- 综合排序
- 最热优先
- 最新优先
- 来自专栏美码师
Reactive(2) 响应式流与制奶厂业务
但几乎所有的大数据分析、批处理应用都是基于流式进行处理的，比如 ETL，甚至是一个最简单的 Map Reduce 作业。 为什么Web后端开发的，对 Reactive 没有感觉 ? 除了前端，Reactive 概念在大数据领域的应用其实非常的广泛了。 此时的 Web 交互就不再是整个页面的刷新，而是演变为客户端与服务端的"实时"双向通讯，这类应用也比较普遍了，比如基于 WebSocket 实现的 聊天应用、小游戏等等。 以某一个制奶厂为例，为了提高营收，工厂推出了一个厂家直销的业务。 顾客可以直接向厂方订购一定天数的奶制品，每天则是由工厂的服务人员送奶上门。 然而，目前的 Reactive 实现还没有完全的统一，比如 Spring WebFlux(SpringBoot 2支持) 仍然是基于 Reactor 私有API 而不是 Reactive Stream
89730发布于 2019-09-10 - 来自专栏新智元
【史上最强世界杯预测】AI毒奶，EA封神！
本届世界杯中，AI预测的夺冠热门德国、巴西、阿根廷等强队都被“毒奶”回家。而EA居然预测对了连续两届世界杯冠军，真的这么准？ 预测世界杯，还是看EA？ 上届冠军德国、传统强队阿根廷、葡萄牙、西班牙先后被毒奶毒回家，最终，法国队夺得2018俄罗斯世界杯冠军。 其实，这个结局早就被EA预测到了。 半决赛： 板决赛中，比利时极具天赋、令人兴奋的核心球员英勇作战，但最终被法国以2:1击败。 在半决赛对阵西班牙的比赛中，德国在关键时刻的镇定继续着。 AI预测冠军毒走了一众强队 在世界杯开始前，有不少研究机构声称使用AI预测，德国、巴西是今年夺冠的大热门，喝完这些毒奶，传统的强队一个个倒下。 新智元曾报道过用AI预测世界杯冠军的方法，其中比较有趣的有： 使用随机森林进行预测 微软的AI和数据科学专家Sorin Peste的预测过程比较完善。
85920发布于 2018-08-01 - 来自专栏机器之心
DeepMind星际争霸2 AI首秀即将上演，旭东老仙奶一口？
以这种标准开发的机器学习系统，最终完全可以应用到现实世界中的任务中去」。 ? 在与「疯狂」难度标准的星际争霸 2 AI 模型对阵的时候，获胜概率可以达到 50%。」 去年 9 月份，腾讯 AI Lab 等机构利用深度强化学习开发出了能在《星际争霸 II》全场游戏中打败「疯狂」内置 AI 的智能体（深海暗礁地图，虫族 1 对 1），「疯狂」AI 在视野和采集资源速度上具有不平衡的优势 目前，OpenAI 的人工智能已能在 Dota 2 上和人类顶尖职业玩家勉强过招了，腾讯 AI Lab 的王者荣耀 AI「觉悟」也在 KPL 决赛上击败了顶尖战队，DeepMind 又会给我们带来哪些惊喜 在此，先奶一口DeepMind。 ?
66930发布于 2019-04-29 - 来自专栏凹凸玩数据
Python 爬取美团网红奶茶店告诉你
图2 类似的奶茶品牌名称 例如喜茶的前身“Royaltea皇茶”，因为皇茶这个商标无法注册版权，只能加前缀或后缀，所以就出现了“世代皇茶”，“雅岛英皇茶”等等的同胞“兄弟”。 图3 热门城市奶茶店铺数量情况 从全国12个热门城市来看奶茶店铺数量分布情况，广州的店铺数量是最多的，拥有11419家，之后是深圳（9367家）、上海（7940家）、成都（7361家）。 4个一线城市中，北京的奶茶店只有4643家，笔者猜测因为北京位于北方，并不像南方一年四季几乎都是热天，而奶茶主要是作为冷饮，尤其现在最流行的奶盖茶，只适用于冷饮，过热的水温会导致奶盖融化。 一旦你在某个城市商圈看到其中一家奶茶店，在几百米的距离内肯定能找到上述的某几家奶茶店。 ? “古茗”的分店主要集中在杭州和重庆，“茗”象征着茶，因为这2个城市是盛产茶叶的地方。如果大家到了这些城市，记得打卡喝一杯原汁原味的奶茶。 ?
