tag 數據

標籤
貢獻710
382
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

lenglingx 頭像

lenglingx - 一個關於Sass系統對客户同步數據的方案

最近我們作為一個sass系統的客户，我們需要sass系統服務商給我實時同步數據，對方要求我們提供方案，英文實時同步，我這裏採用了基於mysql的binlog來做，總共分為2部分：一個是基於某個商户的配置把現在有數據的表發送給作為商户的我們，返回時間戳和時間節點或者binlogId之類的；二是他實現對binlog的解析然後過濾出來，是某個商户的數據，是需要推送的表，推送的表要推送那

數據 , 時間戳 , 推送 , 後端開發 , JAVA

收藏 評論

u_15675190 頭像

冰淇淋紅茶Q - AI輔助開發大屏案例詳解：基於smardaten開發港口作業分析大屏

一、需求背景 隨着港口運營規模的不斷擴大與信息化水平的提升，傳統的數據報表與分散監控方式已難以滿足實時感知、智能分析與高效決策的管理需求。港口管理部門亟需一種能夠集中展示作業動態、實時監測異常情況、直觀反映運營效率的數據可視化大屏解決方案。港口作業數據量大、指標多樣、關聯複雜，因此需要通過可視化手段，構建一個集數據整合、智能預警與交互分析於一體的運營指揮大屏。 二、大

字段 , 無代碼 , 數據 , 低代碼 , 柱狀圖 , 人工智能 , 深度學習

收藏 評論

cwikius 頭像

HoneyMoose - AI Bot 爬蟲新勢力

CloudFlare 提供 AI Crawl Control 的配置選項。 AI Crawl Control 針對越來越多的 AI Crawl，CloudFlare 提供了 AI Crawl Control 控制選項。 對使用 CloudFlare 的用户，可以通過控制枱上的配置來查看自己的網址被 AI 掃描了多少次。 針對

搜索引擎 , 數據 , Css , 前端開發 , HTML

收藏 評論

u_16213719 頭像

mob64ca1418e88d - Docker學習筆記之docker數據卷_suifeng528

從單機到集羣：Docker 數據卷在高可用日誌平台中的實戰指南 目錄 一、引子：為什麼我的日誌平台必須用好數據卷？ 二、第一步：理解 Docker 數據卷的本質 三、第二步：命名卷 vs 綁定掛載 —— 如何選擇？ 四、第三步：在 docker-compose.yml 中正確聲明數據卷 五、第四步：三

容器 , 數據 , 雲計算 , 運維 , Docker , kafka

收藏 評論

u_17393348 頭像

mb681965b2846e2 - Harmony開發之輕量級數據存儲——Preferences實戰

Harmony開發之輕量級數據存儲——Preferences實戰 引入：用户設置的持久化保存 在日常應用開發中，我們經常需要保存用户的個性化設置，比如主題顏色、字體大小、通知開關等。這些數據雖然量不大，但需要在應用重啓後依然保持有效。HarmonyOS提供的Preferences（用户首選項）正是解決這類問題的輕量級數據存儲方案。 一、Preferences核心

封裝 , 移動開發 , 數據 , 初始化 , Android

收藏 評論

u_16565975 頭像

計算機專業指導老師 - 基於VUE的健身俱樂部管理系統[VUE]-計算機畢業設計源碼+LW文檔

摘要 隨着健身行業的數字化轉型，傳統人工管理方式已難以滿足俱樂部高效運營需求。本文設計並實現了一套基於Vue.js的健身俱樂部管理系統，採用前後端分離架構，前端集成Element UI組件庫實現響應式交互，後端通過RESTful API提供數據支持。系統涵蓋健身知識管理、會員信息維護、課程預約、教練排班、留言反饋等核心功能模塊，支持分類檢索、數據緩存與權限控制。測試結果表明

