- 综合排序
- 最热优先
- 最新优先
腾讯云 X 咕泡科技 AI 实训 CDE 平台正式落地
为有效解决这一核心问题，咕泡科技与腾讯云联手打造新一代AI实训CDE平台。经过无数次测试打磨后，7月10日正式于咕泡云课堂全面上线。 咕泡AI实训CDE平台融合腾讯云Cloud Studio坚实的技术底座形成三大核心，能够快速帮助学员实现知识到能力的转化，成为企业需要的人才。 着眼于这一基础需求，咕泡科技运用AI与“云课堂“课程功能深度融合，打造五大智慧学习模式，专注于帮助学员系统、高效地构建知识体系，为后续流畅的“学以致用”打下坚实基础。 五大智慧学习功能与咕泡AI实训CDE平台的无缝融合，让学员的每一次代码编写、模型调试都转化为有效的能力积累，真正解决“学用脱节”的困境，实现从“知道”到“做到”的进阶。 咕泡AI实训CDE平台的上线，是咕泡实现从“知识传授者”向“中高端科技人才孵化平台”战略升级的关键一步。它远非单一工具，核心在于为学员构建了从知识输入到能力输出的完整成长路径。
55410编辑于 2025-07-11咕泡AI云实验室全面升级！
大模型、生成式 AI、智能体……每一个概念的落地，都在重塑 AI 领域格局，重新定义人才标准。在这个算法即竞争力、数据即资源的时代，掌握 AI 不仅是一项技能，更是一种与未来对话的方式。 咕泡 AI 云实验室与腾讯云深度共创，完成从工具平台到 AI 实战生态的全面进化，用海量算力、真实数据、安全部署重新定义 AI 实战体验。 无论是 BERT 模型训练、大语言模型微调，还是复杂数据挖掘、深度学习任务，都能轻松承载。无需担心本地显卡性能不足，系统自动完成底层环境搭建，30 秒内一键启动编程界面。 咕泡云课堂与腾讯云无缝衔接咕泡云课堂与腾讯云账号打通，课程学习过程中即可随时点击【云实验室】进入实验室，理论学习与实战操作零延迟衔接，让课堂知识快速转化为动手能力，学习效果看得见、摸得着。 未来，咕泡将继续以技术进化推动学习革新，链接更多产业资源、优化实战场景，让每一位学习者都能零距离触摸 AI 前沿，无边界实现成长突破！
24410编辑于 2025-11-17Kaggle Grandmaster 的价值：不止于竞赛，更在于引领破局
04 咕泡AI竞赛服务：由Grandmaster带队的竞赛体验面对Kaggle竞赛的挑战，许多参赛者需要指导和支持。 咕泡科技认识到了这一需求，推出了专业的AI竞赛服务，其最大特点是由Kaggle Grandmaster组成的专业导师团队专业指导团队咕泡科技的AI竞赛服务拥有一支由Kaggle Grandmaster和业内专家组成的导师团队 全方位的竞赛指导咕泡科技为学员提供了一系列支持服务，包括：比赛平台使用教程和开发环境搭建：帮助学员快速上手，节省环境配置时间赛题解析与baseline代码详解：深入分析比赛题目，提供基础解决方案特征工程及实战案例分析 ：分享实用技巧和经验，提高模型性能提分技巧与策略分享：帮助学员优化方案，提升排名训练赛题总结与答疑解惑：解决学员在备赛过程中遇到的各种问题强大的技术支持平台咕泡科技与腾讯云联合打造了AI实训CDE平台【 咕泡AI云实验室】，以“云端一体化实训+全栈能力培养”模式，搭建从知识学习到企业实战的完整链路。
37710编辑于 2025-09-06- 来自专栏养码场
八月福利| 五大专题，四大阶段，超全Java架构师学习线路图
五大专题，四大阶段，最全JAVA架构师学习路线图！ 后台回复809，即可获得高清大图哦~ 五大专题： 四个阶段： 作 者 介 绍 咕泡学员-阿阳 JAVA开发者，现就职于腾讯课堂-咕泡学员。
