- 综合排序
- 最热优先
- 最新优先
腾讯会议联合深大优课构建轻量化混合式教学底座
然而，在实际落地过程中，高校普遍面临两大核心业务瓶颈： 跨校区教学协同壁垒： 以深圳大学（粤海、丽湖两大校区）为例，多校区并行运转导致学生跨校区学习通勤成本高，且传统线上直播缺乏课堂互动沉浸感。 部署“软硬云”一体化轻量级智慧教学引擎 针对上述瓶颈，深大优课（深圳市专精特新企业、国家高等教育智慧平台首批对接平台）联合腾讯会议推出优课U+混合式教学解决方案。 驱动多校区零延迟互动与百间课室规模化巡查 基于腾讯会议底座的优课U+系统，在高校实际业务场景中输出了明确的量化应用效果： 跨校区音视频零延迟联动（深圳大学）： 教师扫码后，系统同时将粤海校区与丽湖校区的腾讯会议 依托开放接口与音视频底座降低系统运维成本 深大优课选择腾讯会议作为底层技术引擎，其核心决策价值在于将复杂的音视频通讯与硬件调度交由可靠的PaaS/SaaS平台处理，从而聚焦上层教育业务逻辑： 释放开发生产力 (注：本文数据及业务场景均来源于深大优课姚凯《腾讯会议赋能高校开展混合式教学》内部演示材料)
9910编辑于 2026-05-30腾讯会议联合深大优课U+方案：推动高校混合式教学与低成本数字化转型
部署优课U+混合式教学解决方案 深圳市深大优课教育有限公司（国家高新技术企业、深圳市专精特新企业，演讲人：深大优课 姚凯）联合腾讯会议，推出“AI教学软件+硬件+云服务”的优课U+混合式教学解决方案。 通过“优课在线”平台（国家高等教育智慧平台首批对接平台）结合腾讯会议的音视频底层能力，实现线上线下混合式教学（1+N+M链接：主校区+分校区+线上人员）。 智慧教室与传统教室同步覆盖： 在宁波工程学院案例中，30间教室改造为智慧教室接入巡课系统，100间传统教室直接接入巡课系统，无需大规模硬件拆除。 —— 深大优课 姚凯 为什么选择腾讯会议作为技术底座 音视频技术稳定性： 依托腾讯会议天籁麦克风技术，能够有效消除翻书声、桌椅声等教室常见噪声，确保均匀拾音与高清视频回放质量，保障教学过程的系统稳定性。 开放API生态降低开发成本： 通过调用腾讯会议丰富的API接口（包括预定会议API、会议管理API、录制API等），深大优课实现了与深圳大学排课系统和师生身份认证系统的无缝对接，大幅降低了定制开发成本。
9910编辑于 2026-05-30- 来自专栏程序编程之旅
HDOJ1181变形课 深搜回溯
变形课 Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 131072/65536 K (Java/Others) Total Submission 已经将他所会的所有咒语都列成了一个表,他想让你帮忙计算一下他是否能完成老师的作业,将一个B(ball)变成一个M(Mouse),你知道,如果他自己不能完成的话,他就只好向Hermione请教,并且被迫听一大堆好好学习的道理
39910发布于 2021-01-19 腾讯会议助力高校实现低成本、高效率的混合式教学升级
深圳大学粤海、丽湖两大校区学生跨校区学习不便，宁波工程学院希望在不改变100间教室原有硬件设备的情况下实现课中巡课管理。 轻量化混合式教学解决方案 深大优课联合腾讯会议推出“优课U+”混合式教学解决方案，通过“AI教学软件+硬件+云服务”模式，实现轻量化、数字化、智能化教学升级。 宁波工程学院案例：采用混合式解决方案，30间教室改造为智慧教室接入巡课系统，100间传统教室直接接入巡课系统。系统对接排课系统，通过腾讯会议ROOMS和课号绑定实现自动化管理。 —— 深大优课团队，深圳大学合作项目组 选择腾讯会议的技术优势 腾讯会议提供稳定的音视频基础能力和丰富的API接口，支持教育场景的深度定制。天籁麦克风技术实现均匀拾音，有效消除教室环境噪声。 数据来源：深大优课提供的深圳大学与宁波工程学院落地案例数据
10110编辑于 2026-05-30- 来自专栏晓枫说
