- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据派THU
AI工程师必读的10本ML读物（附PDF下载）
作者：PRANAVDAR 翻译：李海明 本文为大家带来3个方向共10本的机器学习读物，附带免费的书籍资源哦~ 介绍 你嗜书如命却囊中羞涩？很多机器学习与数据科学书籍的价格都令人退避三舍。 这对于那些有志成为数据科学家和AI工程师的人，似如获至宝。 以下附上机器学习方向的电子书10本，均可免费获取。书单方面，我们先引入统计学基础类书籍，随后是机器学习原理类，最后介绍机器学习进阶类。 本书将帮助读者快速构建AI系统。通过这本书读者将很快学会如何做出组织机器学习项目所需的各种决策。 本书仍然在定期更新，读者可以在每个章节发布后在网站上注册以获取更新。
3.5K30发布于 2018-03-22 - 来自专栏技术专栏全家桶
智能体架构的真相：90%是软件工程，10%是AI
导 语 回顾AI发展历程，从来都不是一两项黑科技就体现了AI的价值，而是AI能够处理工作中大量的重复性工作，脏活累活。 在智能体时代，这一点依然成立。 智能体真正的聪明可来自90%的系统性、工程化的软件架构与流程设计，10%来自AI智能体自身能力。我特别喜欢这张图，在企业级智能体的背后，其实孕育着一整套复杂而严谨的系统工程。 图来源：Rakesh Gohel（linkedin） 如上图一样，在企业级智能体的背后，其实孕育着一整套的复杂而严谨的系统工程，正如RichardSutton在世界人工智能大会上所说的一样， 现实中，许多企业的研究项目就卡在这一块，数据混乱，AI无法发挥其真正价值。因此如何做好企业的数据资产处理也是一项重要研究课题。 比如让AI生成一份商业的分析报告，那背后可能是包含查数、分析、撰写、格式、美化等多个内容，全部由不同模块和智能体协同来完成。 第九层智能体权限管理，AI再强大也不能无所不能。
21210编辑于 2026-02-03 - 来自专栏个人路线
鸿蒙 API 9工程转换为API 10工程
运行环境 DevEco Studio：4.0Release OpenHarmony SDK API10 开发板：润和DAYU200 目前我们能够看到的是鸿蒙已经到API10，甚至今天在看OpenHarmony 这个时候，我们最起码要将API 9工程转换为API 10工程。然后再慢慢的迁移到未来的11上。 接下来我们说一下如何迁移。 1.将工程级build-profile.json5文件中compileSdkVersion和compatibleSdkVersion字段从app下迁移到当前选中的product中。 , "compatibleSdkVersion": 10, "targetSdkVersion": 10, "runtimeOS": "OpenHarmony "targetSdkVersion": 10, //指定OpenHarmony应用/服务目标版本。
3.6K10编辑于 2023-12-21 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？
22010编辑于 2026-02-28- 来自专栏Python七号
如何成为 10 倍工程师
最好的软件工程师比其他人要好 10 倍。他们升职的速度比任何人都快。每个人都想聘请 10 倍工程师，每个人都想成为 10 倍工程师。 但是，你到底是如何成为 10 倍工程师的呢？ 在我作为软件工程师在 Uber 和 Amazon 工作期间，我了解到这并不说要成为一个技术更好的程序员。 在本文中，我将分享我学到的 3 个经验教训，这对于成为 10 倍软件工程师至关重要。 3、思考未来 当你与从未见过的工程师开会时，你的级别和头衔不是会议邀请的一部分，但是随着会议的进行，你很容易发现 10x 工程师，因为他们的举止方式，以及他们谈论事情的方式。 10 倍工程师的普遍特征之一是都是长期主义者，更看重未来的收益。 人们普遍会低估未来的回报，因为会存在巨大压力，而立竿见影的收益是团队的默认策略。 最后的话 非技术技能是最强工程师和最弱工程师之间的区别。如果你认可上面的三点，却不去身体力行的去实践，那么利 10 倍工程师的距离也就越来越远。
37010编辑于 2022-10-25 - 来自专栏后台全栈之路
不, AI 并没有让工程师提升 10 倍的生产力
但现在 “10倍工程师” 的说法铺天盖地，如果我错了呢？如果我现在不用 AI，那么我是不是就错过了最后的上车机会，从而丢掉我的饭碗呢？ 其中之一是 Ludicity 的这篇文章，直接反驳了 AI 鼓吹者的说法。我写这篇文章是为了把帮助我摆脱 “10 倍 AI 工程化冒充者综合征” 的内容分享给大家。 我并不惊讶于 AI 能帮助许多工程师在某些任务上快20%-50%，但软件瓶颈的性质意味着这并不会转化为20%的生产力提升，更不用说10倍了。 如果你是一名工程师，你的老板问你：“嘿，你借助 AI 的生产力提高了10倍，就像其他所有工程师一样，对吧？” 你会非常乐意说：是的。 你的老板实际上不能解雇你，用 AI 取代你，但他可以让你觉得他可以，这样你可能就不会要求加薪了。 “10倍 AI 工程师”的说法中，有一部分可能是那些只想让你感觉不好的人编造的。具体有多少，我不知道。
2.4K41编辑于 2025-08-16 硅谷工程师的“AI时代账本”：效率翻了10倍，我却更累了
