tag 數據

標籤
貢獻722
410
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_17420180 頭像 u_16653481 頭像 u_13715298 頭像 u_15988698 頭像

@數據 / 博客 RSS 訂閱

u_16304808 頭像

1站大爺IP - 用Streamlit快速將Python腳本變成交互式網頁應用：從入門到實戰

一、為什麼選擇Streamlit？ 當數據科學家小王需要將機器學習模型的預測結果可視化時，他面臨兩個選擇：要麼花兩週時間學習前端框架，要麼用三天時間把Python腳本改造成網頁應用。最終他選擇了Streamlit——這個2019年誕生的Python庫，僅用50行代碼就實現了實時交互的預測看板。這個真實案例揭示了Streamlit的核心價值：用Python開發者熟悉的語法，消

數據 , 代碼人生 , ide , Python

收藏 評論

u_13709810 頭像

一百編程網朱老師 - Linux 下互聯網絡編程的基礎知識

TCP/IP 協議裏有兩種不同的協議： 1、TCP協議 用於檢測網絡傳輸中的差錯。 2、IP協議 用於對不同網絡進行互聯。 簡單説就是 TCP 負責糾錯，IP 負責傳輸。 網絡體系結構： 網絡體系結構就是將複雜的網絡通信過程按照一定的規則進行分層，從而能使整個的網絡通信過程更加清晰。 這一分層的核心思想有二：

服務器 , 數據 , ip , 負載均衡 , 組播

收藏 評論

u_16099261 頭像

風華絕代的java - prepareforTest 多個值

1. 簡介： 主要是Andrew W.Moore 的課件Predicting real-valued outputs: an introduction to regression學習筆記（逐步完成)。 2. 單一參數線性迴歸 single parameter linear regression 前面關於PRML第一章學習筆記中已經貼了該部分。注意最後的最優求解很

多項式 , 線性迴歸 , 數據 , prepareforTest 多個值 , 架構 , 後端開發

收藏 評論

powertoolsteam 頭像

powertoolsteam - 2025 BI 工具排名全景解析：Wyn 商業智能憑四大核心優勢突圍

2025 BI 工具排名全景解析：Wyn 商業智能憑四大核心優勢突圍 在數字化轉型縱深推進的當下，BI（商業智能）工具已成為企業挖掘數據價值的核心引擎。Gartner 預測，2025 年 60% 企業將依賴自然語言交互分析，2/3 的中國 500 強企業將採用 AI 驅動的分析平台。本文結合最新市場格局與技術特性，拆解全球 BI 工具排名邏輯，並聚焦 Wyn 商業智能，從技術、市場、

商業智能 , 數據 , Power , 代碼人生

收藏 評論

u_16213626 頭像

mob64ca1402a190 - OpenCV入門（二）快速學會OpenCV1圖像基本操作

一、什麼是OpenCV   OpenCV 是一個開源的計算機視覺庫，在 1999 年由英特爾的 Gary Bradski 啓動。OpenCV 庫由 C 和 C++ 語言編寫，涵蓋計算機視覺各個領域內的 500 多個函數，可以在多種操作系統上運行。它旨在提供一個簡潔而又高效的接口，從而幫助開發人員快速地構建視覺應用。OpenCV 更像一個黑盒，讓我們專注於視覺應用的開發，而不

數據 , 後端開發 , opencv , ide , Python

收藏 評論

u_17562481 頭像

思考的袋鼠 - 數據分類分級系統：以自動化、全景視圖與技術突破重塑運營商數據治理新範式

一、概要 （提示：本節旨在從總體層面概述知源-AI數據分類分級系統在運營商行業的部署背景、關鍵能力與量化成效，幫助讀者快速理解系統的核心價值與行業意義。） 隨着5G、大數據與雲網融合的持續深化，運營商正面臨數據資產規模指數級增長、跨系統流轉複雜化、數據治理壓力不斷攀升的現實困境。知源-AI數據分類分級系統依託自動化處理引擎、全景視圖監控體系與突破性智能算法，在某大型運