在线大班课三大“生死门”
自2018年开始，那些主打一对一模式的玩家开始频繁被爆出经营困难、大量裁员等消息，仅2018年10月就有理优一对一和学霸一对一等玩家相继停止运营，2019年的情况则更加糟糕，整个行业转入深度调整期，大量玩家卖身 虽然，最终落地的新政较想象中宽松，但对一对一模式仍是个巨大的挑战，在新政下，在线一对一的模式因师资需求大、合规成本高、对资金依赖度高等，遭到了更为猛烈的质疑。 互动性、效果以及信任：在线大班课三大生死门 更为严峻的是，Megastudy败走中国的第二、第三个层面的问题，在在线大班课这个范畴，仍然有一些难解之题，决定着大班课的未来生死。 在笔者看来，互动性、效果以及信任，这几个关键点，正是在线大班课的三大生死门。 以升学类课程产品为例，家长在你这报名就意味你至少占据了孩子的一大段课程时间，不出意外孩子在这段时间内很难选择其他活动，而且不到考试你永远不知道培训效果如何，沉没成本这一隐性因素时刻在牵引着家长的行为。
61800发布于 2020-07-28 AI大模型微调企业项目实战课【共137课时】
AI 大模型落地核心：企业级微调实战全解析在人工智能从“技术狂欢”迈向“产业深耕”的2025年，通用大模型（Foundation Models）虽然展现了惊人的泛化能力，但在垂直领域的实际应用中，往往面临着 企业级微调（Fine-tuning），正是连接通用智能与行业专有知识的桥梁，是AI大模型真正落地产生商业价值的核心引擎。 一、战略定位：从“通用大脑”到“行业专家”的蜕变通用大模型如同受过通识教育的博学家，博览群书却缺乏特定领域的深度经验。 这种技术组合拳，让中小企业也能以极低的成本拥有定制化的大模型。企业可以根据场景灵活切换：客服场景使用一个Adapter，代码辅助使用另一个，实现了“一个基座，千面应用”的敏捷架构。 通过高质量的数据工程、高效的参数微调技术、严格的评估对齐体系以及稳健的工程架构，企业能够将通用大模型转化为懂业务、守规矩、能进化的专属智能体。这不仅是技术的胜利，更是管理智慧与数据战略的结晶。
35710编辑于 2026-03-18- 来自专栏大数据-BigData
Flink大状态与Checkpint调优
Checkpointing调优 应用程序可以配置定期触发检查点。 当检查点的完成时间超过检查点间隔时，在进行中的检查点完成之前不会触发下一个检查点。 RocksDB调优 许多大型 Flink 流应用程序的状态存储主力是 RocksDB 状态后端。 后端的扩展性远远超出了主内存，并且可靠地存储了大的keyed状态。 RocksDB内存调优 RocksDB 状态后端的性能很大程度上取决于它可用的内存量。 为了提高性能，增加内存会很有帮助，或者调整内存的功能。 某些操作（如大窗口）会导致其下游操作符的负载激增：在窗口的情况下，下游操作符可能在构建窗口时几乎无事可做，而在发出窗口时有负载要做。
1.8K32编辑于 2022-03-07 高阶精品课 全链路性能测试--分析--调优实战
高并发场景下的性能调优实战：JVM、数据库、中间件的深度优化策略在Java生态技术栈中，高并发场景下的性能调优需要从JVM、数据库、中间件等多个组件协同优化，并精准识别性能拐点。 垂直分表：将大表拆分为小表，按字段划分。缓存机制： 使用Redis缓存热点数据，减少数据库访问。拐点识别： 若单表数据量超过千万级，需考虑分库分表；若读请求占比高，需优化读写分离。3. 性能拐点： 若Redis响应时间超过10ms，需优化集群配置或减少大key。3. 消息队列（MQ）优化异步处理： 将耗时操作（如发送邮件、生成报表）异步化。 调优方法论测试->监控->分析->优化->验证： 通过压测工具（如JMeter）模拟高并发场景。监控关键指标，定位性能瓶颈。调整参数或优化代码，验证优化效果。五、实战案例：秒杀系统性能调优1. 通过实战案例验证优化效果，形成闭环的调优方法论，确保系统在高并发场景下稳定运行。
