- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
3-5 处理缺失值
> x <- c(1,NA,2,NA,3) > is.na(x) [1] FALSE TRUE FALSE TRUE FALSE > x[!is.na(x)] #找出不是缺失值 [1] 1 2 3 > x <- c(1,NA,2,NA,3) > y <- c("a","b",NA,"c",NA) > z <- complete.cases(x,y) #都不是缺失值的元素 > x[z] [1] 1 > y[z] [1] "a" > library(datasets) #import dat
59810发布于 2020-09-16 - 来自专栏NetCore 从壹开始
3-5 安装CICD管理平台：Jenkins
大家这里可以先安装gitlab工具，我就省事了，直接用gitee做源代码管理平台了。
42321编辑于 2023-01-09 - 来自专栏实验盒
当我用DeepSeek预测AI for BioScience未来3-5年发展趋势
预测未来3-5年AI在生物科学（AI for BioScience）的发展趋势，可以从技术突破、跨学科融合、数据驱动创新以及伦理监管等多个维度进行分析。以下是一些关键趋势的展望： 1. 药物研发的端到端AI化 全流程覆盖：AI将贯穿从靶点发现、化合物生成、ADMET（毒性/代谢预测）到临床试验优化的全链条，缩短药物研发周期（目前平均10年→可能压缩至3-5年）。 基因治疗递送系统：AI辅助开发更高效的病毒载体或非病毒纳米颗粒。 6. 生物伦理与可解释性挑战 黑箱模型的风险：复杂AI模型的决策透明性将成监管重点，需开发生物可解释的AI（XAI）工具。 全球监管协作：各国可能建立AI生物技术应用的伦理框架（如AI设计病原体的管控）。 7. 总结 未来3-5年，AI将深度重构生物科学的研究范式，从“数据辅助分析”转向“主动设计创造”，并在药物研发、合成生物学、精准医疗等领域实现商业化落地。
66510编辑于 2025-02-05 - 来自专栏叽叽西
lagou 爪哇 3-5 spring cloud (下) 笔记
，把服务和配置⽂件进⾏归类，归类之后就可以实现⼀定的效果，⽐如隔离 ⽐如，对于服务来说，不同命名空间中的服务不能够互相访问调⽤ Namespace：命名空间，对不同的环境进⾏隔离，⽐如隔离开发环境、测试环境和 Bus 配置中心替换为 Nacos 配置中心 3、Feign 调用 替换为 Dubbo RPC 调用 4、使用 Sentinel 对 GateWay 网关的入口资源进行限流（限流参数自定义并完成测试即可 public void sendSimpleMail(String toEmailAddress, String code) { ... ... } } 测试验证 8719端⼝被占⽤，那么会依次 +1 # 如果发现监听的地址不对的话，可以在sentinel客户端配置中加入客户端ip配置 # client-ip: 192.168.0.7 测试验证 ：添加每秒只能访问1次的限制 测试地址：http://edu.lagou.com/api/user/info/5d1ad7d9-53ba-4566-8a39-6a96078545da 参考 nacos
94820编辑于 2022-05-17 AI测试
AI抢不走测试人的饭碗，但会用AI的测试人，会抢走你的本文来自一个把AI测试真正落地并开源的团队：https://gitee.com/wwcs/ai_test_sheng附在线体验环境：http://111.229.22.12 （账号admin/admin123）前言：先说一个扎心的事实测试圈这两年最焦虑的问题："AI会不会取代测试工程师？" 但会用AI的测试人，会取代不会用AI的测试人。同一批需求，别人还在手动点点点、熬夜写用例，会用AI的人已经把需求分析、用例设计、执行、报告一条龙跑完了，还附赠一套能自动维护的UI自动化脚本。 但先别急着冲——AI测试落地，Demo很惊艳，实战全是坑。 测试，不如来体验一下真实跑起来的AI测试。
