tag 數據

標籤
貢獻724
436
05:56 PM · Oct 25 ,2025

@數據 / 博客 RSS 訂閱

全極世界 - 7.3k星開源清單:一鍵部署個人SaaS,是自由還是新負擔?

GitHub上由Atarity維護的開源項目“deploy-your-own-saas”,彙集了超過30種可自託管服務的部署方案,旨在幫助用户替代商業SaaS訂閲。該項目憑藉對數據主權和成本控制的承諾,獲得了超過7.3k星標,成為開發者社區的熱門話題。然而,自託管模式在賦予用户控制權的同時,也將部署、維護和安全的全套技術責任轉移給了個人,這究竟是通往數字自主的捷徑,還是

商業 , 服務器 , yyds乾貨盤點 , 數據 , 雲計算 , 雲服務

收藏 評論

mob64ca14082604 - 最好用的CRM系統排行榜

在企業數字化轉型中,採購 - 庫存 - 維修 - 售後 - 回款/付款構成了從供應鏈到客户體驗的全流程閉環。不同品牌的能力差異,直接決定了企業能否實現“業務流、數據流、資金流”的協同。本文基於各品牌的核心定位與功能細節,從專業深度、原生支持度、流程協同性三個維度,對超兔一體雲、Oracle CX、Pipedrive、Freshworks、飛書展開橫向對比。 一、核心能力框架

it , 序列號 , 數據 , 前端開發 , Javascript

收藏 評論

angel - pyQT實現的學生信息管理系統(C/S架構,帶通信,帶加密) - zju

目錄 學生信息管理系統——C/S架構 1. 系統架構設計 1.1 C/S架構設計思路 1.2 系統架構圖 1.3 包結構 2.問題解答 2.1 使用了字節流還是字符流來傳遞數據?簡述I/O流應用於網絡編程的好處? 2.2 如何使用多線程實現多客户

List , 數據 , 客户端 , 後端開發 , Python

收藏 評論

wx65dfdaaec020c - ClickHouse深度解析:高性能列式分析數據庫

ClickHouse深度解析:高性能列式分析數據庫 摘要 ClickHouse作為開源的列式分析數據庫,以其卓越的查詢性能、實時數據攝入能力和水平擴展性著稱。本文將深入探討ClickHouse的存儲引擎、分佈式架構、數據分區策略,以及在大規模數據分析場景下的優化實踐。 ClickHouse架構深度解析 列式存儲架構 數據存儲結構 ClickHouse存儲層次結構:

數據 , 後端開發 , SQL , kafka , Python

收藏 評論

TwcatL - 深度學習模型評估指標全解析:從基礎到進階,避開評估陷阱

在深度學習項目中,你是否曾遇到過這樣的困惑:模型在訓練集上準確率高達98%,但在測試集上卻一塌糊塗;明明是分類任務,用準確率評估卻完全失真;不同模型的評估指標各有優劣,不知道該如何選擇。其實,模型評估是深度學習流程中至關重要的一環,它不僅能衡量模型的性能,更能指導我們進行模型優化和調參。今天,我們就從模型評估的核心邏輯入手,全面拆解分類、迴歸、序列預測等不同任務的常用評估指標,分

mse , 召回率 , 數據 , 私藏項目實操分享 , jquery , 前端開發

收藏 評論

長腿大壯 - H2 數據庫中的表空間與存儲引擎相關關鍵字

H2 數據庫中的表空間與存儲引擎相關關鍵字 在 H2 數據庫的底層配置中,表空間和存儲引擎關鍵字決定了數據的存儲方式和性能特性。這些關鍵字雖然不常出現在日常增刪改查操作中,但卻是優化數據庫存儲效率、適配不同部署場景的核心,掌握它們能讓數據庫從底層架構上貼合業務需求。 一、表空間相關關鍵字 表空間就像數據庫的 “存儲分區”,通過CREATE TABLESPACE、ALTER T

oracle , 表空間 , 數據 , 數據庫 , 存儲引擎

收藏 評論

數據解碼者 - C語言常用庫函數實現(一)_內存拷貝_c語言寫一個函數,完成內存之間的拷貝

一.strlen實現 str的原理:它的作用是計算字符串長度,根據這個知識我們來寫代碼吧。 int MyStrlen(const char* s) { int count = 0;//用於計算長度 while(*s != '\0') { count++; s++; } return co

