- 综合排序
- 最热优先
- 最新优先
- 来自专栏JNing的专栏
【3D人脸】AI Mesh 数据工程调研
开源的假图只给了70个2d点，不给模型） [2022，微软] 3D face reconstruction with dense landmarks（直接完全沿用了自家2021的数据，没有任何改进，不给模型 ） pseudo-labels made with model-fitting （纯3dmm） [2020，帝国理工] RetinaFace: Single-shot Multi-level Face Localisation in the Wild（将68个面部坐标点转换成三维坐标，并据此得出3DMM参数，进而重建了包含53k个顶点的稠密1k顶点三维网格。 （没细看） [2015，中科院] Face alignment across large poses: A 3d solution（没细看） semi-automatic refined data（半3dmm geometry from monocular video on mobile GPUs（3w张真实人脸，用3DMM去fit出假标签，之后数据迭代清洗自循环：模型洗出脏数据，手动微调x和y，更干净的数据再反哺给模型
85020编辑于 2022-11-14 AI Agent + 数据工程
AI Agent的出现，正在从根本上改变数据工程师的工作方式，甚至重新定义这个职业的边界。 从堆人到提效 提到AI Agent，很多人的第一反应是又一个大模型概念。 这些事情以前要靠专人花时间梳理，现在AI可以快速完成。 但这只是第一步。 更深层的变化在于，数据工程的需求本身正在被AI重塑。 业务方不仅看Dashboard，还想直接跟数据对话——问AI一个问题，AI直接给出答案。这就倒逼着数据工程师必须把底层的东西做得更扎实：元数据要完整、语义层要清晰、数据血缘要可追溯。 好的数据工程，应该配合AI在事中就做好管理和体系搭建。” 这句话背后是一个残酷的现实：以前数据工程师的工作更像是管道工——把数据从A搬到B，分层、清洗、汇总。 结语 数据工程遇上AI Agent，不是一场突如其来的革命，而是水到渠成的演进。 那些还在用老办法堆人的团队，也许该停下来想一想：未来的数据工程师，需要具备什么样的新能力？
23310编辑于 2026-02-28《软件工程》第 3 章 -需求工程概论
在软件工程的开发流程中，需求工程是奠定项目成功基础的关键环节。它专注于获取、分析、定义和管理软件需求，确保开发出的软件能真正满足用户需求。 接下来，我们将按照目录内容，结合 Java 代码和实际案例，深入讲解需求工程的核心知识。 以学生成绩管理系统的用例图为例： 3.3 需求工程的过程模型 3.3.1 需求工程中的活动 需求工程包含以下核心活动： 需求获取：通过访谈、问卷等方式收集用户需求。 3. 4小结 本章围绕需求工程概论，从软件需求的概念出发，介绍了需求分类、质量要素，阐述了需求工程的预备知识和过程模型。 需求工程是软件开发的基石，后续的设计、开发和测试都依赖于高质量的需求。在实际项目中，应根据具体情况灵活运用这些知识和方法，做好需求管理工作。 以上内容全面呈现了需求工程概论的要点。
23110编辑于 2026-01-21AI时代的需求工程本质是规则工程（Stock题材助手AI实践总结）
Stock题材助手 AI实践情况1.1. AI编程环境CodeBuddyGemini-3.0-Flash1.2. 提示词1 req.md （30行）2 design.md （40行）3 detailed_intf ，写入Spec 3. 从人脑翻译到机器直译的思维转变传统需求：面向程序员的文档，没错就好，信息不够程序员会【脑补】AI提示词：面向AI的机器指令，要求精确、无歧义例：GUI-RULE-ANALYSE-006明确要求用matplotlib 【系统】确认 日期值 满足规则 （ 参考【题材分析 GUI规则】 ） > 3. 【用户】点击【周题材分析】按钮 > 4. 【系统】绘制【周题材分析图】 > 4.1.