41520发布于 2018-08-13 - 来自专栏小赵的Java学习
从源码探究双亲委派机制
文章内容引用自 咕泡科技 咕泡出品，必属精品 首先我们要知道双亲委派机制是为了解决什么问题？ 本图取自咕泡学院，如有侵权，联系速删 除非是有特殊的业务场景，一般来说不要主动去破坏双亲委派模型 那有的人可能会有疑问啦，既然jvm推荐并希望开发者遵循双亲尾派模型，那么为什么不把load class方法像 这就是史上第一次的双亲委派模型被破坏了，像很多事情（*装）只有零次和N次，双亲委派模型第二次被破坏，是由于这个模型自身的缺陷导致，双亲委派能很好的解决了各个类加载器协作时基础类型的一致性问题，但是如果有基础类型要调用用户的代码 有了线程上下文类加载器，程序就可以做一些不符合双亲委派模型的事情了。 JNDI服务使用这个线程上下文类，加载器去加载所需的SPI服务代码，这是一种父类加载器去请求子类加载器完成类加载的行为，这种行为实际上是打通了双亲委派模型的层次结构来逆向使用类加载器，已经违背了双亲委派模型的一般性原则
72730编辑于 2022-12-02 - 来自专栏小赵的Java学习
Bean的生命周期（不要背了记思想）
文章内容引用自 咕泡科技 咕泡出品，必属精品 文章目录 1. 应付面试 2 可以跟着看源码的图 3 学习Bean 的生命周期之前你应该知道什么 4 Bean 的完整生命周期 1. 如上所说大致可以分为四个阶段： 实例化 -> 属性赋值 -> 初始化 -> 销毁 给出一个可以让你们看着去跟源码一步一步点下去的无敌图 其实学习Bean的生命周期有这个图就足够了 本图来自咕泡学院文泰老师 ，转发请注明出处，否则必究 咕泡出品，必属精品 3 学习Bean 的生命周期之前你应该知道什么 没有前置知识盲目的去学习Bean的生命周期，是没有任何意义的，或者说这只是为了应付面试而学 没有使用场景
21.3K86编辑于 2022-12-02 - 来自专栏小赵的Java学习
软件架构设计原则--接口隔离原则
本专栏内容参考自：咕泡学院Tom老师的《Spring5核心原理与30个类手写实战》，仅作个人学习记录使用，如有侵权，联系速删 接口隔离原则（Interface isolation principle 我们在设计接口的时候，要多花时间去思考，要考虑业务模型，包括对哟吼可能发生变更的地方还要做一些预判。 所以，对于抽象、对于业务模型的理解是非常中重要的。
38730编辑于 2022-12-02 代码的未来：当AI学会创造，我们技术人的价值何在？
AI与大模型，已如电力和互联网般融入我们工作和生活的方方面面。当技术从分析过去迈入生成未来，企业与技术人又该如何重塑自身价值？我们又该如何借助这一波技术浪潮，实现能力的跨越与职业的突破？ 11月16日，咕泡科技联合创始人、AI大模型事业部负责人谭锋（Mic）老师受邀参与“数有引力·Sure沙龙丨AI时代，个体机遇新选择”深度沙龙进行分享，与众多行业同行展开探讨：大模型不仅改变了企业工作流程 注重掌握AI思维与大模型能力，是技术人在技术变革中保持竞争力的关键在2012年之前，人工智能的主流是决策式/分析式AI，它基于过去的数据做预测与分类，本质上是在总结过去。 从大模型基础设施的投入竞争，到AI Agent的商业化推进，再到超级应用的海外拓展，企业对稀缺人才的需求日益增强，人才画像日益清晰： 持续学习与快速迭代能力 AI技术更新迅速，企业更看重技术人员的学习适应能力 技术人的价值不再局限于技术实现，而在于用大模型思维重构工作逻辑、提升业务效能大模型技术的演进，本质上是一场关于“如何构建软件”的范式转移。