字符串 , 數據 , bc , Css , 前端開發 , HTML

收藏 評論

技術領航舵手 - crc xmodem校驗計算

CRC 簡介 循環冗餘校驗(Cyclic redundancy check) 通稱CRC。是一種根據網絡數據包或計算機文件等數據產生簡短固定位數校驗碼的一種散列函數,主要用來檢測或校驗數據傳輸或者保存後可能出現的錯誤。生成的數字在傳輸或者存儲之前計算出來並且附加到數據後面,然後接收方進行檢驗確定數據是否發生變化。一般來説,循環冗餘校驗的值都是32位的整數。由於

機器學習 , 多項式 , 數據 , 數據完整性 , crc xmodem校驗計算 , CRC , 人工智能

收藏 評論

網絡安全衞士 - OD 田忌賽馬 java

題目描述 我國曆史上有個著名的故事: 那是在2300年以前。齊國的大將軍田忌喜歡賽馬。他經常和齊王賽馬。他和齊王都有三匹馬:常規馬,上級馬,超級馬。一共賽三局,每局的勝者可以從負者這裏取得200銀幣。每匹馬只能用一次。齊王的馬好,同等級的馬,齊王的總是比田忌的要好一點。於是每次和齊王賽馬,田忌總會輸600銀幣。 田忌很沮喪,直到他遇到了著名的

數據 , include , OD 田忌賽馬 java , 後端開發 , 二分圖 , JAVA

收藏 評論

mob64ca12d32849 - GitHub copilot沒看到

在某個時候,你可能會遇到“GitHub Copilot沒看到”的問題。這種情況下,合理的備份策略和恢復流程就顯得尤為重要。下面將詳細講述如何制定相應的備份策略、恢復流程及其相關工具和監控措施。 備份策略 制定有效的備份策略是確保數據安全的基礎。以下是備份計劃的甘特圖,以及週期性的備份安排: gantt title 備份計劃 dateFormat YYYY-M

數據 , 數據恢復 , aigc , ci

收藏 評論

金海境科技 - 【服務器數據恢復】RAID陣列SSD固態硬盤故障導致互聯網企業用户數據丟失數據恢復案例

一、客户信息 深圳市某互聯網科技公司,專注於生活服務類APP開發,平台註冊用户超5000萬,日均活躍用户800萬,核心業務涵蓋外賣配送、本地生活服務預訂等。公司數據中心部署了30台浪潮NF5280M6服務器,採用“SSD+機械硬盤”混合存儲架構,其中10台服務器配置4塊2TB NVMe SSD組建RAID10陣列,專門存儲用户基礎信息、訂單記錄及支付數據,數據總量約15TB

服務器 , 數據 , nosql , 固件 , 數據庫

收藏 評論

AI科技 - 谷歌憑Gemini 3逆襲硅谷“雙雄”,AI格局迎來全新洗牌!

在過去的幾年裏,AI 產業的競爭格局幾乎被英偉達與 OpenAI 兩大巨頭壟斷——前者憑藉 GPU 與 CUDA 生態鎖定算力鏈路,後者則以“堆數據、加算力”的 Scaling Law 路線不斷刷新模型規模。2025 年 11 月,谷歌在一次發佈會上推出全新多模態大模型 Gemini 3 以及配套硬件 NanoBanana Pro,瞬間撕開了這層看似堅不可摧的“雙雄”壁壘,掀起了

數字化轉型 , 數據 , 英偉達 , 模態

收藏 評論

奇墨ITQM - 國際電機企業靠什麼在半年內跑通8大AI場景落地?