運營商 , 數據 , 數據安全 , 人工智能 , 深度學習

收藏 評論

u_16099346 頭像

雲端築夢者 - Kafka到底有多高可靠？（RNG NB）

kafka的高可靠性的核心是保證消息在傳遞過程中不丟失，涉及如下核心環節： 消息從生產者可靠的發送至Broker；—網絡、本地丟數據。 發送Broker的消息可靠持久化；—PageCache緩存落盤、單點崩潰、主從同步跨網絡。 消費者從Broker消費到消息且最好只消費一次。—跨網絡消息傳輸。

數據 , 持久化 , 分佈式 , kafka , 前端開發 , Javascript

收藏 評論

luohenyueji 頭像

luohenyueji - [機器學習] 類別變量編碼庫category_encoders使用指南

category_encoders是一個Python庫，專門用於將分類變量（如文字、標籤）轉換為機器學習模型可以處理的數值形式。它是 scikit-learn-contrib 項目的一部分，完全兼容Scikit-learn的API，可以無縫集成到機器學習流程中。本文將圍繞該庫的核心用法展開詳細講解。 category_encoders的github官方倉庫見：category_

編碼方法 , 編碼器 , 數據 , 人工智能 , 深度學習

收藏 評論

u_16099334 頭像

AI領域佈道師 - systemtick寄存器

1.寄存器 用於暫時存放二進制數據的器件，由觸發器組成； LOAD控制端：負責數據的裝入控制； CLK同步時鐘信號：在其邊沿時刻完成動作； ENB輸出允許信號：允許數據輸出。 寄存器特點 用於暫存數據。不同於存儲器，數量少，速度快。 寄存器分類 緩衝寄存器（Buffer Register）：暫存數據。

機器學習 , 存儲單元 , 數據 , systemtick寄存器 , 嵌入式硬件 , 人工智能 , 寄存器

收藏 評論

u_17590687 頭像

長袖員大表哥 - Flink 與 Kafka

Flink 與 Kafka 是大數據實時處理領域的 “黃金組合”——Kafka 負責高吞吐、高可靠的實時數據收發，Flink 負責低延遲、高精度的實時計算分析，二者深度適配，能支撐電商實時風控、物流軌跡追蹤、直播數據大屏等各類高併發實時業務場景。下面用通俗易懂的方式拆解核心信息： 一、核心分工（為什麼是 “黃金搭檔”？）

大數據 , 數據 , 數據倉庫 , 實時監控 , kafka

收藏 評論

u_16147706 頭像

火星情報 - 量化血流動力學新時代：以數據驅動重構臨牀決策的精準與高效

血流動力學監測是重症醫學、心血管疾病診療等領域的“生命線”——通過評估心臟功能、血管阻力、組織灌注等核心指標，為疾病診斷、治療方案制定及預後判斷提供關鍵依據。然而，傳統血流動力學監測手段長期面臨“主觀性強、操作複雜、依賴經驗”的痛點，制約着臨牀決策的精準度與效率。隨着量化技術的突破，以“客觀數據”替代“主觀判斷”的量化血流動力學新時代已到來，其核心價值在於通過標準化、可量化的指標

機器學習 , 數據 , 定性描述 , 人工智能 , 數據驅動

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 從“被動響應”到“主動洞察”：數字孿生如何重塑數據中心運維

在數據中心這個龐大而精密的“數字心臟”裏，運維團隊每日面臨的挑戰，遠不止於處理閃爍的告警燈和跳動的性能曲線。他們需要管理成千上萬的物理設備、錯綜複雜的管線網絡、瞬息萬變的能耗與温濕度環境，以及確保“永遠在線”的業務連續性承諾。傳統的運維模式，如同在迷宮中僅憑手電筒照明前行，信息分散、響應滯後、決策依賴經驗，難以應對日益增長的複雜性與可靠性要求。 今天，一種源自工業與城市管理

