先为不可胜——中小企业生存之道38 第五章 第4节 胜任特征模型 企业选人和用人需要科学的标准,也就是常说的职务说明书或者叫岗位描述。岗位胜任特征模型就是主要解决企业中不同岗位需要明确的岗位关键胜任力素质标准量化的问题,解决实践中我们遇到的什么素质类型的人能够在这个岗位上产生高绩效的问题。 胜任特征指能将某一工作(或组织、文化)中有卓越成就者与表现平平者区分开来的个人的潜在特征,它可以是动机、特质、自 人工智能 2025年05月01日 79 点赞 0 评论 1899 浏览
golang中的map并发读写问题: Golang 协程并发使用 Map 的正确姿势 map 不是并发安全的 官方的faq里有说明,考虑到有性能损失,map没有设计成原子操作,在并发读写时会有问题。 Map access is unsafe only when updates are occurring. As long as all goroutines are only reading—looking up elements in the map, including iter 人工智能 2024年11月04日 190 点赞 0 评论 1786 浏览
华为昇腾310P 176T算力AI 智能计算模组规格书 目录 产 品介绍 ...................................................................................................................................... 3 1、产品简介............. 人工智能 2025年04月24日 131 点赞 0 评论 1773 浏览
打造个人品牌三个快速破圈的方法 个人品牌3个破圈的方法: 1、不断输出 不断地输出内容、资源、能力、技能等,因为只有不断向外输出才会吸引志同道合的人······ 2、真诚利他、主动合作 你要积极地去创造价值,学会价值互换,才会越合作越赚钱······ 3、为价值买单 有用的价值:往往三言两语带你走出弯路(有些真理都在言语当中)······ 无用的价值:就是给你无用的课程让你自己去学(什么也不说什么也不教)······ 人工智能 2025年04月13日 85 点赞 0 评论 1754 浏览
为什么将大文件进行切片,比上传整个文件提升上传效率 1、假设一下子上传一个十几个G的大文件到服务器,对方服务器的剩余空间有可能装不下;将大文件进行切片,那上传的时候,对方就会以分片的形式进行储存。假设对方有多台服务器,其他切片还会分布式存储到别的机器上。不同机器上的切片还会进行切片的备份。理论上来说,提升了上传的稳定性和可靠性。 2、切片的工作是客户端做的,一个切片(block)默认大小为128兆。可以用128兆来区分是大文件还是小文件。 3、客户 人工智能 2025年05月04日 92 点赞 0 评论 1753 浏览
华为数据之道|03 差异化的企业数据分类管理框架|②以统一语言为核心的结构化数据管理 结构化数据包括基础数据、主数据、事务数据、报告数据、观测数据、规则数据。 结构化数据的共同特点是以信息架构为基础,建立统一的数据资产目录、数据标准与模型。 基础数据用于对其他数据进行分类,在业界也称作参考数据。基础数据通常是静态的(如国家、币种),一般在业务事件发生之前就已经预先定义。它的可选值数量有限,可以用作业务或IT的开关和判断条件。当基础数据的取值发生变化的时候,通常需要对流程和IT系统 人工智能 2025年04月21日 145 点赞 0 评论 1694 浏览
【AI 大模型】RAG 检索增强生成 ④ ( 向量相似度计算 | 余弦距离 | 欧式距离 | OpenAI 文本向量模型 | 手动实现的 余弦相似度 和 欧氏距离 函数计算 ) 文章目录 一、向量相似度计算 二、余弦距离 1、余弦距离 概念 2、余弦距离 特点 3、余弦距离 适用场景 4、余弦距离 代码示例 三、欧式距离 1、欧式距离 概念 2、欧式距离 特点 3、欧式距离 适用场景 4、欧式距离 代码示例 四、OpenAI 文本向量模型 1、OpenAI 的 text-embedding-ada-002 文本向量模型 2、使用 人工智能 2025年04月24日 97 点赞 0 评论 1648 浏览
多维学习 不读书的人,没什么好焦虑的。 学习的秘密在于同时调动多维度感官。 真正的学习绝不仅仅涉及思维这一个维度,它包含视觉、听觉、味觉、嗅觉、触觉等所有感知维度。 知识和智慧不是一回事,智慧是去实践。知识中的很大一部分存在于潜意识中,这部分知识如果不去运用就得不到很好的发展。 纸上的知识是一维的,而躬行出来的认知则是多维的。所以在人的成长过程中,除了读书,更重要的还是运用实践、经世致用啊! 对于学习,特别 人工智能 2025年03月20日 37 点赞 0 评论 1613 浏览
2. 从机器学习的基本概念开始 从我个人意愿来说呢,更想跳过这一章节。为什么呢?因为对我自己而言,再重温机器学习的基本概念,意义并不大,毕竟算法的代码实现都在玩了,基本概念也是清楚的,又不用参加考试,那么就更没有必要将概念教条式的背下来了。 不过,考虑到学习机器学习的还是存在一批“纯白”,甚至于是转行过来的,这些概念就有似乎有必要了。记得前段时间,我有个前同事,就报了一个人工智能的学习班。她的专业以及技能偏向,应属于广告营销领域 人工智能 2025年05月07日 131 点赞 0 评论 1552 浏览
R稀疏矩阵转化稠密矩阵|使用as.matrix()报错:Cholmod error 'problem too large' 在进行一些数据分析是经常会需要将一个数据对象转化为矩阵,以及稀疏矩阵(sparse matrix)和稠密矩阵之间的互化。 问题&报错 在R环境中,用的非常普遍的函数就是as.matrix(),但是,当转化的稀疏矩阵对象非常巨大的时候,例如细胞数目非常多的单细胞数据,R就会报如下类似的错误: Error in asMethod(object) : Cholmod error 'probl 人工智能 2025年04月30日 147 点赞 0 评论 1511 浏览