sqlbot智能问数使用简介 基于v1.5.0版 简介 SQLBot 是一款基于大语言模型和 RAG 的智能问数系统，用户可以实现对话式数据分析（ChatBI），快速提炼获取所需的数据信息及可视化图表，并且支持进一步开展智能分析。 其核心目标是让业务人员、运营人员乃至管理层都能在没有SQL基础的情况下，也能够轻松与数据库进行对话，即时获取数据分析的结果。 git地址 https://g...

机器学习中的数据可视化与统计展示 深入理解机器学习中的数据可视化技术，掌握常用图表类型及其特点、作用和使用场景。从第一性原理出发，理解为什么需要数据可视化，以及如何选择合适的图表展示不同的数据。 目录 为什么需要数据可视化？ 数据统计展示的技术 基础图表类型 高级图表类型 降维可视化 特征重要性可视化 聚类结果可视化 图表选择指南 最佳实践...

机器学习常用框架组件与工具 全面了解机器学习项目中常用的Python框架、组件和工具，理解每个工具的作用、特点和适用场景。从第一性原理出发，理解为什么需要这些工具，以及如何选择合适的工具组合。 目录 为什么需要这些工具？ 数据处理工具 机器学习框架 特征工程工具 模型解释工具 模型管理工具 可视化工具 Web框架 数据库工具 配置文件工...

模型解释性与特征重要性评估 深入理解模型可解释性的重要性，掌握特征重要性评估方法和模型解释工具的使用。从第一性原理出发，理解为什么需要模型可解释性，以及如何评估和解释模型的决策过程。 目录 为什么需要模型可解释性？ 特征重要性评估方法 SHAP 值分析 决策规则提取 交叉特征分析 特征重要性归一化 实际应用案例 最佳实践 1. 为什么需...

KV Cache与vLLM、SGLang推理框架 本文介绍 KV Cache 在大模型推理中的地位与资源估算、vLLM 与 SGLang 的异同、二者对 KV Cache 的利用方式、使用策略与首字延迟的关系，以及基于两者部署小模型并进行对话验证的步骤。 目录 0. KV Cache 在大模型技术中的地位与资源估算 0.1 地位与作用 ...

机器学习项目工程实践 了解机器学习项目的工程化实践，包括数据管理、模型管理、系统架构等。从第一性原理出发，理解为什么需要工程化，以及如何设计可维护、可扩展的机器学习系统。 目录 数据管理 模型管理 特征一致性保证 系统架构设计 并发控制与锁机制 错误处理与恢复 日志与监控 测试与验证 最佳实践总结 1. 数据管理 1.1 数据组织...

特征工程入门——从原始数据到特征矩阵 深入理解特征工程的重要性，掌握使用 Featuretools 进行自动特征生成的方法。从第一性原理出发，理解为什么需要特征工程，以及各种特征方法为什么有效。 目录 什么是特征工程？ 特征工程的常见方法 Featuretools 自动特征生成 Featuretools 的工作机制 特征工程实战示例 特征工程的最佳实践...

特征工程常用函数详解 深入理解特征工程中常用的函数（统计特征、类别特征、时间特征等），掌握每个函数的作用、含义和使用场景。从第一性原理出发，理解为什么需要这些函数，以及它们如何帮助我们提取有用信息。 目录 为什么需要特征函数？ 统计特征函数 类别特征函数 时间特征函数 特征函数的组合使用 如何选择合适的特征函数？ 特征函数的实际应用 1. ...

MLOps与机器学习生命周期管理 深入理解MLOps（机器学习运维）的概念和实践，掌握机器学习生命周期管理的完整流程。从第一性原理出发，理解为什么需要MLOps，以及如何构建可维护、可扩展的机器学习系统。了解从实验到生产的完整流程，掌握模型部署、监控和维护的最佳实践。 目录 什么是MLOps？ 为什么需要MLOps？ 机器学习生命周期管理 MLOps工具与实践...

机器学习中的数学原理基础 深入理解机器学习中常用的数学概念（方差、标准差、协方差、相关性等），从第一性原理出发，理解这些概念的本质、作用和计算方法。理解数学是机器学习的基础，掌握这些数学原理能够帮助我们更好地理解机器学习算法。 目录 为什么需要数学原理？ 描述性统计量 分布形状度量 变量关系度量 距离度量 概率基础 优化基础 线性代数基础 ...