35830编辑于 2026-02-05- 来自专栏小巫技术博客
AI 时代的 Prompt 工程入门
本文所分享的Prompt工程，就是给大模型输入提示词（告诉模型我们要它干什么），让AI更准确的理解我们的意图，从而输出我们想要的内容（文本、图片、视频等等）。 什么是Prompt 工程？ 3. 简洁明了：使用简练、清晰的语言表达Prompt。 4. 适当引导：通过示例或问题边界引导模型。 5. 3. 使用欧几里得算法实现。 4. 提供函数的完整代码，并附带简短的注释说明。 示例2：旅游攻略 以下是一个生成旅游攻略的 Prompt 示例： “我打算去杭州旅游 3 天，预算大概 2000 元左右。我比较喜欢自然风光和历史文化遗迹，不太喜欢人太多过于拥挤的热门景点。 总结 本文介绍了Prompt 是什么、为什么要学习Prompt工程、并且对比了跟传统搜索的差异，最后给出了好的Prompt关键要素。
87421编辑于 2025-06-16 - 来自专栏决策智能与机器学习
用户体验、AI和ML「AI产品工程落地」
您如何看待它随着AI & ML技术的发展? 目前的客户体验“AI无处不在，但结果大相径庭”。使用同一项服务的两个客户可能对他们的体验有完全不同的印象，而且在很多情况下，这项服务是笨拙的，结构也很糟糕。 Canva的机器学习工程师保罗•Tune认为，“在改善客户体验方面有两种趋势: 为个人量身定做的趋势，因为更多的数据被收集到每个客户的大规模; 通过预期客户的需求，为客户提供跨多个接触点的平稳体验的趋势 例如，我最近采访的一位来自NetFlix的工程师提到，当电视连续剧被选中时，用户最喜欢的角色就会出现在菜单中。这意味着必须更多地了解每个客户，并预测他们的习惯。 试图整合AI & ML技术和客户体验的企业面临哪些挑战? Paul总结了许多企业在流程中采用AI和ML时面临的另一个常见挑战——数据量。他说:“目前的机器学习技术依赖于相对大量的数据来提供良好的预测。”
65720发布于 2020-08-05 - 来自专栏大龄程序员的人工智能之路
AI会让AI工程师失业吗？
夸张的是，现在某些高考填报志愿指南就有一个考量：这个职业是否会被AI取代，比如平民考生填报志愿的3个关键点这篇文章就认为将被AI取代的职业有：财会、英语、法律、人力资源等等，不建议报考。 我只是一介小民，担忧人类未来的事情轮不到我来操心，也不是业界大佬，泛泛而谈没什么意义，只是最近看到一篇关于Cloud AutoML的文章，突然想到一个问题：AI会让AI工程师失业吗？ 中，AI工程师分为三个层级：科学家（专家）、算法实现及改进者、算法应用者。然而，AutoML改变了机器学习的游戏规则。 然而二十年过去了，市场对软件工程师的需求逐年增加，至今仍没有看到下降趋势。 ? 当年的Visual Basic界面，看起来那么亲切 观察整个计算机技术发展的进程。 2.0 平民考生填报志愿的3个关键点
74620发布于 2019-07-01 - 来自专栏服务端技术杂谈
零一万物的AI工程落地
之前写了一篇：LangChain创始人回应为啥不做托拉拽的智能体工作流 正好今天看到零一万物的一篇讲AI工程落地的文章，观点很相似。 原文链接：大模型时代Agent系统的架构哲学与技术演进 附上Anthropic关于上下文工程的解法： 上下文构成： - System Prompt：要极其清晰，使用简单直接的语言，高度正确的呈现，模糊的指令无法给
10510编辑于 2026-03-11 - 来自专栏悦思悦读
我，女生，AI工程师
