- 综合排序
- 最热优先
- 最新优先
- 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。 毕竟为了保证我的开源项目稳定性和一致性，直接用github上的代码做展示，也很不错。
35621编辑于 2023-01-09 - 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
51610发布于 2020-09-16 - 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）。 自动化实验科学（Self-Driving Lab） 机器人+AI闭环系统：实验室自动化平台（如机器人移液、高通量筛选）与AI算法实时交互，自主优化实验方案（如材料合成、基因编辑条件）。 垂直领域平台崛起：针对药物研发、农业生物技术或工业酶的专用AI平台将涌现（如Insilico Medicine、Recursion）。 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。
59410编辑于 2025-02-05 - 来自专栏叽叽西
lagou 爪哇 3-5 spring cloud (下) 笔记
SCA Nacos 服务注册和配置中⼼ Nacos （Dynamic Naming and Configuration Service）是阿⾥巴巴开源的⼀个针对微服务架构中服务发现、配置管理和服务管理平台 https://nacos.io 下载地址：https://github.com/alibaba/Nacos Nacos功能特性 服务发现与健康检查 动态配置管理 动态DNS服务 服务和元数据管理（管理平台的 2）SCA实际上发展了三条线 第⼀条线：开源出来⼀些组件 第⼆条线：阿⾥内部维护了⼀个分⽀，⾃⼰业务线使⽤ 第三条线：阿⾥云平台部署⼀套，付费使⽤ 从战略上来说，SCA更是为了贴合阿⾥云。
88020编辑于 2022-05-17 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。 现在包括腾讯云在内的很多平台，都提供了完善的Agent开发平台和生态支持，学生可以依托这些平台快速落地实践，不用从零搭建底层架构，大幅提升科研和实践的效率。 从工程落地入手，再做学术创新：先在平台上跑通一个完整的Agent项目，比如一个办公自动化Agent、一个简单的数据分析Agent，搞懂每个模块的作用，再基于实践中的问题，去做架构优化和创新，论文的落地性也会更强 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。
18910编辑于 2026-05-16- 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)
27920编辑于 2022-11-30 - 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 AI质检平台系统
一、核心优势解析相较于传统质检模式，AI解决方案在核心功能模块上实现突破性提升：缺陷识别方面，传统模式受人员疲劳影响漏检率高，AI系统可7×24小时稳定输出检测结果，确保检测一致性；标准一致性上，传统模式因人员经验差异导致判定基准不一 ，AI通过统一算法模型确保判定基准恒定，减少人为偏差；追溯管理中，传统纸质记录易丢失，AI实现全链路数据云端存档可溯，方便质量回溯；响应速度上，传统批量处理周期长，AI达成毫秒级实时反馈生产线状态，提升生产效率 四、柔性部署方案支持与MES系统、ERP平台的无缝对接，既可作为独立质检工作站运行，也能嵌入现有生产流程形成闭环管控。 开放的开发者平台支持客户自主训练专属模型，形成具有自主知识产权的智能质检体系。这种可生长的技术架构确保系统始终处于行业前沿水平。 专业团队提供驻场辅导服务，协助完成从旧系统切换到新平台的平滑过渡。十一、未来展望随着边缘计算与5G技术的普及，AI质检系统将向移动端延伸，实现车间级的即时响应。
75010编辑于 2025-10-16- 来自专栏AI研习社
未来 3-5 年内，哪个方向的机器学习人才最紧缺？
所以以 3-5 年的跨度来看，这些工具依然会非常有用，甚至像 CNN 和 LSTM 之类的深度学习算法还在继续发展迭代当中。
71560发布于 2018-03-19 - 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3-5
