如今，机器学习正被应用于越来越多的领域，面临着各种各样的问题。在进行机器学习时，一个根本性的挑战是将某种机器学习技术的抽象数学与具体的现实问题联系起来。本书通过“基于模型的机器学习”方法来应对这一挑战。

基于模型的机器学习是一种关注于理解机器学习系统中所蕴含假设及其对系统行为影响的方法。其实践过程是将对现实世界的假设与实现机器学习所需的详细算法数学分离开来。这种方法不仅有助于理解机器学习系统的行为，也便于与他人沟通。

• 前言

  本书简介、适用读者及阅读方法

• 如何用机器学习解决我的问题？

  什么是基于模型的机器学习及其如何帮助解决问题

• 1. 谋杀之谜

  通过解决一起谋杀案介绍基于模型的机器学习的核心概念

  关键词：概率、随机变量、概率推断、概率模型、因子图、贝叶斯定理

  • 1.1 整合证据
  • 1.2 更新我们的可信部分
  • 1.3 谋杀模型
• 2. 评估人的技能

  基于模型的机器学习的第一个应用：根据测试答案评估一个人具备哪些技能

  关键词：消息传递算法、循环置信传播、可视化、评估指标、ROC曲线

  ……

Google的Agent-to-Agent（A2A）协议旨在实现不同AI代理之间的无缝互操作性。而微软的**Semantic Kernel（SK）**是一个开源平台，用于协调智能代理的交互。本文将介绍如何将Semantic Kernel代理集成到A2A生态系统中，并作为A2A服务器高效地路由代理调用到专业服务。

简介

这篇文章将带你了解如何使用 TypeScript 构建一个 Model Context Protocol (MCP) 服务器，以连接 Azure AI Agent 和 Claude Desktop 或其他支持 MCP 的客户端。通过本文，你将学习搭建服务器、配置连接以及以编程方式处理 AI Agent 的交互。

为什么需要 MCP 服务器？

Azure AI Agent 是 Azure AI Foundry 生态系统的一部分，提供强大的对话式 AI 功能。然而，要将这些 Agent 集成到桌面应用程序中，往往需要定制化的解决方案。MCP 提供了一个标准化协议，可以无缝连接 Azure AI Agent 和支持 MCP 的客户端（如 Claude Desktop）。

随着大型语言模型（LLM）的普及，市场上涌现了许多不同类型的模型，满足从日常聊天到高级科学推理的各种任务需求。如果你熟悉 GPT-3.5 和 GPT-4，你会知道它们在通用 AI 领域设立了高标准。然而，随着技术的发展，模型之间的差异也变得更加显著。

本文将从以下几个方面探讨通用模型与推理模型的区别，并结合 Azure OpenAI 提供的具体模型进行说明：

Global AI Bootcamp 2025

DeepSeek shook the global AI community, making Hangzhou the first city to become popular by 2025 due to open-source large models. The “Hangzhou Six Little Dragons” has become a demonstration of the vigorous vitality of the city’s scientific and technological innovation.

On March 22nd, Global AI Bootcamp 2025 will come to Hangzhou, where a number of senior technical experts and developers in Hangzhou will focus on the practical application of the latest open source large models, and learn how to use AI to achieve x10 capabilities in their daily work.

Join us to stay up-to-date on the latest AI technologies and explore a smarter AI future.

Main Organizer

Bin Xiang

Microsoft Most Valuable Professional, One of the organizers of FireUG, Organizer at Global AI Bootcamp

Agenda

• [14:00-14:15] Introduction

  Weiyu Xiao

  Microsoft Most Valuable Professional, One of the organizers of FireUG, NetCorePal Framework Developer

  ……

最近在开发智能文档搜索的工作中，我需要将各种文件转换为 Markdown 格式，然后通过向量化计算，把它们创建到向量数据库中，以便实现语义搜索文档的功能。并结合 LLMs 和 RAG（Retrieval Augmented Generation）来获取与搜索目标相关的文档内容完成二次创作。由于多模态下需要处理的文档类型太多了，我曾用 python 写了几个工具方法，使用 MarkItDown 来统一处理的。但现实问题是 MarkItDown 目前没有 .NET 版本的实现，而我的应用是 .NET 的程序，如果能有一个办法将 python 脚本无缝嵌入到我的 .NET 应用程序中那就太棒了，这就是我为什么要使用 CSnakes 的原因。

本文介绍了一种简单的语音生成式 AI 应用架构，通过结合新的 gpt-4o-realtime-preview 模型和 Azure AI Search，实现了 RAG 模式。新的 Azure OpenAI gpt-4o-realtime-preview 模型以其语音到语音的功能，为更自然的应用程序用户界面打开了大门。这种新的基于语音的界面也带来了一个有趣的新挑战：如何在使用音频作为输入和输出的系统中实现检索增强生成 (RAG)？

RAG 是一种将语言模型与您自己的数据相结合的流行模式。我们将介绍一种简单的语音生成式 AI 应用架构，该架构支持在实时音频 API 之上进行 RAG，并支持来自客户端设备的全双工音频流，同时安全地处理对模型和检索系统的访问。

2024 年 FireUG 技术社区在内容方面加大了在短视频领域的投入，话题和技术主流趋势结合的更加自然丰富。

自媒体平台影响力

Bilibili

https://space.bilibili.com/545713776

• 粉丝数: 3.5 万
• 获赞数: 3.0 万
• 播放数: 68.3 万

抖音（Tiktok CN）

https://www.douyin.com/user/MS4wLjABAAAAYGG_Q3–hpBKc7rq2h-slFNFObDCmrxYc8OF2tl_mV4

• 粉丝数: 160
• 获赞数: 416

图文投稿

• 数量：23
• 入口：去观看

合集内容

https://space.bilibili.com/545713776/lists

• 每月科技新闻

  • 期数：21

• Semantic Kernel 入门

  • 期数：3

• 程序员生活

  • 期数：8

• 程序员职业发展系列

  • 期数：4

• ChatGPT玩法

  • 期数：4

• 面试必备

  ……

在2025年，我们可能会习惯于与一个个人AI代理聊天，这个代理了解我们的日程、朋友圈和我们去过的地方。它们被设计得如此贴心，以至于我们愿意让它们深入我们生活的方方面面。通过语音交流，这种亲密感变得更加强烈。

但这种亲密感其实是一种错觉，我们以为自己在和一个真正像人的代理互动，但实际上背后是一个服务于工业利益的系统，这些利益并不总是和我们的利益一致。这些AI代理拥有强大的能力，它们能微妙地影响我们的消费选择、去向和阅读内容。它们以一种几乎不易察觉的方式，让我们忘记它们真正的忠诚所在。