tag 數據

標籤
貢獻710
378
05:56 PM · Oct 25 ,2025
u_13357275 頭像 u_17579295 頭像 u_16565975 頭像 tech 頭像 u_15745565 頭像 u_15469972 頭像 u_17567677 頭像 u_14767244 頭像 u_16653481 頭像 u_17420180 頭像 u_13715298 頭像 u_15988698 頭像

@數據 / 博客 RSS 訂閱

u_15745565 頭像

畢設大神 - 基於springboot的基於AIAgent的教學輔助問答系統-計算機畢業設計源碼+LW文檔

摘 要 近年來，隨着科技的迅猛進步和經濟全球化的深入發展，互聯網技術正以前所未有的速度提升社會綜合發展的效能。這一技術的影響力已滲透到各行各業，其中，教學輔助問答系統在互聯網時代背景下扮演着舉足輕重的角色。信息管理系統的構建是一個持續優化和完善的過程，面對網絡數據時代的浪潮，將信息管理系統與計算機技術緊密結合已成為大勢所趨。 本次探討將以教學輔助問答管理作為核心議題，

數據 , 問答系統 , 後端開發 , JAVA , ci

收藏 評論

hesheng17 頭像

和晟儀器 - 臭氧老化試驗箱：材料可靠性的 “環境模擬器”

在材料科學與工業生產中，臭氧老化試驗箱是保障產品耐用性的關鍵設備。它通過模擬自然環境中的臭氧侵蝕條件，精準檢測材料在長期使用中的抗老化性能，為產品研發、質量控制提供科學依據，廣泛應用於橡膠、塑料、塗料等多個行業。 上海和晟 HS-CY-225 臭氧老化試驗箱 臭氧作為大氣中極具腐蝕性的氣體，會與材料分子發生化學反應，導致材料龜裂、變硬

產品質量 , 數據 , 辦公效率 , 老化試驗

收藏 評論

u_16213674 頭像

mob64ca140e0490 - 分區remount

故障： 還原系統後分區故障。 1.原來多個分區變成當前一個分區； 2.原有分區與當前分區的數量或大小不一致，原有數據分區丟失。 恢復流程： 1.檢測流程： 通過磁盤管理查看故障盤分區大小及數量； 查看當前分區結構完整度。 2.實施流程： 北亞數據恢復工程師通過用户瞭解原分區大小、分區數量； 北亞數據恢復工程師根據用户所反

機器學習 , 分區remount , 文件系統 , 數據 , 數據恢復 , 人工智能

收藏 評論

u_13527 頭像

bigrobin - 機器學習模型 輸入層 隱藏層 輸出層 權重 偏置 公式

深度學習三步驟 普遍性定理 對於任何一個連續的函數，都可以用足夠多的隱藏層來表示 神經網絡 完全連接前饋神經網絡 輸入層（Input Layer）：1層 隱藏層（Hidden Layer）：N層 輸出層（Output Layer）：1層 全鏈接

機器學習 , 數據 , 神經網絡 , 人工智能 , 特徵提取

收藏 評論

u_16213681 頭像

16213681 - Kotlin第七講--泛型在Java和Kotlin上的差異

引言 先看一段代碼： /** * 高階函數：安全解析JSON消息 * @param jsonMessage JSON消息字符串 * @param onSuccess 解析成功回調 * @param onError 解析失敗回調（可選） */ private inline fu

Kotlin , 數據 , 後端開發 , 泛型 , JAVA , Json

收藏 評論

u_10538247 頭像

王星星LOVER - HTML5 Web IndexedDB 數據庫

IndexedDB 是一種基於瀏覽器的 NoSQL 數據庫，用於在客户端持久化存儲大量結構化數據。 IndexedDB 允許通過鍵值對存儲複雜的數據對象（如對象、數組、文件等），並支持事務、索引、版本控制和複雜查詢操作。 IndexedDB 是異步的，不會阻塞主線程，適合離線應用程序、緩存等場景。 IndexedDB 非常適合需要存儲大量結構化數據的應用程序，尤