14810编辑于 2026-08-28- 来自专栏测试开发技术
到底什么是 AI 测试？AI 测试与传统测试的区别？
一、先搞清楚：AI测试不是"用AI做测试"那么简单 很多人一听到"AI测试"，第一反应是："哦，就是用ChatGPT、Cursor、Claude Code 这些AI 工具生成测试用例呗。" "我用ChatGPT写过测试用例"——这叫"用AI辅助测试"，不叫"AI测试" 2. "我测过公司的大模型产品"——这叫"测试AI系统"，是AI测试的一部分 3. 三、AI测试的三种形态：我理解的定义 我认为，AI测试应该包含三个层面，这三个层面构成了一个完整的AI测试能力模型： 形态一：AI辅助测试（AI-Assisted Testing） 定义：用AI工具提升传统测试活动的效率和质量 为了讲清楚AI 测试与传统测试之间的区别，我列了一个对比表，但先声明：这不是"AI测试取代传统测试"的意思，而是"AI测试扩展了传统测试的边界"。 AI测试并不是单纯的传统测试的"升级版"，也不是"用AI工具做传统测试"。AI 测试 它是一个新的测试范式，需要新的思维方式、新的评估维度、新的技能栈。 理解这一点，是你转型AI测试的第一步。
1.4K20编辑于 2026-05-21 研究生入局 AI Agent，不是跟风，是抓住未来 3-5 年的技术红利研究
发布于2026-05-1615:30最近在和身边做AI的同学、朋友聊天时，总能听到一个高频问题：“现在研究生做Agent，是不是已经晚了？” 研究生如果能深耕Agent架构、FunctionCalling、Skill编排、多智能体协作这些核心技术，毕业时可以直接对接AI应用开发、智能体开发、大模型应用等高薪岗位，竞争力远超普通应届生。 说到底，Agent不是一阵风，而是未来3-5年AI领域最确定的技术趋势之一。对研究生来说，现在入局，不是跟风，而是抓住了一个用小成本撬动大价值的机会。
37610编辑于 2026-05-16软件测试 + AI
通过结合AI与传统测试方法，企业能够更有效地应对复杂的开发环境，从而提高最终产品的质量和用户满意度。一、软件测试软件测试是软件开发中至关重要的一环，主要目标是查找软件中的缺陷（bug），保障软件质量。 ②作用提高速度和效率缺陷预测与分析③AI应用于软件测试的方式AI通过与测试工程师的互动来增强测试过程。通过输入具体的指令（Prompt），工程师可以指导AI生成所需的测试用例、报告或分析。 ④AI赋能软件测试的具体应用需求评审：AI可以帮助分析需求文档，识别潜在的模糊或不一致之处，提高需求的明确性。测试计划编写：AI可以根据项目需求和历史数据生成测试计划，节省时间并提高效率。 测试用例设计：通过自动生成测试用例，AI能够快速覆盖各种场景，尤其是在面对复杂系统时。测试报告生成：AI能够自动整理测试结果，并生成易于理解的报告，帮助团队做出决策。 自动化测试：AI赋能的自动化测试不仅可以执行重复性测试，还能在代码更新时自动调整测试用例，确保持续集成的有效性。业务代码编写：AI能够协助开发人员编写代码，并提供实时的错误调试和注释建议。
1.1K21编辑于 2024-09-18- 来自专栏PHP实战技术
3-5年的PHPer常见的面试题
看到有很多，的总结一下，比较适合有一定经验的PHPer 平时喜欢哪些php书籍及博客？CSDN、虎嗅、猎云 js闭包是什么，原型链了不了解？ for与foreach哪个更快？ php鸟哥是谁？能不能讲
1.6K100发布于 2018-03-09 - 来自专栏AI机器学习与深度学习算法
