- 综合排序
- 最热优先
- 最新优先
- 来自专栏CV学习史
Thinking in Java学习杂记(5-6章)
Java中可以通过访问控制符来控制访问权限。其中包含的类别有：public, “友好的”(无关键字), protected 以及 private。在C++中，访问指示符控制着它后面所有定义，直到又一个访问指示符加入为止，而在Java中，每个访问指示符都只控制着对那个特定定义的访问。
51230发布于 2020-04-02 - 来自专栏腾讯云大数据
大数据产品双月刊 | 5-6月
本期热点产品 弹性 MapReduce 本期腾讯云EMR于作业诊断能力重磅增强，通过控制台提供用户泛hadoop组件中应用层原生明细信息、作业及Hive查询的日志现场，简化了用户应用层异常排查的操作过程。同时推出配置对比、扩容指定配置组、标签分账、磁盘检查更新等功能，优化了集群运维管理体验，并显著提升资源管理的便捷性。 Elasticsearch Service 本期腾讯云ES重磅推出了自治索引，通过实时跟踪业务压力变化，能够动态、稳定的调整分片数与滚动周期，实现一站式索引全托管！同时，也推出了索引管理可视
77020编辑于 2022-07-12 - 来自专栏算法修养
pta 习题集5-6 堆栈操作合法性
假设以S和X分别表示入栈和出栈操作。如果根据一个仅由S和X构成的序列，对一个空堆栈进行操作，相应操作均可行（如没有出现删除时栈空）且最后状态也是栈空，则称该序列是合法的堆栈操作序列。请编写程序，输入S和X序列，判断该序列是否合法。 输入格式: 输入第一行给出两个正整数N和M，其中N是待测序列的个数，M（≤50≤50）是堆栈的最大容量。随后N行，每行中给出一个仅由S和X构成的序列。序列保证不为空，且长度不超过100。 输出格式: 对每个序列，在一行中输出YES如果该序列是合法的堆栈操作序列，或NO如
1.9K120发布于 2018-04-27 - 来自专栏AI 算法笔记
Python-100例(5-6) 排序&斐波那契数列
这次是分享 Python-100 例的第五和第六题，分别是排序和斐波那契数列问题，这两道题目其实都是非常常见的问题，特别是后者，一般会在数据结构的教程中，讲述到递归这个知识点的时候作为例题进行介绍的。
77120发布于 2019-08-16 - 来自专栏积累沉淀
必须掌握的八种排序（5-6）--冒泡排序，快速排序
5、冒泡排序 （1）基本思想：在要排序的一组数中，对当前还未排好序的范围内的全部数，自上而下对相邻的两个数依次进行比较和调整，让较大的数往下沉，较小的往上冒。即：每当两相邻的数比较后发现它们的排序与排
962100发布于 2018-01-11 - 来自专栏AI机器学习与深度学习算法
机器学习入门 5-6 最好的衡量线性回归算法的指标R squared
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍衡量线性回归算法最好的指标R squared。
2.4K40发布于 2019-11-13 - 来自专栏希里安
AI模块开发
截止昨天，云原生模块的框架就差不多了，主要就是针对k8s集群资源的增删改查等基础操作的功能，这也是为了熟悉集群基础资源的增删改查的开发流程。 要说完整开发还得用类似kubesphere等专业的管理平台。 那么今天就来看看AI模块，这块其实就更多就是一个尝试，只能边学边开发了，我这边就暂时是直接将别人开源的chagpt模块接入自己的平台，后期在考虑自己开发一个页面吧，如下所示： 在介绍下接入的chatgpt ： # 安装依赖 npm i -g pnpm pnpm i # 本地开发 pnpm dev 至于智能预测和排障还得多学习才能开发出来，慢慢来。 不断优化运维策略：AI可以持续监控不同的运维策略和操作是否达到最佳效果,并根据效果反馈不断调整和优化,使运维过程最大化自动化与智能化。
37210编辑于 2023-10-30 - 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 Platform、Azure ML 二、AI应用开发的典型流程 问题定义与数据准备 明确AI要解决的核心问题（如分类、预测、生成等） 数据采集（爬虫、API、传感器等）、清洗（去噪、补全）、标注 应用 以下是一个基于预训练模型的文本分类应用，可识别文本情感（正面/负面）： 四、AI应用开发的挑战 数据质量：模型性能高度依赖数据的准确性和代表性 计算资源：深度学习模型训练需要大量GPU算力 伦理与合规 ） 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"，而非盲目堆砌技术——先明确业务痛点，再选择合适的AI技术落地。
72810编辑于 2025-11-12 - 来自专栏我的专栏
AI 开发规范
AI 最适合“内容 & 交互实现”，人必须死守“数据模型 & 性能 & 社区氛围”。AI 可以让你 快 2～3 倍上线 MVP，但社区产品的长期生命力，靠的是 人设计的规则和边界。 AI 辅助审核 & 风控 敏感内容 ❌ 绝对不能交给 AI性能 长列表、分页 ❌ 人主导二、Next.js 在社区项目里的优势（为什么选对了）✅ App Router• RSC（React Server ✅ 2️⃣ 页面 & 组件（AI 主力）AI 非常适合：• 帖子列表 / 瀑布流• 帖子详情• 评论树• 用户主页• 关注 / 粉丝列表• 通知中心 UI✅ Prompt 示例：用 Next.js App 熟悉度高、出错率低五、AI 使用红线（社区项目特别重要） 绝对不能交给 AI 的 6 件事权限模型举报 / 审核逻辑敏感词 / 风控规则Feed 排序算法数据库 schema 设计用户体验决策社区产品一旦 六、一个可直接用的 AI Prompt（社区专用）你是资深 Next.js 工程师，正在开发一个社区项目。