58710编辑于 2025-06-03慕课网体系课-前端高级工程师（大前端）
前端高级工程师（大前端）岗位解析与成长路径什么是大前端？ 大前端（Frontend Infrastructure）是前端开发领域的高级阶段，它超越了传统网页开发的范畴，涵盖了Web、移动端（Hybrid/React Native/Flutter）、小程序、Node.js 大前端工程师不仅需要精通前端技术，还需要具备跨端开发能力和一定的后端知识。 核心技能要求技术广度Web前端三大基础：HTML5、CSS3、JavaScript（ES6+）主流框架与库：React、Vue、Angular等至少精通一种跨端开发：React Native、Flutter 无代码平台：前端工程师需要关注可视化搭建技术WebAssembly：为前端带来更高性能的计算能力智能化方向：AI与前端结合，如图像识别、自然语言处理跨端统一：一套代码多端运行的解决方案持续演进前端高级工程师（大前端
68410编辑于 2025-09-16AI大模型微调企业项目实战课
前言：为什么企业需要微调大模型？过去两年，大语言模型（LLM）的爆发让无数企业看到了人工智能赋能的巨大潜力。 GPT-4、Claude、文心一言、通义千问等通用大模型在开放域对话、代码生成、内容创作等任务上表现惊艳。 它让企业能够在通用大模型的基础上，用自身业务数据“再训练”，将通用智能转化为行业专家的能力。一、什么是大模型微调？ 1.1 基本概念微调是在预训练大模型的基础上，使用特定领域或任务的数据集，对模型的部分或全部参数进行进一步训练的过程。可以把预训练大模型想象成一个接受了广泛通识教育的大学毕业生。 可内部+外部众包结合） ├─ 训练/验证/测试集划分 └─ 数据质量检查与迭代第6-7周：微调训练 ├─ 搭建训练环境（本地GPU集群或云实例） ├─ 采用LoRA/QLoRA进行初步训练 ├─ 超参数调优：
24910编辑于 2026-05-08- 来自专栏Python进阶之路
大语言模型的指令调优：综述
论文标题：Instruction Tuning for Large Language Models: A Survey 论文地址：https://arxiv.org/abs/2308.10792 指令调优是提升大语言模型 指令调优是指以有监督的方式在由（指令，输出）对组成的数据集上进一步训练大语言模型。这一过程旨在缩小 LLMs 的下一个标记预测目标与用户期望 LLMs 遵循人类指令的目标之间的差距。 因此，指令调优是一种有效的技术，可以将大语言模型与人类指令进行对齐。 在这篇综述中，研究者系统地回顾了文献，涵盖了指令调优的一般方法、指令调优数据集的构建、指令调优模型的训练，以及指令调优在不同模态、领域和应用中的实际应用。 第 7 节回顾了如何提高指令微调的效率，降低与调整大模型相关的计算成本和时间成本。 第 8 节介绍了对指令调优模型的评估、分析以及对这些模型的批评。
67300编辑于 2024-05-25 AI大模型微调企业项目实战课（完结）
AI 大模型落地核心：企业级微调实战全解析在人工智能从“技术狂欢”迈向“产业深耕”的2025年，通用大模型（Foundation Models）虽然展现了惊人的泛化能力，但在垂直领域的实际应用中，往往面临着 企业级微调（Fine-tuning），正是连接通用智能与行业专有知识的桥梁，是AI大模型真正落地产生商业价值的核心引擎。 一、战略定位：从“通用大脑”到“行业专家”的蜕变通用大模型如同受过通识教育的博学家，博览群书却缺乏特定领域的深度经验。 这种技术组合拳，让中小企业也能以极低的成本拥有定制化的大模型。企业可以根据场景灵活切换：客服场景使用一个Adapter，代码辅助使用另一个，实现了“一个基座，千面应用”的敏捷架构。 通过高质量的数据工程、高效的参数微调技术、严格的评估对齐体系以及稳健的工程架构，企业能够将通用大模型转化为懂业务、守规矩、能进化的专属智能体。这不仅是技术的胜利，更是管理智慧与数据战略的结晶。
