Tue Jun 11
今天突然想写一些比较虚的东西。想结合人类的决策因素来讲讲我对人工智能的理解。人来“决策”每个人在生活中要面临各种各样的决策/判定,那么一个问题是我比较好奇的, 我们平时决策的时候究竟有哪些因素影响我们,能让我们在漫漫人生长河中能做出来相对正确的决策到底是因为什么呢? 如果能搞清楚,是不是就能推导出模型学习的过程到底在做什么呢?这个就是今天咱们要聊的核心话题。如果让你来给出一个事情的观点,你觉得需要
阅读更多
Fri Feb 3
今天突然思考一个问题,工作中我们面对各式各样的事情,然后工作的几年时间里也完成了很多事情,那么回头去看这些事情我们究竟做的怎么样呢? 就像算法的工作,经常听到同学们讲目前的现状和未来的规划,然后也能发现目前的问题,那如何看待这个问题是否做的好呢? 接下来想把自己的一点感悟记录下来。做出来所谓的做出来就是我们面对一个事情的最初反应, 交给你一个任务你怎么尽快的做出来一个版本交差,然后心安理得的领到月
阅读更多
Sat Jan 28
终于有时间思考更加宏观的东西啦, 你说面对的系统或者问题有几类? 你是否都是指望把所有的数据train到一个模型里,然后收工回家? 接下来尝试总结一些系统的类型,纯手工制作。观察型系统这类任务是非常普遍的,最简单的进销存类的预测任务。 通过观察销量的变化,从而准备充足的货量,既不让产品过剩也不让产品脱销。这里一定要强调一下,这是一个观察型的任务, 本身我备货多与少不影响需求的变化,预测需求仅仅是为
阅读更多
Mon Nov 14
今天心血来潮突然想写点紧靠业务的文章,做了几年的配送业务,一直没有十分概括的看目前的工作,似乎今天突然想清楚啦。 并不是业务上有多么的精进,而是真的把这个业务能够与现实的生活关联起来,开窍的前兆啦。找了好久终于找到一个像样的图片啦(如图1)。整个配送业务就是一个大的蓄水池系统。配送的最大目标就是让这个系统不要崩坏, 尽可能的稳定和高效的运行。所以就有几个系统需要维持整个配送蓄水池的健康运行(不溢出
阅读更多

智能供应链(零)--供应链简介

供应链自从人类开始生产生活就已经开始存在啦,直到20世纪才被学者提出来,今天我们通过一个小的文章宏观介绍一些供应链的基础知识。供应链系统是一个整合系统,将商流、物流、信息流、资金流进行有机的结合,通过管理这些流程,实现一个高效运作的整体。商流:商流是指供应链中,商品和服务在供应链各个环节的流通交易过程。物流:物流是商品从生产地到消费地点的运输和仓储过程,包括物流、仓储、包装等活动。信息流:信息流是

python+pyspark+jupyter环境搭建

今天抽点时间讲讲环境的问题,对于算法工程师而言,开发环境往往都是最容易被轻视,但是最容易被拖后腿的东西,这个文章主要讲讲如何依据spark环境搭建jupyter的算法开发环境。

运筹规划(十六)--大规模问题优化

Dantizig-Wolfe分解算法本章继续介绍大规模优化问题的求解方式。

运筹规划(十五)--大规模问题优化

本节我们就来讨论在运筹规划如何解决大规模的优化问题。一般会有以下一些方式,我分别进行理解。列生成和分值定价算法拉格朗日松弛算法Dantizig-Wolfe分解算法Benders分解算法。

大模型应用--向量数据库FAISS

向量数据库Faiss是Facebook AI研究院开发的一种高效的相似性搜索和聚类的库。它能够快速处理大规模数据,并且支持在高维空间中进行相似性搜索。Faiss的工作,就是把我们自己的候选向量集封装成一个index数据库,它可以加速我们检索相似向量Top K的过程,一些最有用的算法是在 GPU 上实现的。安装pip install faiss-cpupip install faiss-gpu通过上

大模型基础--Stable Diffusion 模型(多模态)

Stable Diffusion 的发布可以说 AI 图像生成发展过程中的一个重要里程碑,它不仅可以生成高质量的图像,根据提示词生成图像、修改图像,而且运行速度快,所用资源较少。Stable Diffusion 模型的直观理解

漫谈之配送体系(一)

今天继续讨论配送体系,之前谈论好几次配送的指标体系, 这一篇文章我们主要是重新深入的看一下配送体系, 抛开指标体系,看配送体系下的几个角色, 这些角色在系统中的关系, 以及不用场景下这些关系的变化。我是配送圆环这张图基本上就介绍了配送业务到底在干什么样的事情, 用户下单给平台,平台从系统中找到骑手和商家, 商家负责出餐, 骑手负责配送,进而平台完成了了这样一个订单, 产生了平台赖以生存的指标GMV

机器学习之好模型

今天来讲一个有趣的话题, 如何训练一个好的模型呢?如果让你训练一个模型, 效果不好, 你会从哪些方面入手呢? 下面我们就一个一个说, 从上到下应该越来天花板越低。特征丰富程度这一节就是我们经常提到的特征工程。特征利用率数据增强程度模型拟合能力模型拟合成本
Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×