Home

深度!程序员生涯的垃圾时间(下)

6 程序员正处于这场技术革命的风暴中心,面临着被取代的命运。然而,这场技术革命的过渡期,也是程序员们的黄金转型期。因为程序员是距离这个时代变革最近的一群人。程序员的技术背景、编程能力、逻辑思维,都和AI技术天生契合。那些可以持续学习、快速适应并且创新的人,将能够在AI主导的未来中占据优势。 可以肯定的是,未来人们和AI的关系会越来越紧密。AI的诞生使得世界的工作效率进入了一个更加高速的时代。换句话说,各种工作的过程耗时会极大地缩短,我们可以更快速地拿到结果,省去人工的中间过程。绝大部分的工作会变得以结果为导向。 以编程为例,在AI时代下,世界上的程序必然会大量涌现,但与此同时,程序员的数量却在急剧减少。AI使编程的过程极大地简化,但编程的结果—程序本身在全球范围内仍有巨大的需求。 ...

Read more

深度!程序员生涯的垃圾时间(上)

1 很多程序员对互联网行业中广泛讨论的“35岁危机”表示不满,似乎所有的程序员都有着35岁的职业保质期。然而,随着AI技术的兴起,这场翻天覆地的技术革命正以更加残酷且直接的方式渗透到各行各业。程序员的核心价值正在被自动化和智能工具所取代。程序员不再面临传统意义上的35岁年龄危机,而是面临着职业生涯的终结危机。 AI技术迅速崛起,其迭代速度快到了以周为单位,几乎所有的大模型公司都在AI编程上取得了重大突破。程序员正面临着深刻的转型和被淘汰的风险。但由于AI技术取代程序员的过渡期尚未完全结束,许多程序员仍然从事着那些即将被取代的工作。我愿意把这段时间称为“程序员的垃圾时间”。 垃圾时间(Garbage time)是体育赛事中的术语,指一场比赛中双方分差过大,胜负已定。此时,比赛剩余的时...

Read more

(Sample)深入理解Python异步编程:从原理到实践

深入理解Python异步编程:从原理到实践 在当今快速发展的技术世界里,Python异步编程已经成为了一个热门话题。随着应用程序和服务越来越依赖于网络通信和I/O操作,有效地管理这些操作变得尤为重要。本文将深入探索Python中的异步编程,从基本原理到实际应用,让你全面了解这一强大工具。 一、异步编程的基本原理 异步编程是一种编程范式,它允许程序在等待一个长时间运行的任务(如I/O操作)完成时继续执行其他任务。这与传统的同步编程形成对比,后者在执行长时间运行的任务时会阻塞程序的其余部分。 在Python中,异步编程主要依赖于asyncio库。asyncio是Python用于编写并发代码的库,它使用async和await语法进行异步编程。使用asyncio,你可以编写单线程并发代...

Read more

GPT最佳实践:五分钟打造你自己的GPT

前几天OpenAI的My GPTs栏目还是灰色的,就在今天已经开放使用了。有幸第一时间体验了一把生成自己的GPT,效果着实惊艳!!!我打造的GPT模型我会放到文章末尾,大家感兴趣也可以自己体验一下。 打造自己的GPT模型 点击Create a GPT,可以进入到下面这个界面,左侧是一个GPT Builder的对话框,右边是你随时更改GPT配置后的预览。 点进去Configure配置,可以看到具体的头像、名称、描述、说明、对话引导、知识库、可选择的模型能力(是否打开联网、Dall·E图像生成、代码解释器)以及Actions这个是模型调用API的能力。 我上传了我所有的mardown文章内容,然后告诉模型,我要一个博客写作GPT帮我写技术文章。 GPT builder 然后,我...

Read more

如何对抗信息茧房?

首先声明:本文表达观点,提供一种思考问题的角度,并非严谨的论述论证。为了直击问题本质,高效陈述观点,行文过程中出现的不严谨之处皆是作者表述方式问题,与观点本身无关。无论作者表述多么拙劣,都希望读者可以考虑观点的合理行,对其进行深度的思考。所有“另当别论的个例”皆另当别论,不在本文简洁表述的范围内。 人们对信息的需求并非全方位的,大家只注意自己选择的东西和使自己愉悦的领域,久而久之,会将自身桎梏于蚕茧一般的“茧房”中,这就是信息茧房(Information Cocoons)。 一、算法驯化 你看到什么你就是什么? 不! 资本想玩皇帝的新装这套,又是道德绑架,又是洞穿人性的。 根据熵增定律,任何系统的混乱程度都在不断增大。这里的熵就是指混乱度,就是说,啥事都是学坏容易,学好难。如果不...

Read more

机器学习(六):通俗易懂无监督学习K-Means聚类算法及代码实践

K-Means是一种无监督学习方法,用于将无标签的数据集进行聚类。其中K指集群的数量,Means表示寻找集群中心点的手段。 一、 无监督学习 K-Means 贴标签是需要花钱的。 所以人们研究处理无标签数据集的方法。(笔者狭隘了) 面对无标签的数据集,我们期望从数据中找出一定的规律。一种最简单也最快速的聚类算法应运而生—K-Means。 它的核心思想很简单:物以类聚。 用直白的话简单解释它的算法执行过程如下: 随便选择K个中心点(大哥)。 把距离它足够近的数据(小弟)吸纳为成员,聚成K个集群(组织)。 各集群(组织)内部重新选择中心点(大哥),选择标准是按照距离取均值作为中心点(大哥)。 重复2、3步骤直到收敛(组织成员相对稳定)。 这就是黑涩会形成聚类的...

Read more

机器学习(五):通俗易懂决策树与随机森林及代码实践

与SVM一样,决策树是通用的机器学习算法。随机森林,顾名思义,将决策树分类器集成到一起就形成了更强大的机器学习算法。它们都是很基础但很强大的机器学习工具,虽然我们现在有更先进的算法工具来训练模型,但决策树与随机森林因其简单灵活依然广受喜爱,建议大家学习。 一、决策树 1.1 什么是决策树 我们可以把决策树想象成IF/ELSE判别式深度嵌套的二叉树形结构。以我们在《机器学习(三):理解逻辑回归及二分类、多分类代码实践》所举的鸢尾花数据集为例。 我们曾用seaborn绘制花瓣长度和宽度特征对应鸢尾花种类的散点图,如下: 当花瓣长度小于2.45则为山鸢尾(setosa),剩下的我们判断花瓣宽度小于1.75则为变色鸢尾(versicolor)剩下的为维吉尼亚鸢尾(virginica...

Read more

机器学习(四):通俗理解支持向量机SVM及代码实践

上一篇文章我们介绍了使用逻辑回归来处理分类问题,本文我们讲一个更强大的分类模型。本文依旧侧重代码实践,你会发现我们解决问题的手段越来越丰富,问题处理起来越来越简单。 支持向量机(Support Vector Machine, SVM)是最受欢迎的机器学习模型之一。它特别适合处理中小型复杂数据集的分类任务。 一、什么是支持向量机 SMV在众多实例中寻找一个最优的决策边界,这个边界上的实例叫做支持向量,它们“支持”(支撑)分离开超平面,所以它叫支持向量机。 那么我们如何保证我们得到的决策边界是最优的呢? 如上图,三条黑色直线都可以完美分割数据集。由此可知,我们仅用单一直线可以得到无数个解。那么,其中怎样的直线是最优的呢? 如上图,我们计算直线到分割实例的距离,使得我们的...

Read more