1 2 3 4 5 ··· 12 下一页
摘要: ChatBI≠NL2SQL:关于问数,聊聊我踩过的坑和一点感悟 "如果说数据是新时代的石油,智能问数就是能让普通人也能操作的智能钻井平台。" 这里是**AI粉嫩特攻队!** ,这段时间真的太忙了,不过放心,关于从零打造AI工具的coze实操下篇正在进行中。今天,我们先聊聊另一个很热闹的主题——ChatBI。 还记得那些陷入Excel地狱的日子吗?当同事问你"上个 阅读全文
posted @ 2025-03-09 14:29 AI粉嫩特攻队 阅读(210) 评论(1) 推荐(0) 编辑
摘要: 能写代码绝不动手,能用AI绝不写代码 —— AI粉嫩特攻队信条 通过本文学会打造这个AI工具,只有一个要求:识字且会上网! 一个小困扰 有朋友最近在上一位大佬的线上直播课程,感叹道: "老师讲得很好但节奏太快,根本来不及记录详细笔记,只能速记要点。课后想不起完整内容又怕有遗漏,只能来回拖动进度条找对 阅读全文
posted @ 2025-03-05 00:42 AI粉嫩特攻队 阅读(504) 评论(2) 推荐(1) 编辑
摘要: “当所有人都在谈论AI+的时候,今天我想聊一点不一样的...” 上周,朋友看着我用Cursor在30分钟内完成了他过去需要两天才能完成的工作。 那一刻,一种强烈的危机感涌上心头,他问我:“如果AI可以做得和我们一样好,甚至更好,那我们存在的价值是什么?” 这恐怕是当下许多人都在思考的问题。 时代变了 阅读全文
posted @ 2025-03-02 21:46 AI粉嫩特攻队 阅读(108) 评论(0) 推荐(0) 编辑
摘要: DeepSeek-R1的“思考”艺术,你真的了解吗? 大家好~,这里是AI粉嫩特攻队!今天咱们来聊聊一个有趣的话题——DeepSeek-R1到底什么时候会“思考”,什么时候又会选择“偷懒”? 最近有朋友问我:“听说现在的AI都会‘推理’了,那它们是不是每次回答问题都要走一遍复杂的思维链(CoT)?”嗯……这个问题听起来简单,背后其实藏着R1设计的智慧和 阅读全文
posted @ 2025-02-22 19:57 AI粉嫩特攻队 阅读(378) 评论(0) 推荐(0) 编辑
摘要: 不得不说这个Cursor AI简直是神器中的神器!🤯 代码自动补全就算了,关键是它能直接读懂我的意图,秒懂需求!为你自动生成整个项目级别的代码!开发过程丝滑得像在跟老朋友聊天,代码质量贼高,效率提升1000%!这哪是什么AI助手,简直就是贴心小棉袄!💕 程序员的生产力神器 ,多一点时间做更有意义 阅读全文
posted @ 2025-02-17 22:58 AI粉嫩特攻队 阅读(2108) 评论(5) 推荐(1) 编辑
摘要: AI 开源的黄金时代,开源协议你会区分吗? 这几年,AI 技术的开源浪潮席卷全球。无数个人开发者和团队贡献的AI工具和框架层出不穷,AI 开源项目正以前所未有的速度涌现。开源不仅推动了技术的普及,也让更多开发者有机会参与到前沿技术的创新中。 但你有没有想过,这些开源项目背后,协议的区分有多重要? 作 阅读全文
posted @ 2025-02-16 17:25 AI粉嫩特攻队 阅读(137) 评论(0) 推荐(0) 编辑
摘要: 当大家都在好奇下一代AI会怎样改变我们的工作与生活时,中国公司 DeepSeek 正以惊人的速度和态度闯进大众视野。它究竟是什么,能做什么,又为何能在AI热潮里高调崭露头角?本文带你了解 DeepSeek 及其最新推出的两款大模型,顺便一起讨论它如何搅动整个 AI 行业的水面。 1. DeepSee 阅读全文
posted @ 2025-02-16 17:04 AI粉嫩特攻队 阅读(411) 评论(0) 推荐(0) 编辑
摘要: 什么是RAG RAG概述 RAG,全称为Retrieval-Augmented Generation(检索增强生成),是一种结合了信息检索和文本生成的人工智能技术。简单来说,RAG通过从大量文档或数据库中查找相关信息,并基于这些信息来生成更准确、更有针对性的回答或内容。 为什么需要RAG? 在传统的 阅读全文
posted @ 2025-02-16 16:39 AI粉嫩特攻队 阅读(252) 评论(0) 推荐(0) 编辑
摘要: 一台配备 Windows 操作系统、12GB 或以上显存的英伟达显卡、8GB 或以上内存,并能连接互联网的电脑可以继续阅读以下内容。 简介 Ollama(用于下载和启动大模型) Ollama 专注于本地大型语言模型(LLM)的快速、极简安装和使用,例如 LLaMA 3.3 和 DeepSeek-R1 阅读全文
posted @ 2025-02-16 16:13 AI粉嫩特攻队 阅读(1322) 评论(0) 推荐(0) 编辑
摘要: 本文以航司乘客数预测的例子来组织相关时间序列预测的代码,通过了解本文中的代码,当遇到其它场景的时间序列预测亦可套用。 航司乘客数序列 预测步骤 # 加载时间序列数据 _ts = load_data() # 使用样本熵评估可预测性 print(f'原序列样本熵:{SampEn(_ts.values, 阅读全文
posted @ 2020-06-16 09:32 AI粉嫩特攻队 阅读(3364) 评论(3) 推荐(0) 编辑
1 2 3 4 5 ··· 12 下一页
点击右上角即可分享
微信分享提示