tag 數據

標籤
貢獻724
439
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_13357275 頭像

上海拔俗網絡 - AI旅遊助手：不是“機器人導遊”，而是你的“智能旅行大腦”

你有沒有發現—— 出門旅遊，查攻略、比價格、訂酒店、排路線……光是準備工作就能耗掉半天？ 到了目的地，問路靠地圖、找吃靠點評、改行程靠運氣，一不小心就踩坑？ 更別提帶老人孩子、語言不通、突發狀況……整個旅程像在“打怪升級”。 別擔心，這不是你不會玩，而是傳統旅遊方式太“被動”、太“碎片”、太“靠運氣”。現在，一個叫“AI旅遊助手”的技術產品，正悄悄改變這一切——它不取代人，而是幫

對話系統 , 數據 , NLP , 語言模型 , 人工智能

收藏 評論

u_17510115 頭像

mb68b2077a220fd - 5G + AI + 雲：電信如何重塑遊戲生態與未來

在數字娛樂蓬勃發展的今天，遊戲產業已然成為科技創新的前沿陣地。電信網絡也經歷了一場深刻的蜕變，從最初僅僅是 “內容傳輸管道”，搖身一變成為與遊戲深度綁定的技術共生體。 5G 不斷刷新着體驗的邊界，AI 徹底顛覆傳統的創作模式，雲計算則打破硬件的諸多限制。這種技術間的協同作用，形成了 “技術迭代 - 體驗升級 - 產業增長” 的正向循環。

運營商 , 4G , 遊戲開發 , 數據

收藏 評論

u_16213709 頭像

mob64ca141677f9 - 人工智能與雲計算的結合如何促進企業業務跨越式增長？ - 個人文章

隨着數字經濟的發展，企業數字化轉型已成為保持競爭力的關鍵。人工智能（AI）、大數據和雲計算等互聯網技術，不僅為企業提供了創新工具，也成為驅動商業價值提升的重要手段。本文通過具體案例，探討企業如何通過技術應用實現創新實踐。 在零售行業，一家中型電商企業通過AI和大數據優化營銷和庫存管理。企業分析用户購買行為、瀏覽記錄及市場趨勢，建立智能推薦系統，實現精準營銷，並指導庫存調配。

leetcode , 大數據 , 數據 , 雲計算 , Css , 前端開發 , HTML

收藏 評論

u_16565975 頭像

計算機專業指導老師 - 基於VUE的人事員工考勤管理系統[VUE]-計算機畢業設計源碼+LW文檔

摘要：隨着企業規模的擴大和管理的複雜化，高效的人事員工考勤管理系統成為企業提升管理效率的關鍵。本文介紹了基於VUE框架開發的人事員工考勤管理系統，闡述了系統的開發背景、需求分析、技術選型、系統設計以及實現過程。該系統實現了員工信息管理、考勤記錄、部門分類管理、通知管理、工資管理等功能，通過實際測試，系統運行穩定，有效提高了企業人事考勤管理的效率和準確性。 關鍵詞：VUE；人

軟件研發 , 系統設計 , 數據 , 管理系統

收藏 評論

u_16213690 頭像

mob64ca1411e411 - 大文件同步速度慢怎麼辦？

現代企業中，文件同步軟件的速度直接影響着工作效率。Ftrans FTC通過其高性能傳輸引擎，能夠解決大型文件和海量數據的傳輸難題。該系統不僅支持多種任務類型，如實時同步和週期性同步，還允許用户根據實際需求自定義任務。另外，通過智能調度功能，系統可以實時監測文件傳輸狀態，迅速應對潛在的問題，從而保障數據的安全和完整性。這種靈活性和高效性讓企業在處理文件時更加便捷，有效提升了整體運營

數據 , 文件同步 , Css , 前端開發 , 文件傳輸 , HTML

收藏 評論

u_16213714 頭像

mob64ca1417b0c6 - 論文降重焦頭爛額？看完這13個實用技巧後我恍然大悟了...