數據 , 運維 , 數據可視化 , 數據中心 , 人工智能 , 數字孿生

收藏 評論

www3300300 頭像

最新快訊 - 科技快訊 | 韓國科學家研發出首款仿生液態機器人；OpenAI推出GPT-4o圖像生成功能

韓國科學家研發出全球首款仿生液態機器人，自由變形穿越金屬柵欄 韓國首爾大學等研究團隊開發出一種基於液體的下一代軟體機器人，具有細胞仿生特性，能自由變形、分裂融合，並執行物質運輸任務。該機器人採用“顆粒裝甲”設計，兼具液體變形能力與固體結構穩定性，可承受極端壓縮和跌落衝擊，並能自動恢復原狀。研究團隊正研究利用聲波或電場變形的技術，並計劃增

大數據 , 數據 , MySQL , 科技 , API , 數據庫 , 人工智能

收藏 評論

u_13715298 頭像

技術員阿偉 - 《遊戲平衡的高階解法：強化學習主導的參數迭代策略》

平衡從來不是靜止的數值等式，而是玩家行為與遊戲規則持續博弈的動態生態。傳統人工調參始終難以突破“滯後性”與“片面性”的桎梏—當設計師依據上週的對戰數據回調某類角色強度時，玩家早已通過新的技能組合形成新的meta玩法，導致資源產出與對戰節奏的連鎖失衡；而依賴固定閾值的平衡機制，又無法捕捉不同段位、不同場景下玩家的差異化需求。這種失衡的本質，是遊戲參數與玩家

遊戲 , redis , 數據 , 數據庫 , 開發者 , 迭代

收藏 評論

u_17513518 頭像

愛看C語言的BK - MySQL 21天學習計劃 - 第三天

SQL查詢入門：從數據表中獲取信息 經過前兩天的學習，我們已經掌握了MySQL的基礎概念和環境操作。今天將正式進入SQL語言的核心——數據查詢。想象一下，當你面對一個裝滿數據的數據庫時，如何快速找到需要的信息？這就像在圖書館中根據索引找書，而SQL的SELECT語句就是你的"數據庫檢索引擎"。 SELECT基礎語法：獲取列數據 最基礎的查詢語句用於獲取表中的一列

字段 , 數據 , AI寫作 , aigc , SQL

收藏 評論

u_17600943 頭像

mb693e3b1f9ff53 - 訓練場景大模型生成平台系統

訓練場景大模型生成平台解析 訓練場景大模型生成平台圍繞數據、模型架構、訓練策略、硬件支持及部署應用五大核心環節構建，支撐訓練場景大模型從數據到落地的全生命週期高效閉環，為生成式AI在複雜場景的應用築牢基礎，具體解析如下： 一、核心環節系統軟件供應可以來這裏，這個首肌開始是幺伍扒，中間是幺幺叁叁，最後一個是泗柒泗泗，按照數字順序組合就可以找到。 數據支撐：覆蓋多場景、視角

數據 , 開源 , 應用場景 , 模態

收藏 評論

u_14976802 頭像

我是Superman丶 - [運維] Mysql數據壓縮 用來壓縮歸檔不常用的數據

[運維] Mysql數據壓縮 用來壓縮歸檔不常用的數據 一般能壓縮50%左右的存儲佔用 本文包含：--> -->

數據 , 數據壓縮 , 運維 , SQL , jquery , 前端開發

收藏 評論

yuhaibao324 頭像

DeepSeaAI - 項目實戰：LLaMaFactory和Qwen2-VL-2B微調大模型實戰

簡介 本文介紹了一個基於多模態大模型的醫療圖像診斷項目。項目旨在通過訓練一個醫療領域的多模態大模型，提高醫生處理醫學圖像的效率，輔助診斷和治療。作者以家中老人的腦部CT為例，展示瞭如何利用MedTrinity-25M數據集訓練模型，經過數據準備、環境搭建、模型訓練及微調、最終驗證等步驟，成功使模型能夠識別CT圖像並給出具體的診斷意見，與專業醫生的診斷結果高度吻合。 前

