分类目录归档：个人成长
目录
• 第1章 引言
• 1.1 目标
• 1.2 历史
• 1.3 应用
• 1.4 生物学启示
• 1.5 扩展阅读
• 第2章 神经元模型与网络结构
• 2.1 目标
• 2.2 理论与例子
• 2.2.1 McCulloch - Pitts神经元模型
• 2.2.2 线性联想器
• 2.2.3 神经网络结构
• 2.3 小结
• 2.4 例题
• 2.5 结束语
• 2.6 习题
• 第3章 一个说明性的例子
• 3.1 目标
• 3.2 理论与例子
• 3.2.1 问题描述
• 3.2.2 感知机
• 3.2.3 Hamming网络
• 3.2.4 Hopfield网络
• ...
目录
• 第1章 时间序列预测概述
• 1.1 时间序列预测的机器学习方法
• 1.2 时间序列预测的监督学习
• 1.3 基于pandas的时间序列预测
• 1.4 时间序列预测的实验设置
• 1.5 总结
• 第2章 如何在云上设计一个端到端的时间序列预测解决方案
• 2.1 时间序列预测模板
• 2.1.1 业务理解和性能度量
• 2.1.2 数据源提取
• 2.1.3 数据探索与理解
• 2.1.4 数据预处理和特征工程
• 2.1.5 模型的创建和选择
• 2.2 需求建模技术概述
• 2.2.1 模型开发
• 2.2.2 模型部署
• 第3章 时间序列数据的准备
• 3.1 ...
以下是一篇关于 “Autogen: An Open-Source Programming Framework for Agentic AI” 的技术分析报告：
一、引言
随着人工智能技术的迅速发展，Agentic AI 作为一种新兴的范式，旨在赋予智能体（agents）自主决策、交互协作以及执行复杂任务的能力，以实现更加智能和高效的系统。Autogen 作为一个开源的编程框架，为 Agentic AI 的开发提供了有力的支持和工具，本报告将深入分析其技术特点、架构设计、功能实现以及潜在的应用领域和未来发展方向。
二、技术概述
Autogen 是一个专注于...
机器学习是一门多领域交叉学科，旨在让计算机通过数据来自动学习规律和模式，而无需进行明确的编程。其发展历程可以追溯到 20 世纪中叶，随着计算机技术的不断进步，逐渐成为人工智能领域的重要组成部分。
从原理上讲，机器学习算法通过对大量数据的分析，尝试发现其中的潜在规律，从而对新的数据进行预测或分类。它主要包含三大任务类型：监督学习、无监督学习和强化学习。 - 监督学习：在监督学习中，模型通过带有标注的训练数据进行学习，例如给定一组房屋面积、房间数量等特征以及对应的房价数据，模型可以学习到特征与房价之间...
为什么伟大不能被计划
5000天后的世界
Python神经网络编程
在日常生活的忙碌与纷扰中，我们常常陷入无尽的事务堆里。比如，想要学习新知识提升自己，又想在社交平台拓展人脉，同时还得兼顾健身锻炼保持健康，结果却往往是每件事都做得不尽如人意。这时候，我们需要思考，在这众多事务之中，是否真正重要的事情永远都只有一件？就像航行在茫茫大海中的船只，如果没有一个明确的目的地，任何风向都将是逆风。当我们明确了那件最重要的事，就如同为自己的行动找到了一个精准的导航，所有的努力才能汇聚成一股强大的力量，推动我们向着目标稳步前行。
同时处理多事看似高效，实则弊端重重。研究表明，当人们在多个任务之间频...
在当今科技浪潮汹涌澎湃的时代，人工智能（AI）如同一颗璀璨的星辰，照亮了人类探索未知、创新发展的道路。对于那些毅然踏上学习 AI 征程，并持之以恒坚持一年的人而言，这将是一段充满挑战与惊喜、艰辛与收获的非凡历程，其在知识储备、技能掌握、思维塑造以及职业发展等多方面都将经历深刻的蜕变与升华，逐步跻身于智能时代的前沿行列，为个人的未来开辟出一片广阔无垠且充满无限可能的新天地。
在这一年的学习时光中，AI 学习者首先会沉浸于一个浩瀚而深邃的知识海洋，逐步构建起一座坚实且完备的知识大厦。基础数学知识无疑是这座大厦的基石，线性代数中...
在当今科技飞速发展的时代，人工智能（AI）无疑是最具影响力和潜力的领域之一。如果坚持一年学习 AI，将会踏上一段充满挑战与机遇的成长之旅，在知识、技能和思维等多方面实现显著的蜕变，逐步走进智能时代的核心领域，为未来的职业发展和个人成长奠定坚实的基础。
学习 AI 的第一年，首先会接触到其丰富而多元的知识体系。从基础的数学知识，如线性代数、概率论与数理统计、微积分等，到深入的机器学习算法，包括线性回归、逻辑回归、决策树、支持向量机、神经网络等，这些知识如同基石，逐步搭建起对 AI 理解的大厦。
在最初的几个月里，通过系统...