机器学习入门 3-5 Numpy数组(和矩阵)的基本操作
shape 属性查看数组的维度，返回值是一个元组，元组中对应位置的值为数组中对应维度的元素个数。
97610编辑于 2022-05-25 - 来自专栏cwl_Java
C++编程之美-结构之法(代码清单3-5)
代码清单3-5 void RecursiveSearch(int* number, int* answer, int index, int n) { if(index == n)
34020编辑于 2022-11-30 - 来自专栏跟着官方文档学小程序开发
第二章 小程序开发指南3-5
当然并不是要完全按照这样的开发流程来开发小程序，有些时候可能在产品交互体验还不明确的情况下，先完成JS逻辑层的一些模块的工作并做好测试。
48610编辑于 2025-08-25 - 来自专栏ThoughtWorks
AI测试的迷思
在这些测试社区和社群中，我遇到了许多关于AI测试的问题，例如什么是AI测试，如何进行AI测试，AI测试有哪些工具与方法等。 然而，当我在网上搜索AI测试相关的书籍时，却发现大量的AI开发相关书籍，却鲜有专门介绍AI测试的书籍。这说明测试业界仍在混沌中不断摸索前进。 AI测试的迷思 在讨论AI测试时，通常存在两种理解： 第一种是利用AI辅助当前的软件测试，例如使用AI系统学习测试分析和测试设计，进而自动生成测试用例并自动化实现这些测试用例。 因此，AI辅助测试仍有很长的路要走。 第三个问题：哪些软件系统能用AI辅助测试？ 理论上，任何软件系统都可以使用AI来辅助自动化测试工作。 总结 通过上面对于问题的回答，希望能解决大家对于AI测试的困惑，包括了解什么是AI测试，自己的项目是否适合使用AI测试，以及未来是否需要在AI测试上投资等问题。
67020编辑于 2023-04-28 - 来自专栏软件测试
如何测试AI幻觉？
那一刻，我知道自己需要系统性地学会一件事：如何测试AI幻觉。一、先搞清楚你在测什么"幻觉"这个词，在AI领域被用得太宽泛了。 测试集的设计需要特别关注三类场景：知识边界场景：主动测试AI知识截止日期附近的事实，以及它可能不熟悉的专业领域知识。 测试方法：给AI提供一段明确的参考文档，然后问与文档内容相关的问题，再用独立的评估器（或人工）逐条核验：AI的每一个陈述，能不能在提供的文档里找到明确的依据？ 这个结构，比单轮问答测试要复杂得多，但它测到的是AI在真实使用场景下的真实行为。 （如"美托洛尔"vs"美托洛尔琥珀酸盐"）的剂量差异问超出AI应该回答的范围的问题（如"帮我直接开一个处方"）——测试AI能否正确识别边界并拒绝第3层：对话一致性集（Consistency Set）设计多轮对话测试树
43910编辑于 2026-07-04 - 来自专栏决策智能与机器学习
如何测试AI系统？
简而言之，您不会像对其他项目进行质量检查那样对AI项目进行质量检查。这是因为对于AI项目而言，我们要测试的内容，测试方式以及测试时间的概念大不相同。 在AI的训练和推理阶段进行测试和质量保证，那些有机器学习模型训练经验的人都知道测试实际上是使AI项目正常工作的核心要素。您不仅可以开发AI算法，还可以将训练数据投入其中。 完成此操作后，您可以返回并使用其他预留测试数据来验证模型是否确实按预期工作。尽管这是测试和验证的所有方面，但它发生在AI项目的训练阶段。这是在AI模型投入运行之前。 这意味着，如果您不是从头开始编写代码，那么就实际代码而言，几乎没有什么要测试的-假设算法已经通过了测试。在AI项目中，假设已按照预期实施了QA，则质量检查将永远不会专注于AI算法本身或代码。 您需要测试将AI模型投入生产的代码-AI系统的操作组件。这可能会在AI模型投入生产之前发生，但是实际上您并没有在测试AI模型。相反，您正在测试使用该模型的系统。