深夜十點,某國際電機企業南京辦公室的燈光依舊明亮。系統上顯示,國外總部發來的產品合規諮詢郵件,而法務、財務、售前等多個團隊也在同步等待來自六個內部知識庫的即時響應。 過去,這類需求意味着跨時區溝通、多系統切換與數日的等待。而今天,只在一個平台輸入問題,幾分鐘內,精準的答案帶着出處與條款躍然屏上。 這一切,正由該企業落地的Kymo AI生產平台支撐。 01.

it , 數據 , 企業版 , 人工智能 , 深度學習

收藏 評論

lazihuman - Python爬蟲技術--入門篇--爬蟲介紹_51CTO博客

目錄 一、爬蟲入門:從原理到核心概念 1.1 通信基礎:HTTP請求與響應 1.2 數據解析:從HTML到有用信息 1.3 數據存儲:讓信息“落地” 1.4 規則與邊界:robots.txt協議 二、實戰入門:從零搭建你的第一個爬蟲 2.1 環境準備:安裝必備工具

數據 , 開發語言 , 後端開發 , 爬蟲 , harmonyos , HTML , Python

收藏 評論

架構師李哲 - 大模型微調有必要做嗎?全參數微調、LoRA還是RAG?看完這篇你就懂了

在人工智能迅猛發展的今天,大型語言模型已成為解決各類問題的強大工具。但當您想要打造一個真正理解所在行業、掌握專業知識的大模型時,總會面臨一個關鍵問題:如何用最小的成本、最高的效率,讓通用模型變得"專業"? 這就像把一位通才培養成領域專家——選對方法,事半功倍。這正是LLaMA-Factory Online要解決的核心問題——通過智能化的微調,讓每個團隊都能輕鬆駕馭大模型適配

實時更新 , 數據 , 人工智能 , 深度學習 , 迭代

收藏 評論

錦繡前程未央 - 智慧灌區:灌區信息採集系統

一、什麼是智慧灌區數智平台? 智慧灌區數智平台是以感知層(傳感器、無人機、遙感)、傳輸層(5G、LoRa)、數據層(雲計算、大數據)與應用層(AI模型、數字孿生、決策支持)為架構的綜合性數字系統。它通過對氣象、土壤、作物、渠系水位、閘門狀態等全要素實時監測,構建起灌區的“數字鏡像”,並藉助算法模型實現預報、預警、預演、預案的“四預”功能。 例如,在某示範灌區,平台通過

Storm , 大數據 , 數據 , 物聯網

收藏 評論

巧克力大王 - 數據分類分級理論研究:自適應智能驅動下的數據安全新格局

(提示:隨着數據成為關鍵生產要素,分類分級體系正從“靜態規則”邁向“智能認知”,推動數據安全治理的現代化落地。) 一、概要 在數字化轉型全面加速的今天,數據早已從附屬資源轉變為企業的核心資產。無論是金融交易、政府檔案還是互聯網日誌,數據的規模與複雜度正以指數級擴張。據國際數據公司(IDC)預測,到2025年全球數據總量將超過175ZB。這意味着企業每天都在處理海量的結

自適應 , 數據 , 網絡安全 , 數據安全

收藏 評論

凱思軟件 - 達索工業設計軟件SOLIDWORKS 實力碾壓同行

選軟件前先搞懂:不同軟件有不同 “適配場景”,盲目跟風只會浪費時間金錢,這幾款熱門軟件的真實表現給你扒透了: 中望 CAD / 浩辰:國產性價比王者,2D 繪圖、基礎 3D 建模超順手,價格親民,操作邏輯貼近傳統設計習慣,適合小廠或只做簡單零件設計、圖紙標註的需求。但短板也明顯 —— 複雜仿真、多部門協同、系統集成這些高端功能跟不上,想做全流程研發根本不夠用; Aut

數字化轉型 , 建模 , 數據 , 3d

收藏 評論

wx63f42b7e9714d - 從“會聊天”到“幹實事”,亞馬遜雲科技讓Agent“長出了手腳”