作者: 刘培 AI创业企业算法工程师 西安电子科技大学光电图象专业，硕士 毕业后就职于爱立信 2018年初加入AI创业企业，从事图象处理领域的研发工作 2017年8月17日，主讲人曾经做过一个分享：《我 在今年初，主讲人再次前进一大步，成为了AI工程师。本文呈现给大家这一年的工作历程。 ---- 偶入人脸识别领域 ? 我觉得让一个没有工程经验的人直接去学可能不是很快，但是有工程能力的人去学AI相反会比较快。 ---- Q2：训练模型用了多少服务器资源？多少时间？多大数据量？ ---- Q3：你入门AI花了多长时间，通过哪些资料学习的？ A3：入门AI，我之前也看过一些书，比如吴恩达的公开课，但是我觉得你真的想入门AI的话，不如去一个公司实习。 A8：”女生不适合做程序员，女生更别想着有去做AI工程师”——我觉得这些都是谬论。 女孩，有自己的优势，即使女生要面对生孩子问题。
1.1K20发布于 2019-03-07 - 来自专栏超级架构师
「需求工程」需求工程—需求规范(第3部分)
正如我们之前提到的，需求工程中的过程是交叉的，并且是迭代地完成的。在第一次迭代中指定用户需求，然后指定更详细的系统需求。 系统需求 另一方面，系统需求是用户需求的扩展版本，被软件工程师用作系统设计的起点。 它们添加了细节并解释了系统应该如何提供用户需求。他们不应该关心系统应该如何实现或设计。 需求文档有不同的用户集合，从客户到系统工程师。 可能用户的多样性意味着需求文档必须是客户沟通需求之间的妥协,为开发人员和测试人员定义详细的需求,和预测信息的变化可以帮助系统设计者为了避免严格的设计决策,并帮助系统维护工程师系统适应新的需求。 接下来是需求工程的最后一个支柱;需求验证（ requirements validation)。 谢谢大家关注，转发，点赞和点在看。
1.5K20发布于 2020-12-09 - 来自专栏木东居士的专栏
AI研发工程师成长指南
AI研发工程师成长指南 本文为数据茶水间群友原创，经授权在本公众号发表。 关于作者：Japson。某人工智能公司AI平台研发工程师，专注于AI工程化及场景落地。 0x00 前言 首先，《AI研发工程师成长指南》这个题目其实有些标题党了，准确地来说，本文内容应该是：“要想成为一名AI研发工程师，需要具备哪些技能”。 0x01 关于AI行业的思考 算法工程师的门槛 AI算法工程师年薪百万，应届毕业生年薪都有80w… 去年AI人才缺口就已经过百万，今年将达500w… 加入《XXX训练营》，XX天打造AI算法工程师… 在网络上充斥着各种类似上面那样的吸引眼球的文章标题 AI企业痛点 当然，我说这些不是为了打击大家的信心，而是要指出现在行业内的痛点：AI工程化。 人工智能发展到现阶段，已经从实验室中的算法走向了工程化应用的阶段。 因此，我认为了解AI工程化场景、解决方案；熟悉AI项目流程、机器学习Pipline；掌握AI系统研发、服务部署上线能力的工程师将会逐渐成为AI团队的中坚力量。
1.4K51发布于 2019-08-26 - 来自专栏Fin
AI绘画中的“提示工程”价值
对于一些有想法但不会画画的人来说，AI的出现无疑是个好消息。现在AI绘画蓬勃发展，用户只要将脑海中的画面描述给AI，就可以得到相应的作品。而对于“提示工程”这一领域，AI绘画大有助益。 Prompt让AI绘画更具创造力提示工程（Prompt Engineering）是一种机器学习和自然语言处理领域中的技术，旨在通过给出精细和有针对性的提示，帮助模型生成更加准确、具有创造力的输出。 最近火爆的ChatGPT便可以作为AI绘画的提示工程源头，对AI绘画工具的应用，是一个质的飞跃。 提示工程在AI绘画领域的应用前景随着AI技术的不断发展，AI绘画作为一种新兴的技术，正逐渐被应用于各行各业的“提示工程”中。 除了以上领域，AI绘画技术还可以应用于各种提示工程中，例如娱乐、文化艺术、金融、广告等领域。
1.1K30编辑于 2023-03-20 AI工程化项目实战营
3. 云原生与混合云精通公有云上的AI服务，并能设计混合云或跨云架构，以实现数据主权、成本优化和灾难恢复。 3. 模型生命周期管理模型注册中心： 集中管理模型的版本、元数据和生命周期状态。 三、 数据与特征工程基础设施“垃圾进，垃圾出”在规模化AI中会被无限放大。这一层确保流入模型的是高质量、一致的“燃料”。1. 特征平台这是工程化与科研的核心分水岭。 总结：从“炼丹师”到“基建架构师”传统的算法工程师如同“炼丹师”，专注于模型本身的精妙。而掌握基础设施与运维技能的AI工程师，则是“基建架构师”和“城市规划者”。 构建这套基石能力，不仅需要技术广度，更需要将软件工程、数据工程和运维文化的精髓，深度融合到AI的每一个生命周期之中。这，正是AI工程化的终极奥义。