數據 , 離線 , 數據庫 , 代碼人生

收藏 評論

u_17562481 頭像

思考的袋鼠 - 構建數據庫安全新範式：以規範為基石，實現精確與實時動態防護

概要： （提示：當防護邊界逐漸模糊，數據自身的“行為軌跡”成為新的安全焦點。） 在數字經濟的核心結構中，數據庫不再僅是支撐業務的技術組件，而是企業數字資產的“原礦”。金融機構的交易流水、互聯網平台的用户畫像、醫療系統的病歷檔案——所有這些關乎隱私、業務與監管的數據，都以數據庫為載體在組織內流轉與沉澱。但隨着數據量與訪問頻率呈指數級增長，傳統以“靜態防護”為核心的數據庫

數據 , 數據庫 , 數據庫安全 , 人工智能 , 深度學習

收藏 評論

u_14125 頭像

jacksky - 用詞雲對文本進行數據可視化的方法

Python使用wordcloud生成詞雲圖片 主要步驟： 準備素材，可以是爬取的內容，也可以是手動輸入的內容，是字符串即可，這裏是使用前面爬取並保存在本地excel的豆瓣top250榜單； 使用jieba將字符串分詞，jieba.cut()會將我們的句子分詞一個個詞語； 準備掩飾圖片，掩飾圖片就是詞雲顯示各個詞語的背景範圍，默認是矩形背景；

數據 , 用詞雲對文本進行數據可視化的方法 , 數據可視化 , 人工智能 , 詞雲 , Image

收藏 評論

u_16213720 頭像

mob64ca14193248 - CNCF Weekly 19-31 - CNCF的個人空間 -

當容器監控遇見大語言模型，可持續發展不再是紙上談兵 緣起：一場關於綠色合規的技術對話 在北京時間10月22日的CNCF Kepler社區週會上，來自Red Hat的Marco帶來了一場源自Open Source Summit Korea的精彩分享。這場題為《Exploring Kepler’s Next Chapter: Achieving Clou

服務器 , 數據 , 後端開發 , 1024程序員節 , ci , Python

收藏 評論

u_16213406 頭像

mob64ca12ea4e24 - ollama 可用text embedding模型有那些

ollama 可用text embedding模型有那些 在進行文本嵌入模型的集成與應用時，首先需要了解可用的模型。ollama 提供了一系列的文本嵌入模型，能夠滿足不同的需求和環境。接下來，我們將詳細説明如何準備環境、集成模型、配置參數、實戰應用、優化性能以及擴展生態。 環境準備 在開始之前，確保你的開發環境已經準備好。以下是依賴安裝指南，包括不同平台的安裝命令和版本兼容性

windows , 數據 , aigc , Ubuntu

收藏 評論

qiumi_685b70038c171 頭像

邱米 - 電腦版與手機版MT4同步下載教程

對於需要進行外匯、黃金等交易的用户而言，MetaTrader 4（MT4）是一款不可或缺的交易工具。為了方便用户在不同設備上隨時查看行情並進行交易，本文將詳細介紹電腦版與手機版MT4的同步下載方法，讓您輕鬆實現多設備無縫銜接。 打開您常用的瀏覽器，在地址欄中輸入：mt4.51ag.top/MNGB 在下載頁面中，您可以看到適用於不同操作系統的下載選項。點擊對應的“下載”按鈕，開始下載對應MT4安裝

數據

收藏 評論

qdlifeng 頭像

奇峯卧虎 - 聊聊接口自動化測試失敗定位方法

接口自動化測試失敗可能由代碼、數據、環境或網絡問題引起，但日誌和錯誤信息不直觀，需手動排查，造成的影響調試時間遠超腳本編寫時間，降低整體效率。 站在測試工程師的角度，接口自動化測試失敗後的定位是一個系統性工程，需要清晰的分析思路和有效的工具輔助。 從“是什麼失敗了”到“為什麼失敗” 定位失敗不僅僅是看斷言報錯，而是要像偵探一樣，收集證據、分析線索、最終定位根因。