16610编辑于 2025-11-24腾讯云 Cloud Studio 人工智能实训与编程教学解决方案概要
核心业务场景涵盖： 人工智能实训：支持大模型微调、推理研究、AI应用开发等教学与实践。 计算机编程教学：覆盖从基础编程到高级项目开发的全流程教学与实训。 北京航空航天大学 背景：需支持AI编程教学与大模型实训。 解决方案：采用Cloud Studio提供云端IDE、GPU算力及AI判题智能体。 成效：实现低成本稳定接入与大模型实训环境快速搭建。 3. 南京信息工程大学 背景：需增强实训平台功能与算力支持。 解决方案：引入Cloud Studio的云端开发环境与AI代码助手。 深圳大学 背景：需覆盖大模型核心课程与实训需求。 解决方案：采用Cloud Studio提供的权威AI课程与推荐学习路线。 成效：实现标准化课程交付与高可用算力资源调度。 5. 咕泡云课堂 背景：需扩展AI与编程教学场景支持。 解决方案：采用Cloud Studio提供持久化开发环境与教学管理工具。 成效：实现多角色协同教学与资源高效分配。
15410编辑于 2026-04-11- 来自专栏我们一无所有，我们巍然矗立
如果你还在犹豫要不要入行，请先看看我的IT入坑记【技术创作101训练营】
存款不多的同学可以尝试 咕泡教育 咕泡教育我自己没有报名上过课，但是我一个朋友在咕泡报名的架构课程，据了解，老师讲课讲的也还错，挺有深度。 而培训基本上不会讲这些东西，所以，差距还是相当大的。 这里有些个人的观点： IT行业工资较高，但能力不足，很容易就会到达个人能力的天花板，涨薪比较困难。
1.1K31发布于 2020-09-24 - 来自专栏创作是最好的自我投资
通用大模型VS垂直大模型
在人工智能这个充满无限可能的领域内，通用大模型和垂直大模型各有千秋。就我个人而言，在二者之间的选择上，并不存在偏向某一方的倾向。我觉得应当依据实际应用场景的具体需求，来挑选最为契合的大模型。 通用大模型通用大模型，乃是旨在应对多种任务与数据类型的庞然大物级人工智能模型。 在知识覆盖的广度方面，通用大模型无疑具有明显的优势。当我们对于当下所需模型所涉及的精确专业领域的界限感到模糊不清时，选择通用大模型无疑是一种明智之举。垂直大模型接下来谈谈垂直大模型。 然而，由于垂直大模型的训练内容聚焦于当前行业，其涉猎的范围更集中，数据针对性更强，所以在提供专业咨询时往往更加精准、细致，这也正是垂直大模型的独特价值所在。 因此，对于通用大模型或者垂直大模型，更倾向于哪一方不取决于个人想法，而是取决于用户需要。
75901编辑于 2024-12-30 - 来自专栏计算机视觉战队
目标检测算法终结篇：YOLOV1-V5
YOLO 是一种快速紧凑的开源对象检测模型，与其它网络相比，同等尺寸下性能更强，并且具有很不错的稳定性，是第一个可以预测对象的类别和边界框的端对端神经网络。 YOLO v5 模型的头部与之前的 YOLO V3 和 V4 版本相同。 为此，咕泡科技现邀请到「人工智能实战专家 - 唐宇迪博士」，专为深度学习的同学开设了「深度学习缺陷检测实战篇」。课程将会结合源码与真实数据集展开项目实战，全方位读缺陷检测项目与科研流程。 内容仅截选部分，在「深度学习缺陷检测实战训练营」中 , 将帮助同学们快速掌握AI领域两大核心模块：检测与分割，并基于真实数据集进行项目实战。 从理论基础到核心原理 集中精力各个击破！ 神经网络模型整体架构解读. 计算机视觉核心模型-卷积神经网络. 卷积神经网络整体架构及其参数设计. Day2：深度学习缺陷检测实战 缺陷数据标注与数据集构建. YOLOV5模型训练全流程解读.
