AI的提示词专栏：Prompt 编写的日志分析与关键字聚类
AI的提示词专栏：Prompt 编写的日志分析与关键字聚类
本文围绕 Prompt 在日志分析与关键字聚类中的应用展开，先阐述该技术的行业价值，指出其可解决海量日志人工处理效率低、格式混乱、关键字关联分析缺失等痛点。接着介绍日志类型、关键字聚类维度等核心概念，随后详细给出日志分析与关键字聚类类 Prompt 的通用编写框架࿰
人工智能
人工智能从入门到精通：大语言模型（LLM）应用开发流程与实战项目
第十三篇：大语言模型（LLM）应用开发流程与实战项目
学习目标💡 理解大语言模型（LLM）应用开发的完整流程
💡 掌握 RAG（检索增强生成）、Agent 等主流 LLM 应用架构的设计与实现
💡 学习使用 LangChain 工具开发 LLM 应用的
【数据治理】数据元、元数据概述
数据治理
数据元
什么是数据元：
《GB/T 19488.1 电子政务数据元第1部分：设计和管理规范》 里是这样定义的：
数据元（Data element）：又称数据类型，通过定义、标识、表示以及允许值等一系列属性描述的数据单元。在特定的语义环境中被认为是不可再分的最小数据单元。
举例说明:
语义环境：描述员工年龄的大小 age为数据元，“18“为数据元的值。
数据元一般来说由
CNN+LSTM：智能合约漏洞检测
今天记录一下最近将深度学习方法用于智能合约漏洞检测的第一次实验，顺便给研究这方向的同行们提供一点借鉴意义。这个方法跟NLP有点相似，但又不太一样，因为操作码序列虽然具备一定语义信息，但偏向底层机器语言，所以刚开始我并不确定最终能不能达到很好的训练效果。这个实验的完整过程如下：首先通过插桩在本地链上同步当前以太坊的部分区块交易数据，借此拿到每笔交易的操作码序列、合约地址等等原始数据；接着通过word
ggplot2图形艺术: 1. 绘图基础
Hadley Wickham大神的ggplot2. Elegant Graphics for Data Analysis原版已经推到了第三版，
决定温故而知新。再来整理一遍。
在这一章节的内容里会学习到以下内容。
用mpg数据集进行ggplot2可视化
ggplot三要素: 数据，映射，图形
如何给plot添加变量
如何运用
复现NC文章华夫图(方块图)-华丽展示实验样本构成
样本构成是实验的开端，也是后续分析的基础，所以样本信息在论文中需要详细展示，涉及到你实验的真实性和可重复性。一般样本构成可以使用AI做示例图，有些临床采样，可以使用柱状体的方式展示，我们之前讲过一种。最近在NC文章中看到用华夫图表示样本的构成，感觉效果很好，这里复现一下。原文图如下：
image.png
（Single cell analysis of cribriform pro
假阳性与好错误 —— 读《醉汉的脚步》（七）
这一章是在介绍贝叶斯概率，也曾经称之为“逆概率”：
贝叶斯理论所讨论的全部内容，就是当其他事件已经发生，或说给定其他事件发生的前提下，对于某事件发生的可能性所造成的影响。
案例：
为了看看这个影响究竟为何，我们转到与第三章中的两个女儿问题相关的另一个问题上来。设想一个远房表亲有两个孩子。回想一下，在两个女儿问题中，我们知道这两个孩子中有一个或两个是女孩，而我们要搞清的，则是到底有几个女孩，一个还是