图片由AI工具制作文丨金鹿编辑丨李海伦AI工具越强，人却为何越累，这或许才是这场效率革命真正值得追问的地方。2026年初，软件工程领域出现了一个耐人寻味的景象。 耶格绘制的“AI吸血鬼抽取装置”西丹特·卡雷（Siddhant Khare）是一位在博客中详细记录这一过程的软件工程师。 02 AI改变了工作量级，但没有改变分配耶格提出了一个简化的分析框架。假设一名工程师在掌握AI工具后，单位时间产出提升至原来的10倍。 比如在情景A中，工程师保持原有工作时长，将全部增量产出交付给雇主。此时，雇主以不变的人力成本获得了近10倍的产出。工程师的收入未发生同比例变化，但其劳动强度和精神消耗显著上升。耶格称之为“被榨干”。 在情景B中，工程师大幅缩减工作时长，仅以原有10%的劳动时间完成与过去相当的产出。此时，增量价值全部由个人获得，获得了更多的闲暇时间。但这一状态在竞争环境下难以持久。
21311编辑于 2026-02-25- 来自专栏程序员成长充电站
10倍工程师和1倍工程师，10x engineer and 1x engineer
阅读本文大概需要 10 分钟 工程师想安安静静的搬会儿砖？不可能的，总有这样那样的分心事儿。最近又冒出来一个梗，叫做10倍工程师（10x engineer）。 Shekhar Kirani在推特上说创业者要找到能以一扛十的工程师，即10倍工程师，这样创业成功的概率会大大提高，然后这哥们还列出了10倍工程师的特点，原文如下： 10x engineers hate 好事者又源源不断的增加了各种特点，并且这事发酵之后，关于10倍工程师的各种梗、迷因meme层出不穷，还有各种10倍妈妈、10倍爸爸。。。 有10倍工程师就有1倍工程师，一个哥们就创建了一个1倍工程师网站，1x.engineer，列出了1倍工程师的特点如下： Searches Google when they're not sure what's 不管是10倍工程师还是1倍工程师，在团队层面，每一个工程师都很重要。虽然10倍工程师的光芒会更强一些，但却是凤毛麟角，正如Shekhar Kirani所说，碰到了就赶紧把握住。
93910发布于 2019-09-27 - 来自专栏喔家ArchiSelf
提示工程中的10个设计模式
提示词越具体，输出就越精确，关于提示工程的更多信息可以参考《解读提示工程（Prompt Engineering）》以及《Agent 应用于提示工程》。 设计模式在面向对象编程领域应用广泛，在本文中，老码农尝试总结了提示工程中的10个常见设计模式。 1. 人物角色模式 人物角色模式是一种通过向语言模型注入特定的人格或说话的语气来实现。 10.部分拒绝模式 有时，人工智能模型在面对复杂的查询时可能会回答“我不知道”或拒绝生成输出。为了更有效地处理这种情况，引入了“断路拒绝模式”。 没有结束 提示工程的设计模式是一种强大的工具，能够更好地发挥大模型的能力。本文介绍的这些模式可以帮助提高给定大模型的整体质量。 随着人工智能技术的不断发展和新模式的涌现，提示工程仍可能是创造更可靠和更智能的人工智能会话系统的关键因素之一。
48510编辑于 2024-04-15 AI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. md （60行）4 detailed_fun 数据下载.md （80行）4 detailed_fun 题材分析.md （210行）4 detailed_fun 启动自检.md （10 改Bug专业图形图像bug* 操作：滚轮误触发点击逻辑 * 操作：用户标记有时不响应无需Spec增强规则已在Spec 由单元测试驱动AI改Bug数据持久化bug* graph文件保存数据没有排序排序后才能保存 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 业务规则的原子化爆炸传统需求：业务规则分散在功能描述中，隐含在逻辑流程里AI提示词：业务规则独立成章，数量增加10倍+每个规则都有唯一标识符（如FUNC-RULE-ANALYSE-001）规则间通过引用关联
35230编辑于 2026-02-05- 来自专栏机器之心
全球首个AI CUDA工程师来了！将PyTorch原生实现提速10-100倍
「AI CUDA 工程师」能够生成比常见 PyTorch 操作加速 10-100 倍的 CUDA 内核。 「AI CUDA 工程师」发现的内核运行时加速 「AI CUDA 工程师」稳健地发现了用于常见机器学习操作的 CUDA 内核，其速度比 PyTorch 中的原生和编译内核快 10-100 倍。 详情请参见：https://pub.sakana.ai/ai-cuda-engineer 「AI CUDA 工程师档案」 17,000 多个经验证的 CUDA 内核数据集 「AI CUDA 工程师档案」 随论文一起发布的还有「AI CUDA 工程师档案」，这是一个由「AI CUDA 工程师」生成的超过 30,000 个 CUDA 内核组成的数据集。 他们设想未来的发展方向是：人类工程师与代码优化 AI 系统协同工作，共同创造最佳且最可靠的结果。 「AI CUDA 工程师」的未来影响 AI 革命才刚刚开始，现在只是处于转型周期的最初阶段。
39510编辑于 2025-02-25 《软件工程》第 10 章 - 软件实现