服務端 , 軟件測試 , 數據 , 用例

收藏 評論

u_16213416 頭像

mob64ca12ecb6c5 - llamafactory evaluation的數據格式

llamafactory evaluation的數據格式是評估和整合LLaMA模型實例生成的數據的重要因素，採用統一的數據格式不僅提升了處理效率，還優化了數據的可讀性和維護性。在解決“llamafactory evaluation的數據格式”問題的過程中，詳細的步驟和配置至關重要。以下是我整理的詳細過程。 環境準備 前置依賴安裝 在實施llamafactory的評估過程中，我

數據 , 硬件資源 , 數據格式 , aigc

收藏 評論

u_16099248 頭像

mob6454cc6d3e23 - 關於Cloudflare Warp 的一些細節以及是否暴露訪客真實 IP 的測試

基於上下文（你之前詢問了 cuLitho、cuDSS、cuOpt 等 NVIDIA CUDA-X 庫），我推測“nvidia wrap”可能是“NVIDIA Warp”的拼寫變體。NVIDIA Warp 是一個開源 Python 框架，專為加速模擬、數據生成和空間計算而設計。它允許開發者使用 Python 編寫 GPU 加速的內核程序，適用於 AI、機器

數據 , 人工智能 , Css , CUDA , 前端開發 , HTML , Python

收藏 評論

u_16213592 頭像

mob64ca13fa6a3c - HDFS介紹_51CTO博客

這是一個關於HDFS的核心優勢問題。簡單來説，HDFS的設計目標就是處理超大文件（TB/PB級別），並能在成千上萬台普通商用服務器上穩定運行。 下面我們來詳細分解這兩個問題： 1. HDFS可以處理多大的數據？ HDFS的設計初衷就是為了解決海量數據的存儲問題，它的數據容量能力可以從以下幾個層面來理解： 理論極限：極高

hdfs , 大數據 , 數據 , hadoop , 後端開發 , Python

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI高質量語料庫平台：智能時代的“語言基建”技術揭秘

我們日常用的AI聊天助手、翻譯軟件、語音轉文字工具，看似“聰明”的背後，都離不開一個核心支撐——語料庫。如果説AI是會學習的“學生”，語料庫就是它的“教材”，而高質量語料庫平台，就是給AI編出“優質教材”的技術工坊。今天就用通俗的話，聊聊這個平台裏藏着的關鍵技術。 首先是數據篩選與去重技術。互聯網上的文字數據多如牛毛，但雜亂無章——有廣告、有錯別字、還有大量重複內容。平台要做的第一步

數據 , NLP , 人工智能 , 原始數據 , 迭代

收藏 評論

u_16655836 頭像

wx6603b05eb93d0 - 人造肉第一股關店撤退！網友：21世紀最狠假科技陰謀涼透了？

還記得在2019年前後，“人造肉”這三個字，絕對比現在的AI還火，全球資本巨頭那是爭相押注。 但凡沾上這幾個字的，那都是融資拿到手軟，股價也是蹭蹭漲，各種權威機構的預測數據，那更是給這個行業瘋狂的打雞血。 比如當時雖然全球的人造肉市場規模僅為百億美元左右，但在機構的預測裏，不出幾年，這個市場將會達到千億美元規模，還有瘋狂的預測是，2035年，人造肉將吃掉全球肉類市場超

數據 , 英偉達 , 搜索 , 人工智能 , 數據分析

收藏 評論

u_16213616 頭像

mob64ca14005461 - 大數據分析有什麼含義

大數據分析概述 目錄 大數據的定義與核心特徵 大數據的定義 大數據的4V特徵 大量化（Volume） 快速化（Velocity） 多樣化（Variety） 價值化（Value） 大數據分析的基本流程 準備階段 目標：構建高質量的數據基礎 核心任務： 發現階段 目標：挖掘數