在本章会介绍小程序的基本开发流程，结合前面章节的知识，完全可以独立完成一个体验很完善的小程序。为了让开发者更加了解小程序开发，在本章中还会通过常见的一些应用场景介绍小程序API的一些细节以及开发的一些技巧和注意事项。
36510编辑于 2025-08-25 - 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。
87110编辑于 2022-05-25 - 来自专栏运维开发王义杰
AI：GitHub Models全新的AI开发平台
免费访问AI模型 GitHub Models平台提供了免费的AI模型访问权限，用户可以试验多种先进的语言模型，如OpenAI的GPT-4o、Meta的Llama 3.1和Mistral的Large 2。 二、数据隐私与安全性 GitHub承诺，用户在GitHub Models平台上的所有数据，包括提示语和输出结果，都不会被分享给模型提供商或用于改进现有模型。 这一数据隐私承诺增强了平台的吸引力，确保了用户数据的安全性和隐私性。 三、从测试到生产的便捷路径 GitHub Models不仅提供测试和试验的平台，还支持用户将模型快速部署到生产环境。 六、结论 GitHub Models为开发者、学生、初创公司及爱好者提供了一个强大的平台，使他们能够免费访问和试验各种先进的AI模型。 通过这一创新平台，GitHub不仅在技术上进行了突破，也在推动AI技术的普及和应用方面迈出了重要一步。未来，随着更多用户和模型的加入，GitHub Models必将为AI开发带来更多可能性和创新空间。
85810编辑于 2024-08-05 - 来自专栏Flink实战应用指南
FaceBook开源体现AI平台AI Habitat
导读 有别于传统的AI可思考、推理或解决抽象的问题，许多研究人员开始推测，体现AI将成为未来AI技术主流，例如请机器人帮你拿放在楼上书桌上的手机，或者借由一个配戴装置协助视障人士驾驭不熟悉的地铁系统 ? 脸书最近开源了体现AI（embodied AI）平台AI Habitat，这是一个模拟平台，专供研究人员在逼真的3D环境中训练诸如虚拟机器人等体现代理人，而且可结合同样来自脸书的Replica，或是第三方的 传统的AI可思考、推理或解决抽象的问题，而体现AI则能移动，并与真实的世界进行实际的互动，有愈来愈多的研究人员相信，体现AI才是在未来能够展示更多能力并辅助人类的AI技术，例如请机器人帮你拿放在楼上书桌上的手机 AI Habitat平台是由Habitat-Sim、Habitat-API及Habitat Challenge等3个元件所组成，其中的Habitat-Sim是个3D模拟器，具备可配置的代理人、感应器，也能处理各种 脸书表示，AI Habitat是专为体现AI研究人员所开发的平台，也是一个较少依赖监督式学习所使用之大型注释资料集的系统，若有愈多的研究人员采用AI Habitat，就能加快共同开发体现AI技术的速度，
1.5K40发布于 2019-07-02 - 来自专栏深度学习|机器学习|歌声合成|语音合成
AI平台算子开发思路
文章目录 AI平台 平台算子 开发算子 算子开发包 AI平台 AI平台就是承载数据的输入、AI算法的模型的输出、AI模型的服务、AI模型的训练、调优以及AI模型快速搭建的平台，方便使用者快速的去学习AI 某大型AI平台的示例： ? 平台算子 平台算子就是把机器学习或者深度学习的步骤拆分为一个个小的步骤去实现，比如数据加载、数据特征处理、归一化、特征选择、模型算法、数据集拆分、训练、模型评估等步骤。
2.5K30发布于 2021-01-14 - 来自专栏祝威廉
大数据平台和AI平台应该如何整合
大数据和AI两者最核心的部分都是数据。大数据的主要工作是对数据进行各种转换和存储。而AI的主要工作是学习数据并且得出模型。 AI天然需要大数据的基础，因为AI需要各种形态的数据，而我们得到这些形态的数据，必然离不开大数据。就此而言，他们两个合在一起，才是一个完整的工作流。 所以大数据平台要和AI进行整合，有两个核心点： 数据的交换 统一的语言 无论进程内还是进程间，数据交换最高效的方式是通过 Apache Arrow。那么数据交换的问题算是有了一个标准。 统一的语言呢？ 大部分大数据基础软件都是Java/Scala,而AI则是Python based on C++/C的。大部分公司最后会选择Python作为一个大一统语言。 配合MLSQL Console 系统，我们基本可以覆盖AI同学工作的大部分时间。
1.7K20编辑于 2022-07-21 - 来自专栏开源物联网平台开发