51730编辑于 2022-06-29 - 来自专栏小洁叫你mysql
【AI大模型】训练Al大模型
大模型超越AI 目前所指的大模型，是“大规模深度学习模型”的简称，指具有大量参数和复杂结构的机器学习模型，可以处理大规模的数据和复杂的问题，多应用于自然语言处理、计算机视觉、语音识别等领域。 本文将探讨大模型的概念、训练技术和应用领域，以及与大模型相关的挑战和未来发展方向。 大模型是指具有庞大参数数量的机器学习模型。传统的机器学习模型通常只有几百或几千个参数，而大模型则可能拥有数亿或数十亿个参数。 训练大模型的挑战 训练大模型需要应对一系列挑战，包括： 以下是与大模型相关的一些代码示例： 计算资源需求： import tensorflow as tf # 指定使用GPU进行训练 with tf.device 更智能的模型压缩技术：模型压缩和加速技术将继续发展，以减小大模型的计算和存储开销。 更好的计算平台支持：为了支持训练和部署大模型，计算平台将继续改进，提供更强大的计算资源和工具。
1.5K30编辑于 2023-10-10 - 来自专栏机器学习AI算法工程
目标检测算法终结篇：YOLOV1-V5
YOLO 是一种快速紧凑的开源对象检测模型，与其它网络相比，同等尺寸下性能更强，并且具有很不错的稳定性，是第一个可以预测对象的类别和边界框的端对端神经网络。 YOLO v5 模型的头部与之前的 YOLO V3 和 V4 版本相同。 为此，咕泡科技现邀请到「人工智能实战专家 - 唐宇迪博士」，专为深度学习的同学开设了「深度学习缺陷检测实战篇」。课程将会结合源码与真实数据集展开项目实战，全方位读缺陷检测项目与科研流程。 内容仅截选部分，在「深度学习缺陷检测实战训练营」中 , 将帮助同学们快速掌握AI领域两大核心模块：检测与分割，并基于真实数据集进行项目实战。 从理论基础到核心原理 集中精力各个击破！ 神经网络模型整体架构解读. 计算机视觉核心模型-卷积神经网络. 卷积神经网络整体架构及其参数设计. Day2：深度学习缺陷检测实战 缺陷数据标注与数据集构建. YOLOV5模型训练全流程解读.
53930编辑于 2022-06-29 - 来自专栏计算机视觉战队
强的离谱 , Transformer 杀疯了！
咕泡科技很荣幸的邀请到了在人工智能、计算机视觉领域有着丰富的一线实战经验的唐宇迪博士，利用2天的时间，为大家系统地梳理Transformer技术。 直播内容 01 PART 直播时间 ：9月28日-9月29日，20:00-22:30 Day1：深度学习CNN卷积神经网络算法精讲 神经网络模型知识点分析 神经网络模型整体架构解读 卷积神经网络整体架构及参数设计 Day2：AI领域最火模块Transformer实例解读 2022AI领域大杀器--Transformer架构思想分析 论文刷点创新必备模块--注意力机制解读 2022各大厂项目如何与Transformer
46210编辑于 2022-09-27 - 来自专栏贾志刚-OpenCV学堂
GAN正在成为新的深度学习?