軟件研發 , 數據 , Vue , 知識管理

收藏 評論

u_16099185 頭像

夢想啓航吧 - memset清零結構體

首先要知道memset函數是對字節為單位進行賦值的； void *memset(void *s, int ch, size_t n); 函數解釋：將s中前n個字節 （typedef unsigned int size_t ）用 ch 替換並返回 s 。 其實這裏面的ch就是ascii為ch的字符；

機器學習 , 數據 , 初始化 , 賦值 , memset清零結構體 , 人工智能

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI智能問數系統：用大白話“聊”出數據答案

做業務的朋友都有過這樣的無奈：想要一份區域銷售數據，得找IT寫SQL查詢，等半天還可能因為表述不清拿錯結果；面對Excel裏的海量數據，想知道“為什麼新品銷量不如預期”，卻對着複雜函數無從下手。而AI智能問數系統，就像給數據裝了“聊天功能”，不用懂技術，用大白話提問就能秒獲答案，讓數據查詢不再卡殼。 這個系統能“聽懂人話”，核心靠的是自然語言處理（NLP）技術。背後的邏輯一點不玄乎：

it , 海量數據 , 數據 , NLP , 人工智能

收藏 評論

u_17420180 頭像

合合信息解決方案 - AI如何自動識別報銷單據信息

當財務人員每天面對堆積如山的報銷單據時，傳統手工錄入不僅效率低下，錯誤率更是居高不下。根據行業數據顯示，採用智能OCR票據識別系統的企業，財務處理效率平均提升了300%，錯誤率降低至0.1%以下。AI如何實現報銷單據的自動識別？合合信息基於文本智能技術打造的智能審核解決方案，正在為這一難題提供答案。 OCR技術：從圖像到數據的智能轉換 AI自動識別報銷單據的核心在於O

機器學習 , 字符識別 , 數據 , 人工智能 , 解決方案

收藏 評論

u_15988698 頭像

代碼天地 - python科研繪圖-繪製多模型對比校準曲線

代碼實現多模型校準性能對比分析，原理為通過 LSTM/BiLSTM 捕捉時序特徵，傳統機器學習模型擬合數據分佈，利用 calibration_curve 評估模型預測概率與實際正例比例的一致性。實現方法為加載 / 生成標準化數據，訓練 / 加載 LSTM、BiLSTM、隨機森林等多類模型，生成預測概率後繪製校準曲線，量化對比不同模型的校準效果，為模型選擇與優化提供實驗依據。

服務器 , 數據 , 加載 , 分佈式 , Json

收藏 評論

u_16175442 頭像

mob649e81567471 - ollama向量模型

在機器學習和人工智能的領域中，向量模型是一種重要的表示方式，Ollama 向量模型就是其中的一個代表。Ollama 向量模型致力於高效處理和表示文本數據，以便在自然語言處理（NLP）任務中發揮重要作用。本文將探討解決Ollama向量模型相關問題的全過程，涵蓋技術原理、架構解析、源碼分析等方面。 背景描述 在當今信息爆炸的時代，文本信息的處理變得尤為重要。Ollama 向量模型通過

預處理 , 向量化 , 數據 , aigc

收藏 評論

u_16213709 頭像

mob64ca141677f9 - Stanford CoreNLP提取關鍵詞

　　1.關鍵字提取： 　　關鍵詞抽取就是從文本里面把跟這篇文檔意義最相關的一些詞抽取出來。這個可以追溯到文獻檢索初期，當時還不支持全文搜索的時候，關鍵詞就可以作為搜索這篇論文的詞語。因此，目前依然可以在論文中看到關鍵詞這一項。 　　除了這些，關鍵詞還可以在文本聚類、分類、自動摘要等領域中有着重要的作用。比如在聚類時將關鍵詞相似的幾篇文檔看成一個團簇，可以大大提

