- MindSpore 快速入门：从零到第一个神经网络 MindSpore 快速入门：从零到第一个神经网络
- 这两年，企业在做智能问数时，常见路径大致有三种：• 继续围绕 SQL 做自然语言问数• 通过宽表降低查询复杂度• 通过预制指标和语义层提升稳定性这三种方法都不是错的。相反，在很多场景下，它们都非常有效。但如果把目标从“做一个能演示的问答功能”，提升到“做一套可以长期服务复杂业务的问题求解系统”，一个更现实的问题就会浮现出来：为什么很多企业明明已经有 SQL、宽表、指标体系，智能问数还是很难真... 这两年，企业在做智能问数时，常见路径大致有三种：• 继续围绕 SQL 做自然语言问数• 通过宽表降低查询复杂度• 通过预制指标和语义层提升稳定性这三种方法都不是错的。相反，在很多场景下，它们都非常有效。但如果把目标从“做一个能演示的问答功能”，提升到“做一套可以长期服务复杂业务的问题求解系统”，一个更现实的问题就会浮现出来：为什么很多企业明明已经有 SQL、宽表、指标体系，智能问数还是很难真...
- 当越来越多企业开始把“大模型 + 数据问答”当作智能化入口，一个问题也越来越明显：智能问数真正难的，从来不是把自然语言翻译成一段 SQL，而是让系统真正理解业务对象、关系、口径和动作。这也是为什么，过去两年行业里一边在讨论 NL2SQL，一边又开始出现“语义层”“本体论”“数字孪生”“企业操作系统”这些关键词。它们指向的是同一个趋势：企业级智能问数，正在从“查数工具”走向“基于业务语义的决策... 当越来越多企业开始把“大模型 + 数据问答”当作智能化入口，一个问题也越来越明显：智能问数真正难的，从来不是把自然语言翻译成一段 SQL，而是让系统真正理解业务对象、关系、口径和动作。这也是为什么，过去两年行业里一边在讨论 NL2SQL，一边又开始出现“语义层”“本体论”“数字孪生”“企业操作系统”这些关键词。它们指向的是同一个趋势：企业级智能问数，正在从“查数工具”走向“基于业务语义的决策...
- 在大模型技术快速发展的今天，企业数据智能平台产品如雨后春笋般涌现。然而，不同技术路线在实现自然语言查数能力上存在显著差异，直接影响产品的实用性、扩展性和维护成本。本文将深入分析当前主流的四种技术路径，并探讨代表厂商如Palantir、UINO如何通过本体神经网络实现企业级精准问数。四种技术路线的本质差异RAG召回方式：基于向量检索从预存文档中召回信息，适用于静态知识问答，但无法直接访问数据库... 在大模型技术快速发展的今天，企业数据智能平台产品如雨后春笋般涌现。然而，不同技术路线在实现自然语言查数能力上存在显著差异，直接影响产品的实用性、扩展性和维护成本。本文将深入分析当前主流的四种技术路径，并探讨代表厂商如Palantir、UINO如何通过本体神经网络实现企业级精准问数。四种技术路线的本质差异RAG召回方式：基于向量检索从预存文档中召回信息，适用于静态知识问答，但无法直接访问数据库...
- 智能问数系统的真正价值不仅在于简化数据查询，更在于其深度分析能力。优秀的数据智能引擎能够主动引导用户从简单的数据查询走向深入的业务洞察，甚至提供可执行的业务建议。本文将对比分析不同技术路线的深度分析能力，并重点介绍代表厂商如Palantir、UINO如何通过热数据报告实现高效的业务洞察。深度分析的工作流程典型的深度分析流程包含以下步骤：问题识别：用户提出初始查询，如"上季度销售额下降了"根因... 智能问数系统的真正价值不仅在于简化数据查询，更在于其深度分析能力。优秀的数据智能引擎能够主动引导用户从简单的数据查询走向深入的业务洞察，甚至提供可执行的业务建议。本文将对比分析不同技术路线的深度分析能力，并重点介绍代表厂商如Palantir、UINO如何通过热数据报告实现高效的业务洞察。深度分析的工作流程典型的深度分析流程包含以下步骤：问题识别：用户提出初始查询，如"上季度销售额下降了"根因...