畢業論文查重高、AI痕跡重？別慌！本文分享6大高效AI論文工具——鯤鵬智寫、AI論文及時雨、圖靈論文AI、通義千問、巨鯨寫作、PubMed，涵蓋一鍵生成初稿、智能降重/AIGC優化、問卷數據全流程支持、文獻綜述自動生成等功能，幫你輕鬆搞定查重與導師修改，附實用攻略，助你高效完成高質量論文！ 今天在校園論壇上看到有個學弟發了個求助帖，説自己用某款 AI 生成的畢業論文查重率高

數據 , 交叉引用 , 圖例 , Css , 前端開發 , HTML

收藏 評論

u_17398972 頭像

u_17398972 - 從 Oracle 到 KingbaseES：解決遷移痛點，解鎖信創時代數據庫新可能

提起 Oracle，它在傳統數據庫領域可是標杆般的存在，長久以來一直撐起了眾多企業的核心業務，可這兩年情形發生了改變，Oracle的授權費用很高，運維成本又讓人頭疼，再加上信創政策對於合規有着強硬的要求，於是很多企業便開始把目光轉向國產數據庫。金倉數據庫 KingbaseES 是國產數據庫中的佼佼者，憑藉其高適配性和高性能的基礎，成了人們更換 Oracle 的首要選擇，不過要告訴大家的是

oracle , 數據 , 數據庫 , SQL

收藏 評論

u_16213618 頭像

mob64ca1400bfa8 - 黑馬全套Java教程（八）：集合進階

集合進階(一部分) 結合結構 1.Collection（接口） Collection的Contains方法底部是運用equals方法進行比較，如果要比較對象需要在對象的JAVAb中重寫equals代碼. 補需要親自寫，equals（）安定hashCode（）能便利。 2.遍歷器 （1）.迭代器：1.創建集合 2.添加數據 3.創建迭代器（創建

數據 , 迭代器 , 刪除數據 , 前端開發 , Javascript

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 從“數據孤島”到“一屏統管”：看數字孿生如何重塑現代城市治理新範式

在智慧城市建設的浪潮中，一個核心痛點始終困擾着眾多系統集成商與城市管理者：海量的數據分散在成百上千個獨立系統中——交通流量、環境監測、公共安全、能源消耗、設施狀態……它們如同一個個“數據孤島”，難以匯聚，更難以形成全局性的洞察與聯動指揮。傳統的指揮中心往往依賴多個並排的大屏和複雜的系統切換，決策者需要在碎片化的信息中拼湊全貌，響應滯後，協同困難。 今天，我們通過一個真實的城

數據 , 智慧城市 , 數據可視化 , 人工智能 , 數字孿生 , 解決方案

收藏 評論

u_92655 頭像

小題大作 - VMFS索引

什麼是索引 索引時數據庫的一種數據結構，數據庫與索引的關係可以看作書籍和目錄的關係。當用户通過索引查找數據時，好比用户通過目錄查詢某章節的某個知識點。這樣可以幫助用户提高查找速度。所以，索引可以提高數據庫的性能。 索引的分類 從物理存儲角度: 聚簇索引和非聚簇索引 從數據結構角度: B-樹、B+

結點 , 大數據 , 數據 , VMFS索引 , 數據倉庫 , 數據庫

收藏 評論

teayear 頭像

學技術贏未來 - Exporter：監控系統的“數據翻譯官” 運維工程師教程

Exporter：監控系統的“數據翻譯官” Exporter 是監控體系（如 Prometheus + Grafana）中核心的“數據採集工具”，通俗來説就是把不同系統/軟件的“原生數據”翻譯成監控平台能看懂的標準化格式，是連接被監控對象和監控平台的關鍵橋樑。 以你之前關注的 Jenkins、Linux 系統為例： Jenkins 本身不會主動輸出“構建成功率、內存佔

服務器 , 數據 , 運維 , jenkins

收藏 評論

u_16099225 頭像

數據探索者11 - Python爬蟲：對科技新聞的數據分析

在科技信息爆炸的時代，及時獲取權威來源如 TechCrunch 的新聞至關重要。本文通過 Python 爬蟲技術，爬取 TechCrunch 熱門文章，並深入分析全球科技領域的最新動態。整個過程無需複雜工具，代碼簡潔易用，幫助讀者自主探索科技趨勢。 1. Python 爬蟲實現：爬取 TechCrunch 熱門文章 TechCrunch 網站提供豐富的科技新聞，其熱門

