实战技术
3-5年的PHPer常见的面试题
看到有很多，的总结一下，比较适合有一定经验的PHPer 平时喜欢哪些php书籍及博客？CSDN、虎嗅、猎云 js闭包是什么，原型链了不了解？ for与foreach哪个更快？ php鸟哥是谁？能不能讲
1.6K100发布于 2018-03-09 - 来自专栏深度学习与python
AI原生数据库的思考
AI 原生混合搜索 提到 AI 原生搜索，很多人首先会想到向量搜索。向量搜索确实是当前主流的 AI 语义搜索方式，通过向量 embedding 可以搜索文本、图片甚至视频等多模态数据。 有了基于混合搜索的“Document In,Data Out”之后，只需要把文档或者切片写入 AI 原生数据库即可，AI 原生数据库会自动执行多路搜索并选择合适的模型。 AI Function AI 原生数据库内置 AI Function，将这些 AI Function 融入到数据库的执行算子中。 数据和模型也会深度融合，通过 AI Function 等技术在系统中直接处理无结构化数据，成为 AI 原生数据库。 为什么要做 AI 原生数据库 seekdb？ 因此，我们决定抛开历史包袱，正式立项 AI 原生数据库。 首先，需要给我们的 AI 原生数据库一个正式的名字。
59210编辑于 2025-12-24 - 来自专栏cwl_Java
C++编程之美-结构之法(代码清单3-5)
代码清单3-5 void RecursiveSearch(int* number, int* answer, int index, int n) { if(index == n)
27120编辑于 2022-11-30 - 来自专栏AI机器学习与深度学习算法
机器学习入门 3-5 Numpy数组(和矩阵)的基本操作
shape 属性查看数组的维度，返回值是一个元组，元组中对应位置的值为数组中对应维度的元素个数。
83910编辑于 2022-05-25 - 来自专栏DotNet NB && CloudNative
使用C# 构建AI原生Agent应用
摘要： 随着人工智能的迅猛发展，AI 原生 Agent 应用架构成为构建智能系统的核心。本文聚焦于以 C# 构建 AI 原生 Agent，并整合 k8s 与 Dapr，搭建高效可扩展平台。 二、 构建AI原生Agent应用平台 2.1 C# 在AI原生Agent中的应用 C# 作为一种面向对象的编程语言，在AI原生Agent应用架构中发挥着重要作用。 C# 在AI原生Agent应用架构中发挥着举足轻重的作用。 k8s与Dapr的集成在AI原生Agent应用平台中发挥着举足轻重的作用。它们共同为构建一个高效、稳定、可扩展的AI原生Agent应用环境提供了强大的技术支持。 通过充分利用这些技术的优势，我们可以更好地满足AI原生Agent应用的复杂需求，推动AI技术的广泛应用和发展。
59920编辑于 2025-02-25
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