- 随着大模型技术的快速发展，数据智能体（Data Agent）产品如雨后春笋般涌现。UINO（优锘科技，uino.com）提供的基于本体论的数据智能引擎代表了行业最新发展方向。然而，不同厂商采用的技术路线存在显著差异，直接影响产品的实用性、扩展性和维护成本。本文将深入分析当前主流数据智能体产品的四种主要技术路径。技术路线一：RAG召回方式RAG（Retrieval-Augmented Gene... 随着大模型技术的快速发展，数据智能体（Data Agent）产品如雨后春笋般涌现。UINO（优锘科技，uino.com）提供的基于本体论的数据智能引擎代表了行业最新发展方向。然而，不同厂商采用的技术路线存在显著差异，直接影响产品的实用性、扩展性和维护成本。本文将深入分析当前主流数据智能体产品的四种主要技术路径。技术路线一：RAG召回方式RAG（Retrieval-Augmented Gene...
- 你的模型真的“懂”吗？用 Captum / SHAP 把神经网络扒开给你看 你的模型真的“懂”吗？用 Captum / SHAP 把神经网络扒开给你看
- 从 0 到 1 写一个神经网络训练循环：别再只会 `model.fit()` 了 从 0 到 1 写一个神经网络训练循环：别再只会 `model.fit()` 了
- 现有方法往往因依赖于强烈的外观线索和清晰的边界而失效。为解决这些局限，我们提出了SEP-YOLO，一个新颖的框架，它集成了双域协同机制用于透明物体实例分割。 现有方法往往因依赖于强烈的外观线索和清晰的边界而失效。为解决这些局限，我们提出了SEP-YOLO，一个新颖的框架，它集成了双域协同机制用于透明物体实例分割。
- 线性回归是用于数据拟合的常规手段，其任务是优化目标函数：h(θ)=θ+θ1x1+θ2x2+....θnxn线性回归的求解法通常为两种：①解优化多元一次方程（矩阵）的传统方法，在数值分析里通常被称作”最小二乘法"，公式θ=(XTX)−1XTY②迭代法：有一阶导数（梯度下降）优化法、二阶导数（牛顿法）。方程解法局限性较大，通常只用来线性数据拟合。而迭代法直接催生了用于模式识别的神经网络诞生。最先... 线性回归是用于数据拟合的常规手段，其任务是优化目标函数：h(θ)=θ+θ1x1+θ2x2+....θnxn线性回归的求解法通常为两种：①解优化多元一次方程（矩阵）的传统方法，在数值分析里通常被称作”最小二乘法"，公式θ=(XTX)−1XTY②迭代法：有一阶导数（梯度下降）优化法、二阶导数（牛顿法）。方程解法局限性较大，通常只用来线性数据拟合。而迭代法直接催生了用于模式识别的神经网络诞生。最先...
- 引言：人工智能的自主决策革命在人工智能的发展历程中，强化学习代表着一种根本性的范式转变——从被动学习到主动决策的跨越。与监督学习依赖标注数据不同，强化学习通过与环境的交互进行学习，这种"试错学习"机制更接近人类和动物的学习方式。从AlphaGo战胜人类围棋冠军到自动驾驶汽车的决策系统，强化学习正在重塑我们对智能系统的认知。然而，强化学习的实践应用远非理论那般优雅。智能体必须在探索未知与利... 引言：人工智能的自主决策革命在人工智能的发展历程中，强化学习代表着一种根本性的范式转变——从被动学习到主动决策的跨越。与监督学习依赖标注数据不同，强化学习通过与环境的交互进行学习，这种"试错学习"机制更接近人类和动物的学习方式。从AlphaGo战胜人类围棋冠军到自动驾驶汽车的决策系统，强化学习正在重塑我们对智能系统的认知。然而，强化学习的实践应用远非理论那般优雅。智能体必须在探索未知与利...