10300编辑于 2026-06-09 - 来自专栏新智元
【探索AI自开发】谷歌、微软用AI开发AI，特定任务超越人类AI专家
【新智元导读】为了应对AI人才不足，以谷歌为首的企业正在想方设法，开发能够取代AI研究员的AI系统，让创建AI软件变得容易。 开发出能够自己编写程序的AI，是AI研究者的梦想，也可能是众多计算机程序员的噩梦。 现在，以谷歌为首的各大公司，在AI人才严重不足的情况下，开始把目光投向另一个更为强大的目标——开发能够自己创建AI的AI。 不止是谷歌，微软、亚马逊、Facebook这些巨头纷纷都在开发能够自己开发AI的AI上面投注努力，这正在形成一种趋势。 Jeff Dean预计，如今具备能自我开发AI系统的人才的公司，全球不超过1000家，但其他更多公司却拥有开发AI系统所需的数据。 “我们希望让解决机器学习问题的机构数量从几千家扩展到百万家。”
1.1K91发布于 2018-03-21 一天用完一个月额度——AI编程Agent 2026年中大洗牌
2026年5-6月，AI编程工具市场在一个月内发生了五件大事： 5月19日：Google Antigravity 2.0发布——直接删掉了代码编辑器 5月28日：Claude Code推出Dynamic ——开发者还是想要本地控制权。 五、四条路线：2026年AI编程Agent的竞争格局 经过5-6月的洗牌，AI编程Agent市场形成了四条清晰的竞争路线： 路线一：编辑器路线 代表产品：Cursor、Devin Desktop 核心逻辑 ：AI能力嵌入编辑器，开发者在熟悉的环境里使用AI。 写在最后 2026年5-6月的AI编程工具市场，像极了2015年的移动支付大战——所有人都知道方向对，但没人知道最终谁会赢。
22910编辑于 2026-06-19- 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
要开发深度神经网络解决下一个AI大问题，研究人员必须经历无数次失败的尝试，在一台、几十台甚至几百台机器中尝试。“我们更加像是教练而非运动员。” 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。 但Facebook的最终目标是开发一套新的AI模式，让人类从事的单调乏味工作尽可能少。 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。
907130发布于 2018-04-02 - 来自专栏AI技术应用
AI 智能体（AI Agent）的开发
AI 智能体（AI Agent）的开发是一个复杂且多阶段的过程，涉及需求分析、算法设计、模型训练、系统集成和部署等多个环节。以下是 AI 智能体开发的典型流程。 1.2确定技术栈选择适合的 AI 技术和工具（如机器学习、深度学习、强化学习等）。确定开发语言（如 Python、C++）和框架（如 TensorFlow、PyTorch）。 5.系统集成5.1接口开发开发与外部系统交互的 API（如 RESTful API、gRPC）。定义输入输出格式（如 JSON、Protobuf）。5.2模块集成将 AI 模型集成到应用程序中。 8.3技术升级跟踪最新 AI 技术，升级算法和框架。优化系统架构，提高可扩展性。9.常用工具与框架9.1开发框架机器学习：Scikit-learn、XGBoost。 总结AI 智能体的开发流程包括需求分析、数据收集、模型设计、训练与评估、系统集成、测试验证、部署监控和维护迭代。通过合理规划和使用工具，可以高效地开发出功能强大、性能优异的 AI 智能体。
3.1K20编辑于 2025-02-18 云开发 Copilot ｜体验AI快速开发
前言作为后端，如何快速开发一个简单的页面？大多数人都会想到用AI，今天就结合项目需求体验了一下，制作一个简单的小程序。 需要在左边添加中使用AI，并不能使用原来的Copilot聊天窗口，且不支持上下文，但基于我的需求比较简单，一句话就能生成完美的页面。至此，我的基本需求已经开发完成，前后用时不到10分钟，非常方便快捷。 总结云开发 Copilot 作为云服务平台精心打造的一款卓越 AI 辅助利器，在云环境下的小程序与 Web 应用等项目构建进程中发挥着举足轻重的作用。 Copilot 以其丰富多样的多功能生成能力令人瞩目，搭配简洁直观、极易上手的用户友好界面，以及对多平台的强力支持，全面简化了原本复杂繁琐的开发流程，为开发者带来前所未有的流畅开发体验。 它有力地助力开发者实现从项目设计起始，一路顺畅推进至最终部署上线的全周期高效管理，在保障代码质量达到高标准的同时，还为应用筑牢安全防线，当之无愧地成为现代云应用开发领域开发者们不可或缺的理想伙伴。
44410编辑于 2024-12-11AI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
38110编辑于 2026-01-20AI 时代，Go 开发者如何破局 AI 应用开发？