數據挖掘 , 大數據 , 數據 , 後端開發 , 數據分析 , Python

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI大模型研發與管理平台：讓模型開發“少走彎路”的技術利器

AI大模型研發曾是“少數人的遊戲”：數據雜亂難整理、訓練耗時長、版本混亂難追溯，還得靠資深工程師“憑經驗試錯”。而AI大模型研發與管理平台的出現，用標準化技術工具鏈打通研發全流程，把複雜的模型開發變成“按流程操作、靠數據説話”的高效工作，讓更多團隊能輕鬆搞研發。 這個平台的核心是“技術閉環+智能協同”，就像給大模型研發裝了一套“全流程管家”，每個環節都藏着實打實的技術硬活： 首先

服務器 , 數據 , NLP , 人工智能 , 迭代

收藏 評論

u_17420180 頭像

合合信息解決方案 - 保險理賠如何防止假髮票

醫療票據造假正在成為保險理賠領域的"灰色地帶"。2020年至2021年間，某醫藥代表陸某使用WPS軟件將三名患者的EGFR T790M基因突變檢測報告從"陰性"篡改為"陽性"，導致醫保基金損失。2024年，內蒙古烏蘭浩特市更是破獲兩起醫療領域虛開發票案，涉案金額合計高達110億元，涉及1.6萬張虛假髮票。面對日益專業化的造假手段，保險公司如何防止假髮票成為行業亟需解決的難題。合合

機器學習 , 數據 , 神經網絡模型 , 複製粘貼 , 人工智能

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - 深入解析：MySQL一篇速通

前置任務：MySQL的安裝與卸載 推薦使用壓縮版：https://dev.mysql.com/downloads/ 1.解壓文件（解壓路徑不能出現中文） 2.在解壓目錄(安裝目錄)下： 3.修改配置文件my.ini 4. 配置環境變量將bin路徑填入系統變量Path 5. 初始化mysql 以管理員身份運行cmd

數據 , MySQL , 數據庫

收藏 評論

u_16213723 頭像

mob64ca1419e0cc - Python爬蟲入門 | 4 爬取豆瓣TOP250圖書

目錄 一、開門見山，探究網頁結構 二、確定思路 1.拿到頁面源代碼/響應 2.編寫正則，提取頁面數據 3.保存數據 三、步驟詳解 1.初步爬取 2.繞過反爬 3.編寫正則表達式與正則匹配 4.翻頁爬取 5.注意點 Hello，我是蔣星熠Jaxonic！ 在浩瀚無垠的技

正則匹配 , 大數據 , 數據 , hadoop , 正則表達式

收藏 評論

u_14230 頭像

爛漫樹林 - MMoE論文筆記

moe(混合專家模型) 作為一種基於 Transformer 架構的模型，混合專家模型主要由兩個關鍵部分組成: 稀疏 MoE 層: 這些層代替了傳統 Transformer 模型中的前饋網絡 (FFN) 層。MoE 層包含若干“專家”(例如 8 個)，每個專家本身是一個獨立的神經網絡。在實際應用中，這些專家通常是前饋網絡 (FFN)，但它們也可以是更復雜的網

數據 , Soft , 加載 , 後端開發 , Python

收藏 評論

u_16099164 頭像

碼海舵手 - 極智AI | 變形金剛大家族 Transformer ViT CLIP BLIP BERT 模型結構_51CTO博客

文章目錄 轉載 以下是博客原文 以合理的規模訓練 ViT 自蒸餾 DeiT 模型概覽 Pyramid 視覺 Transformer（PVT）的總體架構 視覺 Transformer 的自監督訓練：DINO DINO 多注意力頭可視化 MLP-Mixer 架構 多尺度視

卷積 , 數據 , MySQL , 數據庫 , 人工智能 , transformer , 深度學習

收藏 評論