數據 , 詞頻 , NLP , 權重 , 人工智能

收藏 評論

lu952450497 頭像

lu952450497 - 離線數倉與實時數倉的應用場景與對比

數據倉庫的建設從傳統離線架構逐步演進到實時架構，是企業數字化能力成熟的重要階段。離線數倉強調批處理、週期加工、結構穩定和歷史追溯；實時數倉強調秒級至分鐘級數據更新、事件驅動和業務反饋閉環。兩者不是互斥關係，而是面向不同業務訴求的差異化建設方向。 一、離線數倉的特徵 核心特徵 離線數倉基於批處理思想： 每日/每小時調度任務產出數據 以 T+

批處理 , 大數據 , 數據 , 離線 , 數據倉庫

收藏 評論

aixiaodekaomianbao_ddkwvd 頭像

clklog - ClkLog埋點系統基於ClickHouse的百萬日活測試報告

背景介紹 自 ClkLog 上線以來，我們不斷吸納用户需求，提升產品的支持能力。今年下半年，我們遇到了日活躍用户數達到百萬級別的客户。為了給 ClkLog 用户提供可靠的技術建議和解決方案，同時也為了節省成本，在Clickhouse官方支持下，我們在阿里雲上對 ClickHouse 社區版、企業版進行了詳細測試和成本分析。 本次測試主要目的是評估 ClkLog 在不同日活躍用户量級（一萬、十萬、百

sdk , 數據 , 開源 , 數據分析 , 用户體驗

收藏 評論

u_16099257 頭像

編程小匠人 - 我“對地觀測大數據應對全球變化”獲聯合國獎項 - 靈玖lingjoin的個人空間 -

在當今的石油與天然氣勘探開發中，隨鑽測井技術已成為提高鑽井效率、降低開發風險和實現複雜油氣藏精準開採的核心利器。其中，定向測斜功能如同給鑽頭裝上了“GPS導航”，實時指引其在地層中穿行。而動態旋轉定向傳感器，正是這項功能中一項革命性的技術突破，它徹底改變了傳統的測量模式，將定向鑽井的精準性與效率提升到了全新高度。 一、 核心功能：從“靜態瞄準”到“動態鎖定”

陀螺儀 , 文心一言 , 數據 , aigc , 數據處理

收藏 評論

u_16213699 頭像

mob64ca1414098d - Etcd的使用 - Etcd集羣安裝 - 《Go學習手冊（For learning Go Tutorial）》

一、集羣檢查 注意：etcdctl 命令如果沒有顯式指定--endpoints參數，它會使用默認配置，而這個默認配置可能無法連接到集羣的所有節點，結果是隻會得到當前節點的信息 1、查看集羣成員列表 etcdctl member list 2、查看集羣狀態 etcdctl --endpoint

數據 , 取值 , 後端開發 , 鍵值 , Python

收藏 評論

u_16099344 頭像

風華正茂的AI - aix鏡像一個邏輯卷

存儲管理、LVM和文件系統（下） 導航： 　　管理邏輯卷 　　文件系統 五、管理邏輯卷 一個邏輯卷映射一個或多個物理卷，具體取決於您希望維護的數據副本的數量 單個邏輯卷副本，表示存在一個邏輯分區到物理分區的映射 添加邏輯卷 使用mklv命令創建邏輯卷，該命令指定邏輯卷的名稱並定義其特徵，包括要分配的邏輯分區數量（默認

文件系統 , 數據 , 雲計算 , aix鏡像一個邏輯卷 , 邏輯卷 , 雲原生

收藏 評論

u_11908275 頭像

AI算法專家李智華 - deepseek-r1-distill-qwen-32B 模型技術過程——做了SFT

DeepSeek-R1-Distill-Qwen-32B 是 DeepSeek 團隊通過“知識蒸餾”（Knowledge Distillation）技術創造出來的。 簡單來説，它的誕生過程並非像傳統的“從零訓練”或單純的“繼續預訓練”，而是**“大號學霸（DeepSeek-R1）手把手教小號（Qwen-32B）做題”**的過程。 以下是其核心

