Studynotes

本文介绍了如何给AI模型赋予使用工具的能力，包括自定义工具、使用现成的AI工具运行代码和分析数据表格，以及多个工具组成AI工具箱。详细展示了baseTool、hub、create_structured_chat_agent和AgentExecutor的代码示例，并提供了具体的输出结果。

本文介绍了如何让AI读取外部文件并应用RAG（Retrieval-Augmented Generation）技术，包括准备外部数据、用户提问后搜索、询问模型。详细展示了TXT、PDF和在线资源的加载示例，文本块应用，文本向量化，向量数据库的使用，以及自动化RAG对话链的构建。

本文介绍了如何使用AI模型进行基本的输入输出操作，包括基本使用方法、模板化输入、小样本示例模版化、从输出中提取列表和JSON，以及LCEL（LangChain表达式语言）的使用。

本文介绍了如何使用API进行文本总结、文本撰写、文本分类和文本翻译。

本文详细介绍了模型评估与选择的相关概念，包括经验误差与拟合、评估方法、性能度量等内容。

本文通过Python数据分析工具对火力发电效率数据进行探索性分析，包括数据可视化、相关性分析和特征筛选。

本文是我的数据库系统原理课程复习笔记，用以整理和梳理课程中关键的知识点，以及相关的练习题解析。

本文将介绍机器学习的基本概念包括样本、示例、训练集、测试集等,并讨论机器学习的发展历程和现状,同时引用了“没有免费午餐”定理来讨论归纳偏好问题。

本学习笔记总结了数据库系统原理课程的核心知识点，涵盖数据库模型、关系数据库、SQL语言、数据库设计、完整性、安全性及恢复技术。重点突出常考概念和易错点，适用于期末复习和知识点查漏补缺。

数据库系统核心知识点练习题集，包含SQL查询、关系代数、范式分解和E-R图设计等实践内容