美國西部時間12月2日的2025 亞馬遜雲科技re:Invent上,亞馬遜雲科技首席執行官Matt Garman在開場演講中拋出了一個觀點:AI Agent時代已來,未來將出現數十億AI Agent,為企業提效10倍以上! 現場興奮和焦灼情緒交織,數萬名開發者和企業高管都在等一個答案。 因為在很多人的印象裏,AI Agent的現實體感並不樂觀:開發門檻高、編排

數字化轉型 , 數據 , 生產環境 , amazon

收藏 評論

沃觀態勢感知 - 從數據到決策:海外社交媒體分析服務如何指引企業的市場戰略

在全球競爭迅速加劇的環境中,企業的市場戰略不再能依賴單一渠道或過往經驗來制定,而必須以海量數據為基礎,通過結構化的洞察模型去判斷趨勢、識別機會並預判風險。海外社交媒體作為用户意見、消費行為、文化趨勢最集中的場域,已經成為企業戰略規劃中最關鍵的前置數據源。海外社交媒體分析服務的價值,也因此從“輔助工具”升級為“戰略基礎設施”,決定了企業在海外能否看得更準、走得更穩。 市場戰略

數據 , 人工智能 , 數據分析 , 社交媒體 , 結構化

收藏 評論

外參財觀 - 5912萬會員撐起的潮玩帝國,正被品控“戳破泡泡”?

男主播對着鏡頭拆開一個紅色包裝的“歲兔旺”盲盒,裏面卻掉出一個銀色包裝袋,他滿臉的疑惑瞬間凝固在直播間畫面上。屏幕另一端,成千上萬的泡泡瑪特粉絲也在同一時刻皺起了眉頭。 12月1日,泡泡瑪特“歐氣玩家”直播間裏,主播正在拆解備受期待的“歲兔旺”系列盲盒。按照標準流程,這個系列應該使用紅色包裝袋,但主播手中卻出現了一個明顯不同的銀色包裝。屏幕前無數玩家的好奇心被瞬間點

商業 , 數據 , ip , 物聯網

收藏 評論

16099361 - 深度解析:語音轉換與數據增強的TTS前沿技術

本文詳細介紹了幾種先進的文本轉語音(TTS)技術,包括基於語音轉換的少樣本説話人自適應、跨説話人風格遷移、通過重組現有數據進行分佈增強的方法,以及利用標準化流進行文本無關的多對多語音轉換。這些方法旨在提升語音合成的質量、表達力和數據效率。 在今年的聲學、語音與信號處理國際會議(ICASSP)上,某中心的文本轉語音(TTS)團隊發表了四篇論文。這些論文均涉及語音轉換(在保持韻

自適應 , 數據 , Css , 公眾號 , 前端開發 , HTML

收藏 評論

killads - 數據湖為什麼比hive快

導讀: 大數據技術的發展歷程中,繼數據倉庫、數據湖之後,大數據平台的又一革新技術——湖倉一體近年來開始引起業內關注。市場發展催生的數據管理需求一直是數據技術革新的動力。比如數據倉庫如何存儲不同結構的數據?數據湖又如何避免因為缺乏治理導致的數據雜亂現象?今天的文章想跟大傢俱體聊聊我們的數棧如何解決這些問題。 你能看到👇👇👇 ▫ 湖倉一體概念簡述 ▫ 數

數據源 , 大數據 , 數據 , hive , 數據倉庫 , 數據湖為什麼比hive快

收藏 評論

蜀道衫QAQ - HarmonyOS應用開發:相機預覽花屏問題解決案例

前言: 本示例用於開發者在使用相機服務時,如果僅用於預覽流展示,通常使用XComponent組件實現,如果需要獲取每幀圖像做二次處理(例如獲取每幀圖像完成二維碼識別或人臉識別場景),可以通過ImageReceiver中imageArrival事件監聽預覽流每幀數據,解析圖像內容。 在解析圖像內容時,如果未考慮stride,直接通過使用width*height讀取圖像內

移動開發 , 數據 , Android , Image , ide

收藏 評論