人工智能
Top10［十分读书社2022年3月读书分享］
image
十分读书社自成立，这是正式运转第三个月，本月共收到读书分享77篇，比上月63篇增加了14篇，一方面是增加不少社员，另一方面是社员们投稿数量增加了，现根据奖励办法，对前十名进行奖励：
每月推荐一篇收益最高的读书分享，按排名给予奖学金。
第1名：50贝
第2-3名：30贝
第4-10名：10贝
第1名：佛晓星辉 读书||尘世里的暂坐——读《暂坐》有感 127.4
第
AI浪潮涌，数据库“融合智能”奏响产业新乐章
一、场景重塑产业格局：数据库“融合进化”AI浪潮奔涌而至，数字产业格局加速重构。云计算、移动互联、万物互联（IoT）、人工智能（AI）等技术的深度融合与快速落地，正以前所未有的速度重塑着企业的应用形态。新业务场景层出不穷——从高并发的在线交易、实时精准的分析决策，到海量物联网设备监控、
（DB-GPT） AI直接查询数据库！！手把手教你搭建属于自己的数据分析助手
🤖️ DB-GPT简介（转自官网#xff09;DB-GPT是一个开源的AI原生数据应用开发框架(AI Native Data App Development framework with AWEL(Agentic Workflow Expression Language) and Agents)。
目的是构建大模型领域的基
future——加速你的单细胞分析
由于单细胞数据本身就具有数据量大的特点，所以在进行单细胞数据分析时往往会出现运行时间太长的问题。
不过好在 Seurat 为我们提供了部分函数与 future 并行计算的链接。
安装future
future已经托管到CRAN上了，所以我们可以直接通过CRAN对其进行安装：
install.packages("future")
支持future并行计算的函数
NormalizeData
《AI大模型应知应会100篇》第5篇：大模型发展简史：从BERT到ChatGPT的演进
第5篇：大模型发展简史：从BERT到ChatGPT的演进
摘要近年来，人工智能领域最引人注目的进步之一是大模型（Large Language Models, LLMs）的发展。这些模型不仅推动了自然语言处理（NLP）技术的飞跃，还深刻改变了人机交互的方式。本文将带领读者回顾大模型发展的
一文讲完random：python中的随机模块
我们在python工程和数据分析中经常用到随机的操作，比如随机生成某个值，对一串数据进行随机排序等等。random是python一个很强的第三方库，可以实现常用的随机算法。
安装：pip install random
一：生成随机的数字
0~1之间的随机小数（float）：random.random()
a~b之间的随机小数（float）：random.uniform(a, b)
[a, b)之
R语言-超大型数据框与稀疏矩阵的切片-处理as.matrix方法的“problem too large”异常
单细胞组学数据分析接触到的项目大都使用平面文件(rds,txt,tsv,csv,mtx)进行数据存储。有时候，我们会操作相当大的平面文件，而超大型的数据集如（一个包含约 100 万个细胞和约 3 万个基因的表达矩阵）在进行数据类型转换等处理的时候会遇到异常Error in asMethod(object) : Cholmod error 'problem too large'，指的是其中 as.
@Scheduled定时器原理（以及@RefreshScope 相互影响）
1.ScheduledAnnotationBeanPostProcessor
@EnableScheduling
@Import(SchedulingConfiguration.class)
注册了ScheduledAnnotationBeanPostProcessor
@RestController
@RefreshScope //动态感知修改后的值
public class