System.out.println("良好"); } else { System.out.println("一般"); } // for循环示例 for (int i = 1; i <= 10 return fibonacci(n - 1) + fibonacci(n - 2); } public static void main(String[] args) { int n = 10
11310编辑于 2026-01-21- 来自专栏小小挖掘机
10大算法工程师炼丹Tricks
Face book AI research（FAIR）吴育昕-恺明联合推出重磅新作Group Normalization（GN），提出使用Group Normalization 替代深度学习里程碑式的工作
1.1K30发布于 2021-03-24 - 来自专栏小巫技术博客
AI 时代的 Prompt 工程入门
引言 网络有句话流行的话—— “未来，淘汰你的不是AI，而是掌握了AI的人”。那我们应该怎么掌握AI？我自己的理解是学会面向AI提问，利用好AI工具为我们的工作提效和赋能。 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？ 总结一下： 我们跟大模型交流的文本或指令就是Prompt，然而如何设计、组织、优化则被称为“提示工程”—— Prompt Engineering。 为什么Prompt会起作用？ 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。 回到前面说的 未来淘汰你的不是AI，而是掌握了AI的人，我们可以进一步理解为能更好跟AI沟通的人会更具有竞争力。未来已来，我们需要持续学习，才能让AI更好的为我所用。
86221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。 使用我们创造的人工智能工具的同一个人，现在每天可以阅读10万个出版商和30万个故事，涵盖2600万个话题，并从全球40多个广播公司找到相关视频。 试图整合AI & ML技术和客户体验的企业面临哪些挑战?
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？
自从AI出现之后，人类对于AI的担忧就从来没有消停过，特别是AlphaGo的横空出世将AI带到大众跟前，对AI的争论就更加激烈。 对于普通大众而言，AI是否会毁灭人类不需太关心，但是对AI是否会取代人类工作就异常敏感了。 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。
74520发布于 2019-07-01 - 来自专栏ADAS性能优化
AI weekly (10-26)
can stop a facial recognition network from identifying people in videos. https://venturebeat.com/2019/10 software tools for artificial intelligence deep learning applications. https://venturebeat.com/2019/10 verification solutions, has raised $10 million in seed funding. https://venturebeat.com/2019/10/24/incode-raises-10-million-to-verify-identities-with-ai Twitter now With the advent of AI, data access and accuracy are being improved even more How AI is transforming
35420编辑于 2022-05-13 - 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
10410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 ? 我们当时准备了10万个戴眼镜的和10万个没有戴眼镜的数据，我们对它们进行筛选、处理和标注，都准备好之后，我们准备在Caffe上进行训练。 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？ ---- Q10：招人的标准是什么样的？有什么事情做好了是加分项？ A10：如果从公司来看，我觉得还是一个人的劲儿！
1.1K20发布于 2019-03-07 - 来自专栏CSDNToQQCode
基础算法练习200题10、合作工程
题解： power变化前甲20，乙30 a =1/20; b =1/30; power变化后：甲原来的4/5，乙原来的9/10 a=a*(4/5); b=b*(9/10); 测试最大结果： a=4/100 /** * * @author hongmuxiangxun 红目香薰 付文龙 老师付 laoshifu * */ public class demo10 x++) { if(1/20.0*(16-x)+7/100.0*x==1) { System.out.println(x); } } } } 题目稍微有些难度了哦，毕竟是第10
33920编辑于 2022-11-29
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