可是GAN是生成模型的一种，实际上 GAN 能做的事情，很多其他生成模型也能做，如果GAN的训练能稳定下来，甚至像深度学习那么可靠，那么GAN就能真正发展起来。 那么为了让大家更好地掌握GAN，咕泡教育现邀请到「人工智能实战专家 - 唐宇迪博士」，专为深度学习的同学开设了「深入学习最有趣模块GAN实战课」 ，既包括前沿的学术分享、又有来自头部大咖的实践分享。
59030编辑于 2022-03-25 - 来自专栏机器学习AI算法工程
BERT大火却不懂Transformer？
咕泡科技很荣幸的邀请到了在人工智能、计算机视觉领域有着丰富的一线实战经验的唐宇迪博士，利用2天的时间，为大家系统地梳理Transformer技术。 直播内容 01 PART 直播时间 ：8月24日-8月25日，20:00-22:30 Day1：深度学习CNN卷积神经网络算法精讲 神经网络模型知识点分析 神经网络模型整体架构解读 卷积神经网络整体架构及参数设计 Day2：AI领域最火模块Transformer实例解读 2022AI领域大杀器--Transformer架构思想分析 论文刷点创新必备模块--注意力机制解读 2022各大厂项目如何与Transformer
38220编辑于 2022-08-26 2025年，如何成为不被AI淘汰的技术人？
在咕泡科技联合创始人、AI大模型事业部负责人 Mic 于「创谷讲堂」进行专题分享后，我们针对AI大模型的技术演进与人才能力要求进行了更深入的思考。 2025年，大模型已从实验室概念全面进入产业落地深水区。从智能客服到代码生成，从数据分析到内容创作，生成式AI正在重构企业流程与人才能力模型。面对这场AI驱动的变革，技术人该如何保持不可替代性？ 但拥有大模型不等于拥有智能化能力。如何让AI理解企业内部知识、接入业务系统成为落地关键。 三、未来人才核心：大模型思维与架构能力随着技术门槛降低，提示词工程（Prompt Engineering）正在成为基础能力。 延伸学习参考：若希望深入掌握大模型企业级应用开发、RAG系统构建等实战技能，可关注包含智能体搭建、大模型应用开发、企业级项目实战等内容的学习路径——《AI大模型零基础到商业实战全栈课》。
36910编辑于 2025-08-26国家战略加持，AI黄金十年已至：程序员如何突破大模型时代的职业瓶颈？
随着国务院《关于深入实施“人工智能+”行动的意见》于2025年8月26日正式发布，大模型技术被列为国家战略重点。政策明确要求加快高效训练与推理方法研究，推动大模型在重点行业的规模化应用。 据 BOSS 直聘《2025 大模型岗位招聘需求调研》（2025 年 Q2）显示，83% 的大模型岗位明确要求 “传统工程能力 + AI 技能复合”，但传统开发者中同时具备两类能力的仅占 9%，技能断层直接导致 76% 的传统开发者投递大模型岗位被拒。 传统岗位核心传统技能掌握率大模型岗位必备 AI 技能传统开发者 AI 技能掌握率企业招聘淘汰率（因缺 AI 技能）数据来源系统架构师92%（微服务 / 高并发设计）AI 系统架构（大模型训练集群调度、多模态服务拆分 无论是通过深度参与开源项目、还是借助如咕泡大模型课程体系进行系统化学习，核心目标都是一致的：将“工程经验”这张旧地图，升级为能够驾驭“AI系统”复杂性的新导航，最终成为推动下一代智能化基础设施建设的核心力量
45910编辑于 2025-09-27- 来自专栏学习
开源大模型与闭源大模型
在人工智能（AI）和机器学习（ML）的快速发展过程中，大模型（Large Models）已经成为推动技术进步的重要力量。当前，业界存在两种主要的大模型开发模式：开源大模型和闭源大模型。 一、开源大模型 开源大模型是指开发者将模型的代码和训练数据公开，使得任何人都可以访问、修改和使用这些资源。 二、闭源大模型 闭源大模型是指模型的代码和数据不对外公开，通常由商业公司开发和维护。代表性的闭源大模型包括OpenAI的GPT-3和Google的BERT。 三、开源大模型与闭源大模型的对比 1.透明性与可控性： 开源大模型的透明性更高，任何人都可以查看和验证其代码和数据，确保模型的行为符合预期。这对于学术研究和技术验证非常重要。 闭源大模型通过控制代码和数据的访问，能够更好地保护用户隐私和数据安全，降低被恶意利用的风险。 五、总结 开源大模型和闭源大模型各有优缺点，适合不同的应用场景和需求。
1.7K10编辑于 2024-10-09
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