1.3K20发布于 2020-10-09 AI 奶茶店吸管监测识别解决方案技术开发说明
基于此，依托AI技术，可开发专为奶茶店打造的吸管监测识别解决方案，核心目标为：实现奶茶打包流程中吸管与奶茶数量的自动化、精准化匹配监测，降低人工失误率，提升打包效率，优化客户体验，为奶茶店运营提供技术支撑 （二）AI 视觉识别算法开发奶茶杯识别算法开发特征提取模型：采用改进型 YOLOv8 目标检测算法，针对奶茶杯 “多样式、多尺寸” 特性，构建专属数据集（包含直筒杯、异形杯、带品牌标识杯等 200 + 数量匹配与告警算法开发实时比对逻辑：系统设定 “1 杯奶茶对应 1 根吸管” 的基础匹配规则（支持门店自定义匹配比例，如 “1 杯大杯奶茶对应 2 根吸管”），在完成奶茶与吸管数量统计后，1 秒内完成数据比对 三、应用场景适配开发（一）高峰时段打包场景适配针对奶茶店高峰时段（如午晚高峰每小时 30-50 单）订单密集、打包节奏快的特点，优化系统处理效率：采用边缘计算单元（如 NVIDIA Jetson Nano 单机部署”（摄像头 + 边缘计算单元 + 操作屏一体化，适合单门店独立使用）；二是 “云端部署”（多门店摄像头数据上传至品牌总部云端服务器，适合连锁品牌集中管理），两种模式均支持即插即用，硬件安装时间≤2
35910编辑于 2025-09-08- 来自专栏gang_luo
Java常用设计模式--三种工厂模式之简单工厂模式（Simple Factory）
简单工厂模式在实际中的应用相对于其他2个工厂模式用的还是相对少得多，因为它只适应很多简单的情况。 （2）客户端不关心对象的创建过程。 简单工厂模式角色分配： 工厂(Factory)角色 :简单工厂模式的核心，它负责实现创建所有实例的内部逻辑。工厂类可以被外界直接调用，创建所需的产品对象。 举个例子： 奶茶店有各种奶茶，奶茶类别有波霸奶茶、红豆奶茶、 珍珠奶茶等 奶茶店-->工厂(Factory)角色 奶茶-->抽象产品(Product)角色 波霸奶茶、红豆奶茶、 珍珠奶茶-->具体产品 SimpleFactory { public static final int TYPE_BB = 1;//波霸奶茶 public static final int TYPE_HD = 2; milkyTea = SimpleFactory.createMilkyTea(1); milkyTea.makeMilkyTea(); } } 我想多增加一种奶茶品种，四季奶青
53430发布于 2020-08-13 - 来自专栏Go语言学习专栏
2 - AI 应用开发 - AI 超级智能体项目教程
[如果回答仍然不够具体] 进一步改进: 详细分析AI在医学影像诊断领域的具体应用，包括: 1. 现有的2-3个成功商业化AI诊断系统及其准确率 2. 这些系统如何辅助放射科医生工作 3. 三、AI 应用需求分析 我们知道，AI 时代下，开发应用的门槛变得越来越低了，导致市面上出现了各种具有创意的小产品。 比如我们来开发一个 AI 训练营面试助手应用，帮助用户解决面试当中遇到不会回答的问题，根据知识库进行模拟面试 2、怎么细化需求？ 整体方案设计将围绕 2 个核心展开： 系统提示词的设计 多轮对话的实现 1、系统提示词设计 前面提到，系统提示词相当于 AI 应用的 “灵魂”，直接决定了 AI 的行为模式、专业性和交互风格。 在正式开发前，建议先通过 AI 大模型应用平台对提示词进行测试和调优，观察效果： 2、多轮对话实现 要实现具有 “记忆力” 的 AI 应用，让 AI 能够记住用户之前的对话内容并保持上下文连贯性，我们可以使用
40110编辑于 2026-03-17 - 来自专栏相约机器人
用AI「驯服」人类幼崽：这个奶爸找到了硬核带娃的乐趣
