人工智能

从踩坑到高效选型:基于 AI Ping 平台的 20+MaaS 供应商、220 + 模型服务性能(延迟 / 吞吐 / 可靠性):深度评测与大模型选型指南

从踩坑到高效选型:基于 AI Ping 平台的 20+MaaS 供应商、220 + 模型服务性能(延迟 / 吞吐 / 可靠性):深度评测与大模型选型指南 前言 大模型选型,我个人前段时间就面临这个问题,我们团队第一次要做智能客服项目,明确要求选 “性价比高、性能稳” 的国内大模型

SAS编程-Efficacy:如何利用Logistic回归模型预测事件发生概率?

项目中一张Table需要基于Logistic回归模型,输出某事件发生的概率。该模型中,因变量为二分类资料,表示事件发生与否;自变量为定量资料。Table中需要输出,当自变量为特定值时,事件发生的概率以及对应的可信区间。 这篇文章简单介绍回归模型,然后分享Logistic回归模型预测概率的SAS程序实现。 1. 回归模型简介 我们常说的自变量(X)与因变量(Y)的关系是,自变量影响因变

正弦交流电的三要素

正弦电流的波形i=Imsin(ωt+φ) 式中 Im——幅值;    φ——初相位;    ω——角频率。 幅值、初相位和角频率统称为正弦量的三要素。正弦量在任一瞬间的值称为瞬时值,已知正弦量的三要素,即可确定正弦量的瞬时值。 (1)幅值 正弦量瞬时值中的最大值称为幅值,表示交流电的强度,用Im表示。 (2)角频率 在单位时间内正弦量变化的角度称为角频率,反映了正弦量的变化快慢程度,用W表示,单位

利用nnls进行反卷积运算

相比较SVR而言,这里有另外一种解决单细胞反卷积的方法,nnls(非负最小二乘) 文章链接:《Bulk tissue cell type deconvolution with multi-subject single-cell expression reference》 核心思想 Xjp 代表给定tissue的 sample j 中gene g的mRNA分子数 Xjpc 代表给定

从头到尾,建一个kylin多维分析Cube

实践到第三次了,作一下比较完整的记录。 一,启动kylin测试的docker,保证Hive命令能正常执行 docker run -d --name kylin -p 7070:7070 -p 8088:8088 -p 50070:50070 -p 8032:8032 -p 8042:8042 -p 16010:16010 apachekylin/apache-kylin-standalone

常见文本分类模型

1. Fasttext 1.1 模型架构 Fasttext模型架构和Word2vec的CBOW模型架构非常相似,下面就是FastText模型的架构图: 从上图可以看出来,Fasttext模型包括输入层、隐含层、输出层共三层。其中输入的是词向量,输出的是label,隐含层是对多个词向量的叠加平均 CBOW的输入是目标单词的上下文,Fasttext的输入是多个单词及其n-gram特

获取公共类的测试数据

import java.util.List; import java.util.stream.Collectors; import java.util.stream.Stream; public class FilerDemo { public static void main(String[] args) { List<Employee> list = Employee.getEmp

企业AI落地,烧光2000万,CIO被裁...总结了15条教训

最近,K哥的“企业AI落地私董会”拜访了我的老朋友李总。李总是国内某大型零售企业董事长,也是圈内最早一批真刀真枪推动AI落地的企业家,CIO都换了两任。几杯浓茶下肚,李总跟K哥掏心窝子分享了他们这几年在AI转型上,花费了近2000万“学费”才总结出来的15条“血泪教训”,K哥特地整理出来,分享给大