58510编辑于 2025-11-06- 来自专栏机器学习AI算法工程
听说你想做 AI 工程师？
AI 时代已经到来！人工智能已经不是只有在科幻小说和电影中才会出现的东西，现在它离我们越来越近，而且已经渗透到各行各业。 从百度的无人驾驶车，到现在的阿里人脸识别的无人售货超市，AI 技术越来越趋于成熟。 ? 即将带来的产业变革，也促使市场对于 AI 工程师的需求异常强烈。 根据统计，毕业1 ~ 3年 AI 工程师的平均月薪在15k ~ 25k，更资深的工程师年薪甚至可以达到百万。 ? 也正是因为充满想象力的发展前景和高薪诱惑，许多程序员都希望可以转型 AI 领域。 但你对AI真的了解吗？ 具体来讲，人工智能包含以下三个部分： 机器学习 机器学习，简单来说就是让机器产生智能。 这也预示着强化学习在金融、游戏 AI、机器人等领域有着广阔的应用前景。 ? （图：AlphaGo 战胜人类围棋冠军李世乭）
1.1K120发布于 2018-03-15 - 来自专栏不换的随想乐园
思辨看待 AI 时代 - AI 助手和工程师导演
AI 概括 文章以工程师视角回顾自己与 AI 协作的实践历程，从谨慎试用到高频使用，效率显著提升。 核心观点是：AI 能放大能力、完成大量体力工作，但无法替代架构思维、系统设计与边界判断。 面对 AI 时代的职业焦虑，作者建议拥抱工具，同时通过扎实基础、清晰拆解与严格审查保持竞争力。 结论是 AI 会成为必备工具，但真正的决策与责任仍需由人类工程师承担。 再往后，我开始把 AI 纳入工程流程：让它参与代码优化、模块重构、文档整理，再配合严格的人为控制的 Code Review，逐步建立可控的信任。 可能轻松完成项目前 70%，但剩下 30%（边界情况、性能优化、安全性）更依赖经验丰富的工程师。 AI 可能会像 IDE、Git、Docker 一样成为工程师的标配。重要的不是“会不会被 AI 取代”，而是“如何用好 AI 放大自己的价值”。 保持学习，保持思考，保持本真。
20710编辑于 2026-03-10 Harness Engineering-驾驭者工程-AI编程进行AI治理和大规模工程化阶段
今天准备聊一下 AI 治理和 AI 编程大规模工程化方面的一个话题。 起因是前段时间 OpenAI 发表了一个实践案例，谈到由 3 个人经过 5 个月的时间，完全借助 Codex 编程工具，上线了一个上百万行代码的产品级项目。 我们要真正地从“用 AI”变到变成“AI 的指挥官”，这就是驾驭者工程谈到的最核心的内容。 驾驭者工程其实就是在原有的提示词工程、上下文工程的基础上，进一步让我们操作指挥 AI 的时候，或者说让我们在做 AI 编程开发的时候，让整个 AI 开发软件的过程更加可控、可靠、安全、可观测。 我的理解是，驾驭者工程其实是将 AI 编程上升到组织级编程时的一个叫“后 AI 时代”，它是一个 AI 治理的时代。
1.1K11编辑于 2026-03-26- 来自专栏SAP ERP管理实践
SAP FI-在建工程核算流程-3在建工程结算
在建工程结算 1、 事务代码：CJ88 2、 系统菜单路径： SAP菜单后勤项目系统财务期末结帐单一功能结算CJ88-单个处理 ? 双击“CJ88-单个处理”进入相应屏幕。 输入“SGJT”完成后按“Enter回车”键,输入要结算的项目，此例中我们对“G/SQ080001首秦公司工艺升级项目工程”项目在2008年7月进行结算。 每个单项工程即每个在建工程形成一个会计凭证。下图中显示的是3200454409工艺升级工程的记帐凭证。 ? 显示凭证3200454409 ?
