총 397건 · 필터: AI KIT
레일팩은 철도의 기본 제작자입니다. 대부분의 프로젝트에 대해 제로 구성.
단순히 템플릿을 만드는 것뿐만 아니라 지속 가능한 디지털 제품 비즈니스를 구축하는 비즈니스로서 Notion 템플릿을 구축하고 판매하는 전문가입니다. 템플릿 디자인, 가격 책정, 마켓플레이스, 마케팅 및 실제 수익으로의 확장을 다룹니다. 사용 시기: 개념 템플릿, 템플릿 판매, 디지털 제품, 개념 부
추적, 평가 및 모니터링을 위한 LLM 관측 플랫폼. LLM 애플리케이션 디버깅, 데이터셋 대비 모델 출력 평가, 프로덕션 시스템 모니터링, AI 애플리케이션을 위한 체계적인 테스트 파이프라인 구축 시 사용하세요.
사용자가 Open으로 빌드하는 방법을 물어볼 때 사용AI 제품 또는 API와 인용문이 포함된 최신 공식 문서가 필요합니다(예: 코덱, 응답 API, 채팅 완료, 앱 SDK, 에이전트 SDK, 실시간, 모델 기능 또는 한계); 우선순위 지정: OpenAI 문서 MCP 도구 및 모든 폴백 제한
양자 컴퓨팅, 양자 머신 러닝, 양자 화학을 위한 크로스 플랫폼 파이썬 라이브러리. 자동 미분, PyTorch/JAX/TensorFlow와의 원활한 통합, 시뮬레이터와 양자 하드와 간의 장치 독립적인 실행을 통해 양자 회로를 구축하고 훈련할 수 있습니다
사용자가 템플릿과 데이터를 사용하여 SEO 기반 페이지를 대규모로 만들고자 할 때. 사용자가 "프로그래머틱 SEO", "템플릿 페이지", "규모 페이지", "디렉토리 페이지", "위치 페이지", "[키워드] + [도시] 페이지", "비교 페이지", "통합 페이지" 또는 "많은 페이지 구축"을 언급할 때도 사용하세요
DSPy를 사용한 생산 시스템 구축의 실용적인 예.
선언적 프로그래밍을 사용하여 복잡한 AI 시스템을 구축하고, 프롬프트를 자동으로 최적화하며, DSPy를 통해 모듈식 RAG 시스템 및 에이전트를 생성하세요 - Stanford NLP의 체계적인 LM 프로그래밍 프레임워크
이 참조는 PyMC에서 베이지안 모델을 구축, 검증 및 분석하기 위한 표준 워크플로우와 패턴을 제공합니다.
PyMC를 사용한 베이지안 모델링. 확률적 프로그래밍 및 추론을 위해 계층적 모델, MCMC(NUTS), 변분 추론, LOO/WAIC 비교, 사후 검사를 구축합니다.
프리미티브는 양자 회로를 실행하기 위한 기본 구성 요소입니다. Qiskit은 두 가지 주요 기본 요소를 제공합니다: **샘플러**(비트 문자열 측정용)와 **Estimator**(계산 기대치용)
양자 회로를 구축, 최적화 및 실행하기 위한 포괄적인 양자 컴퓨팅 툴킷입니다. 양자 알고리즘, 시뮬레이션 또는 양자 하드웨어 작업 시 사용: (1) 게이트와 측정을 포함한 양자 회로 구축, (2) 양자 알고리즘(VQE, QAOA, 그로버) 실행, (3) Tr
검색 증강 생성 시스템 구축 전문가. LLM 애플리케이션을 위한 마스터 임베딩 모델, 벡터 데이터베이스, 청킹 전략 및 검색 최적화. 사용 시기: RAG 구축, 벡터 검색, 임베딩, 의미 검색, 문서 검색.
RAG 및 의미 검색을 위한 고성능 벡터 유사성 검색 엔진. 빠른 최근접 이웃 검색, 필터링을 통한 하이브리드 검색, 또는 Rust 기반 성능을 갖춘 확장 가능한 벡터 스토리지가 필요한 프로덕션 RAG 시스템을 구축할 때 사용하세요.
이 기술은 TypeScript로 React 구성 요소를 빌드하거나, 후크를 타이핑하거나, 이벤트를 처리하거나, React TypeScript, React 19, 서버 구성 요소를 언급할 때 사용해야 합니다. 일반 구성 요소, 적절한 이벤트 유형 지정, 라우팅 통합을 포함한 React 18-19의 유형 안전 패턴을 다룹니다(TanStack)
아마도 필요할 것 같은 몇 가지 사항 - 처음부터 개조하는 것보다 개조하는 것이 훨씬 비싸기 때문에 YAGNI가 적용되지 않을 때 알아두세요.
이 참조를 사용하여 Render 배포를 준비할 때 프레임워크별 탐지 및 빌드/시작 명령 선택을 수행하세요.
슬라이드 덱과 연구 발표 자료를 작성하세요. 파워포인트 슬라이드, 컨퍼런스 프레젠테이션, 세미나 강연, 연구 발표, 논문 방어 슬라이드 또는 과학 강연을 할 때 사용하세요. 슬라이드 구조, 디자인 템플릿, 타이밍 가이드 및 시각적 검증을 제공합니다. 재치
사이킷 학습을 통한 파이썬에서의 머신 러닝. 지도 학습(분류, 회귀), 비지도 학습(클러스터링, 차원 축소), 모델 평가, 하이퍼파라미터 튜닝, 전처리 또는 ML 파이프라인 구축 시 사용하세요. 포괄적인 참조 문서 제공
랜덤 생존 포레스트는 랜덤 포레스트 알고리즘을 검열된 데이터를 사용한 생존 분석으로 확장합니다. 부트스트랩 샘플과 집계 예측을 기반으로 여러 의사 결정 트리를 구축합니다.