Skip to content

Commit c6dc572

Browse files
📝 删除冗余文档,优化文档结构
- 删除了多个冗余文档,包括模型社区与部署、提示词工程、Agent开发等,提升了文档的整洁性和可读性。 - 确保文档内容更加集中,便于用户快速获取关键信息,优化了整体文档结构。
1 parent f6b8612 commit c6dc572

File tree

9 files changed

+18
-6
lines changed

9 files changed

+18
-6
lines changed

docs/docs/机器学习/index.md

Lines changed: 4 additions & 2 deletions
Original file line numberDiff line numberDiff line change
@@ -7,7 +7,7 @@ title: 🚧机器学习
77

88
机器学习的原理其实很简单,创建一个复杂函数,猜测其中的权重的值。然后根据结果来更新这个值。
99

10-
具体的内容我们可以尝试编写一个求某个数的平方根的例子
10+
下面是一个只用加减乘除实现求某数平方根的示例
1111

1212
```python showLineNumbers
1313
# 我们要求解的数
@@ -28,7 +28,7 @@ for epoch in range(epochs):
2828
# 计算损失: 均方误差 (MSE)
2929
loss = (prediction - target_number) ** 2
3030

31-
# 反向传播: 计算梯度
31+
# 反向传播: 计算损失(loss)对权重(weight)的梯度
3232
gradient = 2 * (prediction - target_number) * 2 * weight
3333

3434
# 更新权重 (梯度下降)
@@ -40,12 +40,14 @@ print(f"误差: {target_number - prediction}")
4040
```
4141

4242
上述代码展示了机器学习的核心概念:
43+
4344
1. **学习率**:控制每次参数更新的步长
4445
2. **前向传播**:使用当前权重进行预测
4546
3. **损失计算**:衡量预测值与目标值之间的差距
4647
4. **反向传播**:计算损失对权重的梯度
4748
5. **梯度下降**:沿梯度方向更新权重,最小化损失函数
4849

50+
4951
这个简单的例子虽然不是典型的神经网络,但展示了机器学习的基本原理:通过不断调整参数,使模型输出逐渐接近目标值。
5052

5153
<DocCardList />

docs/docs/机器学习/传统算法/index.md

Lines changed: 1 addition & 1 deletion
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,6 @@
11
---
22
sidebar_position: 2
3-
title: 传统算法入门
3+
title: 传统算法
44
---
55

66
## scikit-learn 数据的来源?
Lines changed: 1 addition & 1 deletion
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,6 @@
11
---
22
sidebar_position: 4
3-
title: 决策树与随机森林
3+
title: 决策树
44
---
55

66
## 决策树

docs/docs/机器学习/神经网络/index.md

Lines changed: 1 addition & 1 deletion
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,6 @@
11
---
22
sidebar_position: 3
3-
title: 🚧神经网络入门
3+
title: 神经网络
44
---
55

66
## skorch
Lines changed: 3 additions & 1 deletion
Original file line numberDiff line numberDiff line change
@@ -1,8 +1,10 @@
11
---
22
sidebar_position: 8
3-
title: 🚧大模型部署与应用
3+
title: 模型部署与应用
44
---
55

6+
大模型部署与应用属于交叉岗位,既要对模型特性有所了解,更要对接口开发熟悉。
7+
68
大模型目前普及主要的问题是幻觉,因此需要高度人类监管。大模型一般指代大量参数和计算资源的机器学习模型,下面二者都是,但易于混淆:
79

810
AIGC(生成式 AI)是 AI 生成内容,包括文本、图像、音频、视频等。
Lines changed: 8 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -0,0 +1,8 @@
1+
### MCP
2+
3+
一种专为大模型设计的API接口,简单易用,岗位要求基本与传统API开发一致,但需要对大模型特性有所了解。
4+
5+
### A2A
6+
7+
A2A 是 Agent 到 Agent 的通信,是多智能体系统中的一种通信方式。
8+

0 commit comments

Comments
 (0)