选自medium 作者：Agustinus Nalwan 机器之心编译 编辑：泽南、魔王、张倩 为了能安心看几集 Netflix 剧，技术宅奶爸都做了些什么…… 长期以来，「奶爸」+「萌娃」一直是一个不被看好的组合 当然，并不是所有的奶爸都这么不靠谱，也有人带起娃来挺正常的，Agustinus Nalwan 就是其中之一。 因此，两个单独应用之间的最好通信媒介是 socket。由于这两个应用在同一台计算机内，因此延迟会在 5ms 以内。 总体来说我学到了： Torch2trt 是一个很强大的工具，可以自动将 PyTorch 模型转化为 TensorRT 版，让 AI 模型在 Jetson AGX Xavier 上运行地更快。 参考内容： https://agustinus-nalwan.medium.com/making-my-toddlers-dream-of-flying-come-true-with-ai-tech-85e40d7144a2
1.1K30发布于 2021-01-14 - 来自专栏量子位
谷歌AI错杀Chrome插件，全职奶爸程序员“睡后收入”被迫终结
但最近，他的收入来源被谷歌的AI机器人毁掉了。 他在Chrome上的付费插件，被谷歌的AI删掉，已付费的用户纷纷前来退款，插件服务即将关闭。 不过，程序开发只是副业，他的主业是全职奶爸，你看他的GitHub头像： ? 虽然只是副业，但Azer的工作还挺硬核的。 Azer一怒之下就把自己发在npm上的273个模块全都撤掉了，包括left-pad等被广泛应用的模块，于是数千个软件都出现了问题，引发了轩然大波。 ? 因为有用户付费，所以Kozmos插件算是奶爸Azer的被动收入来源，而且这个插件Azer自己和家人也在用，比如老婆怀孕的时候上网用这个就很方便。 Azer称，自己的插件没有违反任何政策，但谷歌的AI机器人却反反复复的发来“你的插件将被删除”的通知，他不得不反反复复的和AI机器人过招，就像这样： 谷歌AI机器人：我们将删除你的插件。
73530发布于 2020-06-01 TeaType 奶茶性格占卜机开发记录：一场俏皮的 UniApp 单页奇遇
我正在参加CodeBuddy「首席试玩官」内容创作大赛，本文所使用的 CodeBuddy 免费下载链接：腾讯云代码助手 CodeBuddy - AI 时代的智能编程伙伴最近我突发奇想，想用 UniApp 这个小应用的核心功能很简单：用户选择奶茶偏好（甜度、温度、加料），我就根据他们的选择生成一段带性格分析和奶茶推荐的图卡。 项目初始化与设计确认我告诉 CodeBuddy 这将是一个单页应用，UI 要有粉橘色到奶白色的渐变背景，顶部一个茶杯+爱心的 logo，再配合焦糖棕字体风格的标题，整个页面要有卡片式的步骤选择，最后生成一张结果图卡并支持一键保存 整体风格就是“奶茶店点单 + 命运占卜”的感觉。 然后我点击“一键保存”，它竟然已经帮我集成好了 html2canvas，并将整个卡片截图生成图片保存到了相册中。
24400编辑于 2025-05-19- 来自专栏深度学习与python
AI 大模型爆发，如何 2 周上手 AI 应用开发？| 极客时间
这也使我深深意识到，今后 AI 应用不仅仅是算法工程师和机器学习研究人员的专利了，而是变成了每个工程师都可以快速学习并参与开发的领域。 为什么人人都应该学习 如何开发新一代 AI 应用？ 前段时间，我就在 GitHub 上看到不少开发者只花了 1-2 天时间就做出来了图书翻译、人工智能语音对话等应用，甚至刚上线就已经开始赚钱了。 能够预料的，AI 时代巨头做大模型，而普通程序员在应用方面的机会无限，而且在未来几年 AI 领域的应用开发也将会是就业市场中最火热的岗位。 说了这么多，到底该如何快速跟上时代节奏，掌握新一代的 AI 应用开发技术呢？我从去年 12 月份就开始筹备《AI 大模型之美》，希望能够把新一代的 AI 应用开发的方法和机会介绍给你。 即使你是一个产品经理或者业务方，你也可以自己动手体验到新一代的 AI 应用。 2.