AI 浪潮席卷而来，大量 Go 开发者面临一个共同的困惑：想进入 AI 领域，到底该用什么语言？ 有人说"Go 也能搞 AI"，有人说"必须转 Python"。众说纷纭，反而让人更迷茫。 如果你是 Go 开发者，想快速进入 AI 领域，AI 应用开发才是你的主战场。 AI 应用开发都做什么？ 为什么 AI 应用开发特别适合 Go 开发者？ AI 应用的本质是什么？是后端工程。 AI 应用开发学习路径 作为 Go 开发者，走 AI 应用开发方向，学习路径比想象中短得多： 第一步：理解 LLM 基础概念（1 周） 不需要学深度学习，但需要理解这些概念： Token：LLM 处理文本的基本单位 写在最后 如果你是 Go 开发者，想进入 AI 领域，不要被"必须学 Python + 深度学习"的论调吓退。 AI 应用开发这条路，Go 完全可以胜任，而且你的工程能力就是最大的竞争力。
27710编辑于 2026-04-27- 来自专栏网络安全技术点滴分享
Databricks AI 开发套件 - 为AI驱动的开发赋能
驱动开发（或称 "vibe coding"）在 Databricks 上从未如此简单。 AI Dev Kit 为您的AI编程助手（如Claude Code、Cursor、Windsurf等）提供了构建 Databricks 应用所需的可信知识和工具，助其更快、更智能地完成工作。 your-workspace.cloud.databricks.com"export DATABRICKS_TOKEN="your-personal-access-token"或export DATABRICKS_CONFIG_PROFILE="your-profile-name"开发环境设置 （Builder App）如果您想运行或开发附带的 Builder App：进入应用目录：cd databricks-builder-app运行安装脚本：. 启动开发服务器：./scripts/start_dev.sh使用说明在 AI 助手中使用安装成功后，您的 AI 助手（如 Claude Code）将自动获得 Databricks 技能和工具。
26010编辑于 2026-02-23 - 来自专栏AI技术应用
AI 智能体（AI Agent）的开发框架
AI 智能体（AI Agent）的开发框架是构建智能体的核心工具和平台，它们提供了从数据处理、模型训练到部署和监控的全流程支持。以下是常用的 AI 智能体开发框架及其特点。 适用场景：研究、原型开发、深度学习应用。1.3Keras特点：高层 API，易于使用，适合快速原型开发。可以作为 TensorFlow 的前端使用。适用场景：初学者、快速开发。 5.2H2O.ai特点：提供自动化的机器学习和深度学习工具。支持大规模数据处理和分布式计算。适用场景：企业级机器学习应用。 8.低代码/无代码 AI 平台8.1Google AutoML特点：提供自动化的模型训练和部署服务。支持图像、文本、表格数据等多种任务。适用场景：快速构建 AI 应用。 适用场景：企业级 AI 解决方案。总结AI 智能体的开发框架涵盖了从数据处理、模型训练到部署和监控的全流程。
1.6K10编辑于 2025-02-18 - 来自专栏运维开发王义杰
AI：GitHub Models全新的AI开发平台
GitHub近日推出了一项名为“GitHub Models”的新功能，旨在为开发者提供免费访问和试验AI模型的机会。 该功能不仅对开发者、学生、初创公司及爱好者开放，还通过无缝集成现有工具，加速AI应用的开发过程。这里将详细探讨GitHub Models的特点、功能及其对AI开发的影响。 五、GitHub Models对AI开发的影响 GitHub Models的推出无疑将对AI开发领域产生深远影响。首先，它降低了AI开发的门槛，使得更多的开发者能够接触和使用先进的AI模型。 这一功能不仅简化了AI应用的开发流程，还通过无缝集成和数据隐私保护增强了用户体验。随着更多模型的加入和功能的扩展，GitHub Models有望成为AI开发领域的重要工具。 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。
86610编辑于 2024-08-05 - 来自专栏DotNet NB && CloudNative
AI应用开发基座：Microsoft.Extensions.AI
微软在2024年11月就发布了新的AI核心库Microsoft.Extensions.AI，虽然目前还是一个预览版，但其可以大大简化我们的AI集成和开发工作。 Microsoft.Extensions.AI介绍 Microsoft.Extensions.AI 是一组核心 .NET 库，是在与整个 .NET 生态系统（包括语义内核）的开发人员协作中创建的。 Microsoft.Extensions.AI 目标是在 .NET 生态系统中充当一个统一层，使开发人员能够选择他们的首选框架和库，同时确保整个生态系统之间的无缝集成和协作。 画外音>开发者可以节省时间下来专注自己的应用程序的业务逻辑实现，从而不必花过多时间去做AI服务的集成调试，点个大大的赞！ 我能使用哪些服务实现？ 小结 本文介绍了Microsoft.Extensions.AI的基本概念 和 基本使用，如果你也是.NET程序员希望参与AI应用的开发，那就快快了解和使用起来吧。
1.2K10编辑于 2025-04-04
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