2.9K20发布于 2020-12-31 - 来自专栏Michael阿明学习之路
AI大模型全栈工程师课程笔记 - 提示词工程
AI总结的课程摘要： 提示工程是AGI时代的编程方式，提示工程师相当于程序员。掌握提示工程是AGI时代的基础技能。 对话系统的关键模块NLU、DST、NLG都可以通过提示工程实现。加强垂直领域知识可以提升准确度。 思维链、自洽性、思维树等是Prompt工程的几个高级技巧。 user 你好，我想选一门编程课 AI 你好！当然可以帮你选择一门编程课。我们有初级编程课和高级编程课可供选择。请问你对编程有多少基础了解呢？ user 我是个编程菜鸟 AI 没问题！ AI 好的！我会帮你订下初级编程课。请提供你的学生信息，包括学号和姓名，以便我为你完成选课手续。 user 我现在还很缺学分，帮我选一门，分数最高的选修课 AI 当然可以帮你选择一门分数最高的选修课。 这两门课程都是选修课，但是文学欣赏课是3学分，而交响乐欣赏课是2学分。如果你希望获得更多学分，我建议你选择文学欣赏课。这门课程将帮助你提高对文学作品的理解和欣赏能力。你对这门课程感兴趣吗？
71061编辑于 2023-11-18 - 来自专栏云云众生s
AI编码助手正在重塑工程，而不是取代工程师
然而，这仍然是手动 LLM 上下文管理，需要工程师来指导 AI，而不是 AI 自行开发适当的系统范围的感知。它正在改进，但远非无缝。 最大的问题是什么？AI 缺乏直觉。 AI 会取代开发人员吗？ 不会。 AI 将取代软件工程师的想法是无稽之谈，尤其是对于初级和中级职位。AI 将要做的是让优秀的工程师更快。它不会消除工作岗位；它会提高个人生产力。 这是根本性的转变：10 倍工程师不再是独角兽。 借助 AI，大多数中高级工程师现在都可以成为 10 倍工程师。 最后的想法 AI 编码助手具有潜力，但它们尚未改变游戏规则。 软件工程是一个快节奏的职业。语言、框架和技术来来去去，学习和适应的能力将那些蓬勃发展的人与那些落后的人区分开来。 AI 编码助手是这个周期中的另一次进化。它们不会取代工程师，但会改变工程的完成方式。 在这些工具改进之前，最好的工程师将是那些知道何时信任 AI、何时仔细检查其输出以及如何将其集成到他们的工作流程中而不依赖于它的人。
40210编辑于 2025-03-12 - 来自专栏智能算法
开发AI可是个大工程 脸书想让AI自己开发AI
互联网巨头正在开发计算系统，让它们代表工程师测试无尽的机器学习算法，它们自己就可以循环测试许多的可能性。更棒的是企业正在开发一套AI算法，让算法来编写AI算法。没有开玩笑。 Facebook工程师正在设计所谓的“自动机器学习工程师”和人工智能系统，它可以协助开发AI系统。要让技术达到完美还有很长的路要走。 据米汉那透露，在开发新的AI时，Facebook工程师并不缺少创意，但是要测试这些创意却是另一回事。为了解决问题，他和团队开发了所谓的“Flow”工具。 更有趣的地方在于：AutoML也许可以利用AI来开发AI。 正如米汉那所说的，每个月Facebook要训练和测试大约30万个机器学习模型。 数据挖掘之Apriori算法 3. 网页排序算法之PageRank 4. 分类算法之朴素贝叶斯分类(Naive Bayesian classification) 5. 遗传算法如何模拟大自然的进化？
859130发布于 2018-04-02
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