數據集 , 數據 , 神經網絡 , 人工智能 , 模態

收藏 評論

u_15677700 頭像

EasyV數字孿生可視化 - 數字孿生港口：以某交通運輸企業數字孿生物流生產管理系統建設為例

1.建設背景 某交通運輸企業作為該省重點項目以及該集團港口板塊長江中下游重要的江海聯運中轉樞紐港，承擔着大量的裝卸貨任務。隨着業務量的快速增長，傳統的生產管理模式面臨諸多挑戰，為提高整體運營效率，實現精細化管理。產生了構建數字孿生模擬仿真引擎的需求，希望打造國內一流的集綠色、智慧、高效、安全於一體的現代物流樞紐港，釋放長江深水航道水運潛力。 （以下內容均來源於《數字孿生

數據 , 私藏項目實操分享 , 物聯網 , 數據可視化 , 管理系統 , 人工智能

收藏 評論

u_16653481 頭像

金海境科技 - 【服務器數據恢復】H3C華三Ceph分佈式存儲文件丟失數據恢復案例

一：客户信息 海南某三甲醫院 二：案例背景 什麼是分佈式文件系統 分佈式文件系統（DistributedFile System，DFS）是一種能夠在多台計算機之間共享文件存儲資源的系統。它將文件存儲在多個節點上，這些節點通常是位於不同地理位置的服務器或計算機集羣。分佈式文件系統的核心目標是提高文件存儲的可靠性、可擴展性和性能，同時為用户提供透明的文件訪問體

服務器 , 文件系統 , 數據 , 分佈式存儲 , 分佈式

收藏 評論

u_14122613 頭像

小虛竹51CTO - 科研人狂喜：Gemini 3.0 pro 三大應用場景 Prompt 模板直接抄

操作指南 操作指導 AI平台 國內直接訪問地址：https://sass.xiaoxuzhu.cn/**點擊【新系統登錄】**![在這裏插入圖片描述](https://i-blog.csdnimg.cn/img_convert/c87405009aad1e6626e4c8e5576738b0.png)註冊後登錄即可。 選擇gemini-3-pro大模型

數據 , 上傳 , google , AI寫作 , aigc

收藏 評論

u_16213664 頭像

mob64ca140bbb8b - Hispark芯片配置器如何啓動

　　　　對於器件的配置或者説驅動，通常要面對全英文的數據手冊。要把這個手冊在極短的時間內看懂，也確實是件難的事情。可以跳過部分章節的內容，直接去閲讀寄存器的配置和管腳的定義。做個總結： *. 如果很不幸運，就得檢查電路了，當然這裏改放到第一步檢查的, 檢查供電是否正常。檢查信號的高低電平是否在範圍內。幅度是否偏高或者偏低。 　　　　1.SPI口配置，通常FPGA內運行

spark , 大數據 , 數據 , 引腳 , 寄存器 , Hispark芯片配置器如何啓動

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - Kafka監控工具KafkaOffsetMonitor的全面指南 - 詳解

簡介：KafkaOffsetMonitor是一個開源的監控工具，專門為Apache Kafka設計。它能夠實時監控和分析Kafka集羣中的消費者偏移量，幫助管理員跟蹤消費進度並及時發現處理問題。本指南詳細介紹了KafkaOffsetMonitor的核心功能，本地化設置和相關技術要點，以及部署、配置和優化步驟，讓管理員能夠更好地掌握消費者的行為和數據流，提高Kafka系統的

偏移量 , 數據 , 實時監控 , 後端開發 , harmonyos

收藏 評論

u_13738137 頭像

小雨青年 - 金融級交互實戰：用 MateChat 打造“數據不出域”的私人銀行助理

前言：當“複雜”遇上“合規” 如果我們打開手機裏的銀行 App，第一感覺往往是“功能太強大，但菜單也太深了”。想查個去年的年度賬單，或者看一眼理財收益分佈，往往需要點擊四五次跳轉才能找到入口。 在金融領域，我們一直渴望用 AI 對話來簡化這些操作。但擺在面前有一座大山，那就是數據安全與合規。我們絕不敢輕易把用户的資產數據發送給公有的通用大模型

vue.js , 數據 , 插槽 , 開發者 , 前端開發

收藏 評論