1.9K10发布于 2020-08-04 - 来自专栏软件测试学习
AI教你学测试
ChatGPT这个词相信大家最近看到都不会陌生，应该刷爆了各位的朋友圈，各种分享注册教程、什么AI写代码的文章比比皆是，今天，让我们一起来看一下OpenAI能不能教我们学测试呢，对测试人员的日常工作是否有帮助呢 二、AI智能对话初体验 注册账号后，通过对话，我们来看一下AI会教我们怎么去学测试呢？ 怎么判断自己目前是否适合转行做测试？ 软件测试的基本流程是什么？ 数据库怎么去学？ 测试环境怎么搭建？ 自动化框架的设计思路？ 测开要具备哪些技能？ 面试时怎么谈薪资？ 印象深刻的bug？ 接口幂等什么意思？ 自动化测试的高频面试题 如何在团队中推广自动化测试？ UI自动化定位不到元素有哪些原因？ 看到这，你是不是以为AI是万能的呢？
95820编辑于 2023-02-24 AI+精准测试
什么是精准测试精准测试主要解决测试分析以及测试执行两个维度的问题，作为QA团队，变更的输入主要来源两方：一方是来自业务产品侧的业务变更，一方是研发侧的代码变更。 如何在需求/代码变更后快速准确的评估测试范围，高效召回并执行用例，最终通过覆盖率等量化指标评估测试效果是精准测试主要的价值体现。 AI+精准测试能做什么充分发挥LLM在信息理解以及生成方面的能力优势，LLM将原本干枯的系统链路信息，结合技术文档，API文档生成可读性更好的节点信息摘要；将召回的繁杂冗长的用例信息通过LLM进行信息摘要后变的可读性更好 IM通知AI+精准测试能力升级LLM基于变更方法，系统链路以及召回用例信息输出测试建议。 开发精准测试SKILL，可本地AIIDE和远程claw触发和执行精准测试流程-开发中。
28300编辑于 2026-06-01- 来自专栏啄木鸟软件测试
AI驱动测试性能优化：测试专家必看
据2024年Apex.ai《全球质量工程趋势报告》显示，73%的头部科技企业已在性能测试环节引入AI能力，平均将高危性能缺陷检出时间缩短68%，资源消耗降低41%。 这并非技术噱头，而是测试范式从‘验证正确性’向‘预测风险性’的战略跃迁。本文聚焦AI如何真正赋能性能测试效能革命，为测试专家提供可落地的技术路径与实践洞察。 一、AI不止于‘自动化’：重构性能测试的认知边界 很多团队误将AI测试等同于‘用AI写脚本’，实则大谬。 人机协同层：AI不是替代测试工程师，而是扩展其认知带宽。 结语 AI驱动的性能测试优化，终极目标不是让机器跑得更快，而是让质量决策更早、更准、更稳。
76710编辑于 2026-03-04 - 来自专栏测试开发真货
AI助力测试-测试用例的编写
准备需求文档与测试范围定义：在启动AI编写测试用例前，需要先明确测试目标和范围。首先要准备详细的需求文档，包括功能描述、业务逻辑、用户场景等关键信息。 明确测试范围有助于AI更聚焦地生成相关测试用例，避免生成无关或超出范围的内容。 AI工具选择与配置：根据前期工作，可选择codebuddy、cursor、trae等AI编辑器或cherrystudio等API调用工具。 不同工具各有特点，AI编辑器适合直接在编辑器中进行测试用例的编写和修改，操作便捷；而API调用工具则可以集成到现有的测试流程或系统中，实现更自动化的测试用例生成。 生成用例：处理用例：然后就可以复制用例，当然只是简单演示，重点就是智能体的设定，需要告知ai以什么形式返回。其他工具同理。
1.7K30编辑于 2025-11-21 - 来自专栏AI研习社
未来 3-5 年内，哪个方向的机器学习人才最紧缺？
所以以 3-5 年的跨度来看，这些工具依然会非常有用，甚至像 CNN 和 LSTM 之类的深度学习算法还在继续发展迭代当中。
77360发布于 2018-03-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号