AI Token Platform - AI Token 中转计费平台
AI Token Platform - AI Token 中转计费平台 AI Token Platform 是一款企业级 AI Token 中转与计费平台，深度融合 多模型 AI 网关、Kill Bill 平台以"统一 API 接入 + 灵活计费策略 + 企业级会员体系"为核心理念，提供多模型统一管理、精细化 Token 计费、会员套餐管理、支付集成等核心能力，打造可扩展、可计费、可运营的新一代 AI 服务平台 平台简介 核心能力 能力 描述 多模型统一接入 支持 OpenAI、Claude、Gemini、DeepSeek 等 10+ 主流大模型，统一 API 格式 Kill Bill 计费引擎 集成开源计费平台 Spring Boot 3.2 + Kill Bill Java Client 的高性能计费服务 技术架构 用户 → Nginx (反代+限速+SSL) ├── / → LobeChat (AI localhost:3000 new-api 后台 API 接口 http://localhost/v1/chat/completions 兼容 OpenAI 格式 计费系统说明 Kill Bill 计费引擎 平台集成
1.2K10编辑于 2026-04-02 - 来自专栏iOS逆向与安全
写作小技能：卡片式写文章（用3-5张卡片写文）
挑战->核心概念->该怎么做->总结->升华 找到1张卡做大的核心概念 找到3-5张卡做子概念的内容 把这些卡片的“行动指引”总结下，列在最后做个行动指引大全。 .… 用3-5张卡片写文是个很好的体验：1.主题是自下而上生成，而不是逼你针对命题写一个。2. 内容是过去知识卡片的积累，而不是临时写一句，出去找一段儿。3.
1.6K10编辑于 2022-08-22 【AI平台核心架构设计】
AI平台核心架构设计 知识管理层设计要点 知识管理层采用模块化设计，各功能模块通过统一API网关进行交互。案例库采用版本化存储，支持语义检索和相似度匹配。 "minLength": 10 }, "examples": { "type": "array", "maxItems": 5 } } } AI
40810编辑于 2026-01-20- 来自专栏用户8715145的专栏
语音合成ai开放平台怎么样 语音合成ai开放平台有什么特点
在很多的公众场合，我们就能够看见人工智能的存在，而他们的话语都是通过语音合成的，和大家交流起来和真人没有什么太大区别，而语音合成是需要在平台上完成的，以下就是关于语音合成ai开放平台的相关内容。 语音合成ai开放平台怎么样 语音合成这项技术是比较成熟的，因为在很早之前就开始研发语音合成。语音合成ai开放平台是非常不错的，它让语音合成更加的简单。 和人工比较起来，使用语音合成ai开放平台能够节约不少的成本，而且合成的效果非常好，和真人并无太大区别。 语音合成ai开放平台有什么特点 不同的语音合成平台有着不同的特点。 在云服务器的语音合成平台上，它就具有高拟真度的特点，合成语音的速度非常快，而且语音自然流畅，能够适用在很多的场景中。 语音合成ai开放平台是非常不错的，主要得益于网络技术的不断进步。语音合成尤其适合企业的发展，因为企业对于语音产品的需求量是非常大的，而语音合成成本并不算高。
2.2K20发布于 2021-10-29 - 来自专栏AI技术应用
AI智能体平台的搭建
搭建一个AI智能体平台是一个系统工程，需要综合考虑技术架构、组件选型、开发流程和运维管理。基于我们之前讨论的平台组件和功能，以下是搭建AI智能体平台的主要步骤和关键考虑因素。1. 需求规划与设计 (Requirements Planning & Design):明确平台目标和应用场景： 平台将支持哪类智能体？应用于哪些行业或业务场景？是通用平台还是特定领域平台？ AI/ML框架： 集成TensorFlow, PyTorch等机器学习和深度学习框架，支持智能体中的模型训练和推理。 人才： 搭建和运营AI智能体平台需要跨领域的专业人才，包括AI工程师、后端工程师、DevOps工程师、数据科学家等。生态系统： 考虑平台是否需要开放API或SDK，构建开发者社区，形成生态系统。 搭建AI智能体平台是一个持续演进的过程，通常从核心功能开始，逐步完善其他模块，并根据实际应用的需求和反馈进行迭代优化。
2.2K10编辑于 2025-04-29
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