2.5K20编辑于 2023-04-21 - 来自专栏DotNet NB && CloudNative
AI应用实战课学习总结（2）hello sk-learn
最近入坑黄佳老师的《AI应用实战课》，记录下我的学习之旅，也算是总结回顾。 今天是我们的第2站，了解下scikit-learn框架（简称sk-learn）及相关的常用可视化库，一起和机器学习说声“Hello World”! 机器学习是什么？ ）： from sklearn.decomposition import PCA # 导入PCA算法（主成分分析） pca = PCA(n_components=2) # 加载模型，指定保留两个主要特征 X_r = pca.fit(X).transform(X) # 执行降维 这里的X_r就是降维后的2个主要特征集。 target_names): plt.scatter( X_r[y == i, 0], X_r[y == i, 1], color=color, alpha=0.8, lw=2,
28200编辑于 2025-02-18 DeepSeek开源最后一天，大鹏今日同风起。
https://github.com/deepseek-ai/smallpond 先说3FS。 简单来说，3FS就是一个专门AI模型和推理做的文件系统，只不过，它是分布式的，性能太强了。 因为一旦原材料供不上，各家奶茶店就没法及时出茶，排队的顾客就得锤门店，门店就会来捶你。 每天都有成千上万的奶茶店要来仓库调取、回传各种信息，比如店家库存不足时要申请更多原材料，原材料运到门店后又需要登记消耗情况，遇到新品上线还要紧急调度不同产线来增产。 这叫 locality-oblivious（不用再因为地理位置不同而做繁琐的调度），相当于你只要告诉工厂我要一批A茶叶和B奶盖，系统就能自动把所有加工、分发环节安排好。 约等于你可以一次性加载数千部高清乃至4K影片，一部 1080p 高清电影大小在2~3GB，4K电影大概10GB往上跑，以6.6TiB/s的吞吐来说，一秒钟就可以把几百到上千部电影打包塞进内存。
26500编辑于 2025-04-14- 来自专栏悦思悦读
AI 入行那些事儿（2）人工智能的应用和技术
2021 开年巨献 —— 系列文章《AI 入行那些事儿》，为您讲述： 人工智能的基础原理、发展历程、当前应用 成为 AI 技术人员所需的入门技能和学习途径 以及求职、面试的全过程 人工智能的应用与技术栈 目前人工智能技术已经开始应用在很多领域，对人工智能技术的提升和发展也成了人们的重要工作任务。 人工智能技术的发展需要非常完整的技术栈，它分为基础层、技术层和应用层三个层次。 ? 我们日常所面对的，实际上是人工智能技术栈中的应用层，这一层能为我们提供各种现实的产品。而基础层的研究成果，还不拿直接拿来在应用层中使用，必须经过技术层的技术转化。
2K30发布于 2021-01-18 - 来自专栏AI小程序
AI人脸应用
这款颜值检测小程序使用了腾讯开放人脸识别API，本项目适合刚入门的同学练手，熟悉整个框架，整体实现如下：
1.3K00发布于 2019-01-06 AI 应用感想
龙虾热潮退去，最终会剩下文字相关的应用——编程、写文章、论文等等。一、大模型本质是文字模型不管形态如何变化，大模型的输出仍然以文字为主。 最终沉淀下来的应用，一定是那些将文字能力发挥到极致的场景。二、多代理提高可用性，但仍未达到可信的专家水平多代理架构让任务可以并行、分工、协作，显著提升了复杂任务的完成率。 这意味着所有AI输出都必须经过经验丰富的人员验证，以避免疏漏和安全问题。这是当前AI应用落地的最大瓶颈——不是技术不够强，而是信任成本太高。 未来可能出现”AI审计AI”的模式：一个代理负责输出，另一个专门负责对抗性验证，降低人工成本的同时保留人类兜底。四、记忆之后，还有知识整理与理解偏差记忆问题的解决只是第一步。 五、下一个高价值方向：代理自组织与AI团队导师人类组织中有项目管理和项目经理，AI代理体系同样需要自组织能力。
8700编辑于 2026-03-30- 来自专栏奇点大数据