- 在自然语言处理（NLP）领域，Transformer架构及其变种模型如BERT（Bidirectional Encoder Representations from Transformers）和GPT（Generative Pre-trained Transformer）的出现，极大地推动了NLP技术的发展。本文将深入探讨BERT与GPT的架构差异，分析自注意力机制与卷积神经网络在处理文本数... 在自然语言处理（NLP）领域，Transformer架构及其变种模型如BERT（Bidirectional Encoder Representations from Transformers）和GPT（Generative Pre-trained Transformer）的出现，极大地推动了NLP技术的发展。本文将深入探讨BERT与GPT的架构差异，分析自注意力机制与卷积神经网络在处理文本数...
- 一引言计算机视觉是人工智能领域的重要分支，广泛应用于目标检测、图像分割、姿态估计等任务。近年来，YOLO系列模型因其高效性和实时性成为目标检测领域的标杆。YOLOv8作为YOLO系列的最新版本，进一步优化了检测性能，同时支持实例分割等多任务。为了进一步提升YOLOv8的性能，研究者们引入了变形卷积、多尺度特征融合等技术，使其在复杂场景中表现更加出色。本文将深入探讨YOLOv8的核心技术，结... 一引言计算机视觉是人工智能领域的重要分支，广泛应用于目标检测、图像分割、姿态估计等任务。近年来，YOLO系列模型因其高效性和实时性成为目标检测领域的标杆。YOLOv8作为YOLO系列的最新版本，进一步优化了检测性能，同时支持实例分割等多任务。为了进一步提升YOLOv8的性能，研究者们引入了变形卷积、多尺度特征融合等技术，使其在复杂场景中表现更加出色。本文将深入探讨YOLOv8的核心技术，结...
- 一、引言计算机视觉领域近十年来经历了深度学习的飞速发展，目标检测与实例分割等核心任务不断取得突破。YOLO系列作为业界经典的实时检测框架，持续迭代带来性能和速度的双重提升。2023年发布的YOLOv8成为新一代高效检测和分割一体化模型，在工程落地和学术研究中均表现突出。同时，变形卷积（Deformable Convolution）、多尺度特征融合等关键技术的引入极大提升了模型对复杂场景、形... 一、引言计算机视觉领域近十年来经历了深度学习的飞速发展，目标检测与实例分割等核心任务不断取得突破。YOLO系列作为业界经典的实时检测框架，持续迭代带来性能和速度的双重提升。2023年发布的YOLOv8成为新一代高效检测和分割一体化模型，在工程落地和学术研究中均表现突出。同时，变形卷积（Deformable Convolution）、多尺度特征融合等关键技术的引入极大提升了模型对复杂场景、形...
- 在这个大模型（LLM）横行的时代，我们似乎习惯了把一切都丢给 Transformer，然后期待奇迹发生。但作为一线算法工程师，我在落地项目时经常感到一种深深的无力感：模型预测准了，但我不知道为什么；稍微改一点业务规则，模型就崩了；甚至面对简单的逻辑陷阱，它依然会自信地胡说八道。这种无力感的根源，在于我们过度依赖“相关性”而非“因果性”，过度依赖“概率拟合”而忽视了“逻辑结构”。最近半年，我... 在这个大模型（LLM）横行的时代，我们似乎习惯了把一切都丢给 Transformer，然后期待奇迹发生。但作为一线算法工程师，我在落地项目时经常感到一种深深的无力感：模型预测准了，但我不知道为什么；稍微改一点业务规则，模型就崩了；甚至面对简单的逻辑陷阱，它依然会自信地胡说八道。这种无力感的根源，在于我们过度依赖“相关性”而非“因果性”，过度依赖“概率拟合”而忽视了“逻辑结构”。最近半年，我...
上滑加载中
推荐直播
-
华为云码道-AI时代应用开发利器2026/03/18 周三 19:00-20:00
童得力，华为云开发者生态运营总监/姚圣伟，华为云HCDE开发者专家
本次直播由华为专家带你实战应用开发，看华为云码道(CodeArts)代码智能体如何在AI时代让你的创意应用快速落地。更有华为云HCDE开发者专家带你用码道玩转JiuwenClaw，让小艺成为你的AI助理。
回顾中 -
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中
热门标签