My Github
摘要: ASP.NET Core on K8s 入门学习系列文章目录 自从2018年底离开工作了3年的M公司加入X公司之后,开始了ASP.NET Core的实践,包括微服务架构与容器化等等。我们的实践是渐进的,当我们的微服务数量到了一定值时,发现运维工作量已将增加了很多,因此容器编排引擎的需求也随之产生。同时,容器编排和自动化领域Kubernetes已经占据了主体地位,学习Kubernetes刻不容缓! 阅读全文
posted @ 2020-02-14 19:57 EdisonZhou 阅读(10369) 评论(16) 推荐(72) 编辑
摘要: .NET Core 微服务架构学习与实践系列文章目录 2018年从原来的Team里面被抽出来加入了新的Team,开始做Java微服务的开发工作,接触了Spring Boot, Spring Cloud等技术栈,对微服务这种架构有了一个感性的认识。虽然只做了两个月的开发工作,但是对微服务架构的兴趣却没有结束,又因为自己的.NET背景,想要探索一下在.NET平台下的微服务架构的可行性,也准备一些材料作为分享的素材。 阅读全文
posted @ 2018-10-19 18:31 EdisonZhou 阅读(45531) 评论(41) 推荐(225) 编辑
摘要: .NET 全栈开发工程师学习路径 最近一直反复地看博客园以前发布的一条.NET全栈开发工程师的招聘启事,觉得这是我看过最有创意也最朴实的一个招聘启事,更为重要的是它更像是一个技术提纲,能够指引我们的学习和提升,现在转载过来与各位园友分享。 阅读全文
posted @ 2015-09-18 23:56 EdisonZhou 阅读(46982) 评论(56) 推荐(212) 编辑
摘要: AI应用实战课学习总结(11)用RNN做时序预测 本文介绍了RNN循环神经网络的基本概念 和 各种神经网络(DNN、CNN、RNN)的对比,最后介绍了如何基于RNN来做时序预测的案例。 阅读全文
posted @ 2025-02-26 08:30 EdisonZhou 阅读(11) 评论(0) 推荐(0) 编辑
摘要: AI应用实战课学习总结(10)用CNN做图像分类 本文介绍了CNN的基本概念 以及 如何基于预训练的CNN模型对于CIFAR-10数据集做图像分类的案例。基于预训练好的CNN模型作为基线模型,针对你自己的图片数据集做二次训练(迁移学习),通常可以兼顾成本和性能,是值得采用的实践方式。 阅读全文
posted @ 2025-02-24 18:30 EdisonZhou 阅读(24) 评论(0) 推荐(1) 编辑
摘要: .NET程序员AI开发基座:Microsoft.Extensions.AI 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。 阅读全文
posted @ 2025-02-18 18:30 EdisonZhou 阅读(1258) 评论(6) 推荐(11) 编辑
摘要: AI应用实战课学习总结(9)Hello 深度学习 本文介绍了深度学习和神经网络的基本概念,深度学习和传统机器学习的差别,还了解了PyTorch框架,最后通过一个例子演示了如何基于PyTorch使用一个视觉检测模型来快速完成图片的目标检测任务,十分方便。 阅读全文
posted @ 2025-02-17 08:30 EdisonZhou 阅读(43) 评论(0) 推荐(0) 编辑
摘要: AI应用实战课学习总结(8)降维算法分析实战 本文介绍了机器学习中的降维场景问题,常用的降维算法 以及 如何选择降维算法,最后通过一个商品品类分析的案例做了一次实战,相信对你理解降维应用应该有所帮助。 阅读全文
posted @ 2025-02-13 18:30 EdisonZhou 阅读(29) 评论(0) 推荐(0) 编辑
摘要: AI应用实战课学习总结(7)聚类算法分析实战 本文介绍了机器学习中的聚类场景问题,常用的聚类算法 以及 分类和聚类的简单对比,最后再次通过电商订单数据做用户画像的案例做了一次聚类实战,相信对你理解聚类应用应该有所帮助。 阅读全文
posted @ 2025-01-24 18:00 EdisonZhou 阅读(69) 评论(0) 推荐(1) 编辑
摘要: AI应用实战课学习总结(6)分类算法分析实战 本文介绍了机器学习中的分类场景问题,常用的分类算法 以及 分类和回归的简单对比,最后通过一个医疗数据诊断分类的案例做了一次实战,相信对你理解分类应用应该有所帮助。 阅读全文
posted @ 2025-01-20 08:30 EdisonZhou 阅读(36) 评论(0) 推荐(0) 编辑
摘要: AI应用实战课学习总结(5)回归分析预测实战 本文介绍了机器学习中的起点:回归分析,并进行了一个电商用户生命周期价值(LTV)的分析预测实战,最后还进行了多种回归模型的拟合效果对比,相信你会有一个直观的印象。 阅读全文
posted @ 2025-01-13 08:30 EdisonZhou 阅读(60) 评论(0) 推荐(0) 编辑
摘要: AI应用实战课学习总结(4)医疗数据可视化 今天是我们的第4站,了解经典的乳腺癌医疗数据集,并基于该数据集使用Matplotlib和Seaborn做了一些常见的数据可视化图的绘制,有了这些图可以帮助我们做数据分析。 阅读全文