RHadoop 应用（2） ： rmr2
上篇中我们介绍了rhdfs插件，R语言通过它可以加载和操作hdfs，这里为大家继续介绍Rhadoop的另一个插件rmr2,它能够在计算过程调用MapReduce，来看下如何使用： 1 安装 下载安装文件 rmr2_2.1.0.tar.gz，在bash环境本地安装 bash> R CMD INSTALL rmr2_2.1.0.tar.gz 注意： 如果是分布式环境，需要在所有datanode节点进行安装 2 测试 测试方法很简单，由于mapreduce也需要操作hdfs 因此rmr2封装了新的一套函数 from.dfs() 和 to.dfs() 来读取写入hdfs，这里的操作函数对写入hdfs的数据进行了压缩
994100发布于 2018-04-11 - 来自专栏机器之心
从草原来的虚拟人「奶思」火了，虚拟代言人的未来有多可期？
另外一项挑战是，作为蒙牛集团首位虚拟员工，奶思今后要在电商直播、新媒体互动、品牌拟人化宣传等场景上落地应用，所承担的职责是相当复合的。 基于奶思的直播需求，快手 StreamLake 技术团队将相关的能力迅速整合起来，提供了两套驱动方案，一种是中之人驱动型，一种是 AI 驱动型。 “快手智播支持奶思 AI 自动开播，能够根据蒙牛输入的文案脚本匹配动作表情，讲解所售货品，并且能够自动上架商品挂车，以及回答直播间里用户的提问。 真人直播带货 10 个小时之后，剩下的 14 个小时可以用 AI 开播，同样能带来卖货收益。” 虚拟人卷到「下半场」 目前，虚拟人正处于从产业链搭建到大规模应用转化的过渡期。 ，提供一站式音视频 + AI 解决方案。
1.6K30编辑于 2023-03-29 - 来自专栏软件安装
AI应用开发
AI应用开发是将人工智能技术与实际业务场景结合，构建具有智能决策、自动学习或感知能力的应用系统。 它融合了传统软件开发与机器学习、深度学习等AI技术，以下是其核心要素和流程： 一、AI应用的核心技术栈 基础框架 机器学习：Scikit-learn、XGBoost、LightGBM 深度学习：TensorFlow 、PyTorch、Keras 自然语言处理：Hugging Face Transformers、spaCy 计算机视觉：OpenCV、Detectron2、YOLO 工程化工具 模型部署：ONNX 、TensorRT、TorchServe 工作流管理：MLflow、Airflow 云服务集成：AWS SageMaker、Google AI Platform、Azure ML 二、AI应用开发的典型流程 、金融）需要模型决策可解释 五、常见AI应用场景 智能客服（NLP对话系统） 图像识别（安防监控、质检） 推荐系统（电商、内容平台） 预测分析（金融风控、需求预测） AI应用开发的核心是"以问题为导向"
51310编辑于 2025-11-12 - 来自专栏量子位
AI发来贺电，您的2333号奶牛已进入恋爱时节 | 野性的呼唤
△ 1,2 SWITCH强行露出 美国南部的佐治亚州，温暖湿润的气候给了奶牛优厚的生活环境。而在Richard Watson (我姑且叫他华生) 的牧场里，奶牛都戴着不太寻常的项圈。 不过，从牛群里把它们找出来，就是很大的工程量，有了AI帮忙监测牛群的健康数据，人类或许会轻松一些。 确认过眼神 不过，同在佐治亚乡间，世代牧牛的奶农即便没有装备AI，也自有古老智慧的加持—— ? 在许多奶农的眼里，AI可能都没有那么神奇。 摩擦，摩擦 AI在人类工作场景里的推广，本就很容易带来传统产业和前沿技术的摩擦。 用机器人摘苹果、挑黄瓜，用无人驾驶拖拉机收割庄稼，用无人机发现偷猎者等等，都算是常见的应用了。 牧场辣么大 现在，许多牧场也已开始用激光制导的机械臂来代替人类挤奶。 △ AI学的越多，奶农越忙不过来 毕竟，一只正常产奶的成年奶牛，与一只早夭幼崽之间的差距，可以关系到养牛的小伙伴们是否能走向人生巅峰。
38610发布于 2018-07-24
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