28510编辑于 2026-03-19西瓜老师AI大模型RAG项目实战课
大语言模型展现出惊人能力的同时，其固有的幻觉问题、知识滞后与推理黑盒等缺陷，严重制约了其在关键领域的应用。RAG（检索增强生成）技术应运而生，正逐渐成为构建可信AI系统的核心架构。
38410编辑于 2025-11-26- 来自专栏腾讯IMWeb前端团队
大咖直播课 | Web前端安全与实践
本期直播课将从Web安全的现状出发，介绍常见的Web安全问题（如跨域安全、XSS攻击、CSRF攻击、SQL注入攻击、网络劫持等）及安全攻击的原理，并对介绍安全攻击的防御防御措施，为产品保驾护航。
73920编辑于 2022-06-29 - 来自专栏FREE SOLO
JVM三大性能调优参数的含义
-Xms:设置初始分配大小，默认为物理内存的“1/64” -Xmx:最大分配内存，默认为物理内存的“1/4” -Xss规定了每个线程堆栈的大小。一般情况下256K是足够了。影响了此进程中并发线程数大小。
1.2K00发布于 2019-04-18 - 来自专栏菜鸟成长学习笔记
初学Go 值得深研的7大开源项目
效果预览： gfast gfast是基于GF(Go Frame)的后台管理系统 ，完善的权限用户管理，致力于快速高效开发cms系统、督办系统、后续将加入流程审批、工作流引擎、项目管理、挂图作战、数据大屏等功能
4.4K20编辑于 2022-11-21 - 来自专栏Crossin的编程教室
【Pygame 第9课】 一大波飞机
上周最后的课里说了，这次我们要来加入一大波飞机正在接近的效果。这个要比之前的子弹容易实现多了。因为只要让飞机不停地从屏幕上方出现就好了，不用管它具体的间隔怎样，看上去像那么回事就可以。 面向零基础初学者的编程课 每天5分钟，轻松学编程 回复『 p 』查看python课程 回复『 g 』查看pygame课程 回复『 t 』查看习题
70670发布于 2018-04-16 - 来自专栏AI科技评论
视频 | 深大推出新算法： GAN 非平稳纹理合成
由计算机图形学和AI相结合的领域称为纹理合成，周期性纹理合成比较简单，但是具有结构的纹理合成相当复杂，这篇论文的卖点在于，可以高效地同时把图像的内容和对称信息考虑进来。
56320发布于 2018-07-27 - 来自专栏机器之心
深大VCC带你见证魔法！
EmoEdit 由深圳大学可视计算研究中心黄惠教授课题组完成，第一作者为杨景媛助理教授。深圳大学可视计算研究中心（VCC）以计算机图形学、计算机视觉、人机交互、机器学习、具身智能、可视化和可视分析为学科基础，致力前沿探索与跨学科创新。中心主任黄惠为深圳大学讲席教授、计算机学科带头人、计算机与软件学院院长。
52200编辑于 2025-03-31 - 来自专栏腾讯IMWeb前端团队
大咖直播课 | Node.js Web 开发实践
| 导语 本期直播课是 Node Web开发的入门课程，介绍 Node 的编程方式，并以 Express 框架为例，讲授如何使用 Node 进行 Web服务开发，同时还会涉及 Node 调试、测试、安全性和部署相关的主题 编程基础 （包含 Node 功能特性、模块和 npm） 2、Node Web 开发 （包含 Express 中间件、路由、模块和数据持久化） 3、调试、测试、部署、安全 限量福利：点击下方阅读原文 这期大咖直播课会收取小额付费 我们提供300个0.02元购课资格哦 先报先得，大家不要错过啦，直播可以回放！ 扫码下方二维码， 随时关注更多大咖直播资讯！ ▼ 微信：IMWebTech
82120编辑于 2022-06-29
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