posted @ 2025-01-06 18:58 EdisonZhou 阅读(67) 评论(0) 推荐(0) 编辑
摘要: 我的2024年终总结:居安思危,持续刷新 转眼之间,又是一年,2024年仍然是Keep Going的一年,在此总结一下,也算不负韶华。 阅读全文
posted @ 2024-12-31 18:00 EdisonZhou 阅读(887) 评论(3) 推荐(5) 编辑
摘要: AI应用实战课学习总结(3)预测带货销售额 今天是我们的第3站,了解下AI项目实践的5大环节,并通过一个预测直播带货销售额的案例来感受下。 阅读全文
posted @ 2024-12-30 19:17 EdisonZhou 阅读(82) 评论(0) 推荐(1) 编辑
摘要: AI对话机器人续:将AI Bot接入企业微信 之前尝试将Coze AI Bot接入到了微信,有朋友问如何接入企业微信,今天有空尝试了下,和你分享一下过程。整体流程和步骤还是基于chatgpt-on-wechat这个开源框架来的,唯一的差别就在于部署chatgpt-on-wechat的时候,需要填写一些企业微信相关的参数和secret。 阅读全文
posted @ 2024-12-23 20:16 EdisonZhou 阅读(1160) 评论(0) 推荐(0) 编辑
摘要: AI应用实战课学习总结(2)hello sk-learn 本文快速搭建了Python机器学习的开发环境,并通过一个简单的降维示例学习了scikit-learn的基本用法,完成了一个hello world程序。 阅读全文
posted @ 2024-12-20 08:30 EdisonZhou 阅读(64) 评论(0) 推荐(1) 编辑
摘要: AI应用实战课学习总结(1)必备AI基础理论 我最近入坑黄佳老师的《AI应用实战课》,记录下我的学习之旅,也算是总结回顾。今天是我们的第一站,必备的AI基础理论,它是后续应用实践的基础。 阅读全文
posted @ 2024-12-16 18:45 EdisonZhou 阅读(148) 评论(0) 推荐(0) 编辑
摘要: 将AI Bot接入微信,做AI对话机器人 本文介绍了如何将Coze AI Bot接入微信实现AI对话机器人的过程,相信你的微信群里 有了这样一位AI助手之后,会有不一样的对话体验。需要注意的是:这不是目前微信官方推荐或认可的方式,所以尽量不要使用自己的大号,而且也别让小号一直挂着,玩玩就行了,不要太认真。 阅读全文
posted @ 2024-12-11 21:19 EdisonZhou 阅读(764) 评论(0) 推荐(0) 编辑
摘要: 大模型应用开发基础 : 再探提示词工程 所谓提示词工程,就是研究怎么写AI易懂的提示词。为了引导大模型给出更好的答案,提示词工程必不可少,本篇我们再探提示词,看看几个必须知道的技巧:样本提示、思维链提示 与 ReAct框架,它们可以应用在不同的任务场景中。 阅读全文
posted @ 2024-11-30 09:20 EdisonZhou 阅读(68) 评论(0) 推荐(0) 编辑
摘要: 大模型应用开发基础 : 语言模型的重要里程碑 本文快速复习了基于统计的语言模型的基本玩法,然后介绍了语言模型发展过程中的三个重要里程碑:神经概率语言模型、词向量模型 和 预训练模型。基于这几个里程碑的发展,开启了NLP处理的新纪元,我们可以基于经过预训练的大模型进行微调,进而处理我们自己业务领域的实际问题。 阅读全文
posted @ 2024-11-16 17:48 EdisonZhou 阅读(61) 评论(0) 推荐(0) 编辑
摘要: 大模型应用开发基础 : 语言模型的关键思路跃迁 本文简单介绍了语言模型的发展脉络,特别介绍了其发展过程中的关键思路变迁,即从基于规则的方法到基于统计的方法。由于基于统计和数学的方法具有较高的扩展性和自适应性,它逐渐形成了目前业界主流的NLP处理方法。 阅读全文
posted @ 2024-11-04 08:30 EdisonZhou 阅读(96) 评论(0) 推荐(0) 编辑
摘要: 大模型应用开发初探 : 基于Coze创建Agent Coze(扣子)是字节跳动公司开发的新一代AI应用开发平台,使用这个AI应用开发平台,无论你是否有编码基础,都可以快速搭建基于大语言模型的各类AI Bot,还可以将Bot发布到其他渠道。本文会通过我所学习实践的一些DEMO来了解一下在AI Agent开发中涉及到一些核心概念如工作流、图像流、记忆能力、知识库等等,相信会对大家在今后的AI Agent开发实践中有所帮助。 阅读全文
posted @ 2024-10-08 18:30 EdisonZhou 阅读(1155) 评论(0) 推荐(5) 编辑
摘要: 大模型应用开发初探 : 快速直观感受RAG 检索增强生成(Retrieval Augmented Generation),简称 RAG,它是根据用户输入的提示词,通过自有垂域数据库检索相关信息,然后合并成为一个新的“完备的“提示词,最后再给大模型生成较为准确的回答。这一篇,我们来快速了解下RAG(检索增强生成)并通过一个简单的DEMO来直观感受一下它的作用。 阅读全文
posted @ 2024-09-23 08:30 EdisonZhou 阅读(600) 评论(0) 推荐(3) 编辑
点击右上角即可分享
微信分享提示