sed , 強化學習 , 數據 , 前端開發 , Javascript

收藏 評論

u_12968 頭像

davisl - 前端- Rust入門系列之引用和借用 - Rust學習分享

Rust 借用與引用實戰 引言 借用是 Rust 中使用值而不獲取其所有權的方式。通過引用，我們可以在不轉移所有權的情況下訪問數據。Rust 的借用檢查器確保引用始終有效。 借用規則 借用遵循兩條關鍵規則： 在任意給定時間，要麼只能有一個可變引用，要麼只能有多個不可變引用 引用必須總是有效的

數據 , rust , 緩存 , 前端開發 , Javascript

收藏 評論

u_12995 頭像

kcoufee - 用NVIDIA-TensorRT構造深度神經網絡

本文介紹瞭如何結合NVIDIA Nemotron開放模型與圖形數據庫，構建一個能夠從非結構化IT支持工單數據中挖掘洞見、追蹤關聯關係的AI智能體系統。該系統包含模塊化數據處理管道、上下文增強、根因分析、洞見生成以及自動化警報與交付等核心階段，並通過交互式儀表板提供按需摘要功能。 現代組織通過工單系統、事件報告、服務請求、支持升級等產生大量的運營數據。這些工單通常包含有關係統

it , 數據 , 前端開發 , 結構化 , Javascript

收藏 評論

u_16099263 頭像

IT狼人9號 - DEM導出三維模型

一、內嵌ORM框架 概念：對象關係映射，即通過創建模型類，對象與數據庫的映射、關聯。 例如：要創建個模型類映射數據庫圖書表 二、模型類生成表 1）生成遷移文件 命令：python manage.py makemigrations 2）執行遷移生成

機器學習 , 數據 , 人工智能 , sqlite , DEM導出三維模型 , 前端 , Python

收藏 評論

u_13738137 頭像

小雨青年 - 打破資源孤島：離線混部技術如何重塑大數據處理效能

在大數據處理的真實世界裏，業務負載呈現出一種極具規律卻又令人頭疼的“潮汐現象”。隨着人類活動週期的變化，企業的在線業務通常在白天迎來流量洪峯，實時查詢、流處理系統以及面向用户的 API 接口時刻處於滿負荷運轉狀態。然而，當夜幕降臨，在線流量退去，龐大的服務器集羣往往陷入了沉寂。與此同時，數據團隊的離線業務，如大規模的 ETL 數據清洗、批量報表分析以及複雜的模型訓練，卻往往要在深

kubernetes , 優先級 , 數據 , 雲計算 , 離線

收藏 評論

xiuji 頭像

修己xj - 從“死記硬背”到“靈活應用”：詳解RAG如何讓AI真正理解並回答問題

當AI不再僅僅是“復讀機”，而是能夠結合最新信息提供準確回答的智能助手——這就是RAG技術帶來的變革。 在人工智能快速發展的今天，我們常常遇到這樣的困境：大型語言模型如GPT-4擁有海量知識，卻無法獲取最新的信息；它能寫出優美的文章，卻無法準確回答你公司內部文檔中的具體問題。這就是所謂的“知識截止日期”問題——模型只能基於訓練時的數據進行回答。 但有一項技術正在徹底

數據 , 搜索 , 語言模型 , aigc , llama

收藏 評論

u_16213560 頭像

數據小探 - 東軟大數據hadoop實訓 東軟 數據分析

你腦海中的數據可視化是啥樣？ 是這樣的？ 插圖0001.jpg886x476 149 KB 我們能為你提供的數據可視化 是這樣的 插圖0002.gif903x510 1.95 MB 還可以是這樣的 插圖0003加快版.gif1277x700 360 KB 以及這樣的 插圖0004.gif1361

東軟大數據hadoop實訓 , 數據集 , 大數據 , 數據 , hadoop , 數據可視化

收藏 評論