wsyl

摘要： 一、 AI产业现状：极速进化与战略迁徙 1. 核心技术与产业走向 当前的AI行业已经彻底脱离了“讲故事”的概念期，全面进入规模化商用落地阶段。各大AI公司的战略重心正在发生三大迁徙： 从“虚拟大脑”走向“物理智能”：巨头们正疯狂布局具身智能（Embodied AI）和世界模型，让AI拥有身体并理解物 阅读全文

摘要： 按照业务目标→实现流程→算法求解→调优评估→故障解决的完整链路整理，逻辑连贯，方便背诵和复盘。 一、核心用途 线性回归是回归类基础算法，用于预测连续型数值。 目标：找到自变量（特征 \(x\)）与因变量（标签 \(y\)）之间的线性关系，实现预测。 适用场景：房价预测、销量预测、气温预测等。 模型形 阅读全文

摘要： 本文是文本预处理完整版总结，从数据探索、特征处理到数据增强，覆盖NLP建模前所有必须步骤，代码可直接运行，小白也能轻松上手。 一、文本预处理到底在做什么？ 文本预处理 = 让文本从“人话”变成“机器能读懂的数据” 完整流程： 原始文本 → 数据分析（看懂数据）→ 清洗/特征处理 → 数据增强 → 模 阅读全文

摘要： 本文是自然语言处理 NLP 入门——文本预处理（上） 完整学习笔记，包含概念、分词、词向量、Word2Vec、Embedding 以及可视化实战，适合发博客、复习、面试使用。 一、文本预处理概述 1. 什么是文本预处理 文本在送入模型之前，必须经过一系列清洗、转换、规范化，才能变成模型可接受的张量（ 阅读全文

摘要： 大家好，这篇文章是我学习机器学习基础的完整笔记，涵盖 AI/ML/DL 关系、核心术语、算法分类、建模流程、特征工程、模型拟合等必备知识点，适合零基础入门、面试复习。 一、人工智能、机器学习、深度学习三者关系 1. 基本定义 AI（人工智能）：用计算机模拟/替代人类大脑智能行为，是最大的范畴。 ML 阅读全文

摘要： 一、RNN 整体简介 1. 什么是 RNN 循环神经网络（RNN）是专门处理序列数据的神经网络。 普通神经网络只能处理独立数据，R 拥有记忆能力，能记住前面时刻的信息，适合前后有依赖的数据。 2. 序列数据举例 文字、句子、语音、股市数据、天气数据，都是前后有关系的序列。 3 常见应用场景 自然语言 阅读全文

摘要： 一、图像基础入门 1. 图像像素原理 图像由无数像素点组成 像素取值范围：0 ~ 255 像素越靠近 0 越黑，越靠近 255 越白 2. 彩色图像结构 彩色图由 R、G、B 三通道构成 图像标准格式：H（高）× W（宽）× C（通道） 3. Python 图像操作 plt.imread() 读取图 阅读全文

摘要： 一、神经网络基本概念 1. 什么是人工神经网络 人工神经网络（ANN）模仿生物神经元结构与工作方式： 生物神经元通过树突接收信号、加权处理后由轴突输出； 人工神经元则做加权求和 + 激活函数，是深度学习网络的最小单元。 2. 网络三层核心结构 输入层：接收原始特征数据（图像、文本、表格特征） 隐藏层 阅读全文

摘要： 一、PyTorch 框架简介 1. 基本介绍 PyTorch 是基于 Python 的开源深度学习框架，核心数据载体是张量（Tensor），主打灵活易用、动态图机制，在学术研究、工业落地、计算机视觉、自然语言处理、强化学习等领域广泛使用。 2. 安装命令 pip install torch -i h 阅读全文

摘要： 一、深度学习基本定义与层级关系 1. 包含关系 人工智能 > 机器学习 > 深度学习 机器学习：是实现人工智能的主流途径 深度学习：是机器学习的子集，基于多层人工神经网络做自动特征学习 2. 深度学习核心概念 深度学习模仿人脑神经网络结构，通过多层网络+非线性变换，从原始数据中逐层自动提取特征： 浅 阅读全文