數據 , Blockchain , 1024程序員節 , Css , 前端開發 , HTML , Python

收藏 評論

u_14815220 頭像

u_14815220 - 性能優化 | HarmonyOS預加載，三步即可提升APP頁面的響應速度

你是否還在為頁面響應時間長，資源加載慢苦惱？ 通常情況下，面臨的選擇要麼是壓縮頁面文件，減少圖片、文字等靜態資源的體積。要麼是通過代碼調整、設定緩存策略來進一步縮短響應時間。 看起來也許只有短短的幾十個字，但APP頁面場景不一，有開屏、首頁、目錄頁、功能頁、web頁等多種，基於不同頁面情況要做的改造工作量可不少。 如何在"性能優化，用户體驗至上"VS "人力資源、改造

數據 , 後端開發 , 預加載 , harmonyos , Web

收藏 評論

u_16099301 頭像

編程小達 - 企業如何選擇符合需求的CRM系統

銷售團隊是企業攻城略地的先鋒部隊，但管理這支在外的隊伍，卻往往很多時候讓很多企業感覺像在“盲人摸象”。銷售他們今天去了哪？拜訪了哪些客户？過程是否規範？這些問題往往讓企業頭疼不已。 在數字化轉型浪潮中，企業對於銷售團隊的管理工具選擇愈發關鍵。為了解決以上這些問題，很多企業管理者會把目光投向管理軟件。這時，兩個看似相似的概念軟件類型常常讓人陷入困惑：銷售外勤管理系統和CRM客

數據 , 管理系統 , 後端開發 , crm , Python

收藏 評論

u_17593768 頭像

JUGG11 - 硬核解析：AI 原生知識庫系統如何擊穿企業知識管理技術瓶頸

在企業知識管理領域，傳統工具的技術短板早已成為數字化轉型的攔路虎：關鍵詞檢索的 “信息噪聲冗餘”、知識沉澱的 “被動低效困境”、跨系統集成的 “接口壁壘難題”，這些痛點本質上都是架構設計與技術選型的底層缺陷。而一款以 AI 大模型為核心驅動的開源知識庫系統，憑藉直擊核心的技術架構與工程化實現，將知識管理的效率與靈活性提升至新維度。本文將從底層技術架構、核心模塊實現、企業級適配能力

性能優化 , 數據 , 知識管理 , 人工智能 , 深度學習

收藏 評論

u_16099226 頭像

雲端夢想實現家 - ArcGIS 10學習--ArcGIS產品體系_51CTO博客

一、ArcGIS產品構成 二、桌面GIS 桌面GIS 是用户在桌面系統上創建、編輯和分析地理信息的平台，包括ArcReader 、ArcG IS Desktop 、ArcGIS Engine 和ArcGIS Explorer 。 2.1ArcRrader 通過ArcReader，用户可以在專業地圖中展現地理信息，也可以交互

地理信息 , arcgis , 數據 , 1024程序員節 , desktop , 前端開發 , Javascript

收藏 評論

u_16213399 頭像

mob64ca12e8a030 - spark saveastable怎麼差分更新

關於“spark saveastable怎麼差分更新”的討論，本文將詳細記錄遇到該問題的背景、錯誤現象、根因分析、解決方案、驗證測試及預防優化的過程。整個過程涉及到如何高效地使用 Apache Spark 的 saveAsTable 方法進行差分更新，以確保數據的準確性和一致性。 問題背景 在大數據處理環境中，通常會使用 Apache Spark 進行數據的處理與分析。最近我們在

spark , 數據 , 差分 , aigc

收藏 評論

xiongod 頭像

xiongood - Vue 中 watch（監聽器）的使用方法

Vue 中 watch（監聽器）的使用方法 在 Vue 中，watch（監聽器）就像一個 “數據哨兵”，專門監聽響應式數據的變化。當被監聽的數據發生改變時，watch 會自動觸發預設的回調函數，我們可以在回調中執行自定義邏輯（比如發送請求、更新 DOM、執行計算等），是處理數據變化後副作用的核心工具。 一、基礎用法：監聽單個數據 最常用的場景是監聽單個響應式數據（ref 或

數組 , 數據 , Vue , 後端開發 , JAVA

收藏 評論

u_16213713 頭像

mob64ca1417736e - spring 默認的datasource beanname

Spring對bean的管理細節: 1.創建bean的三種方式: 1)使用默認構造函數創建。在spring的配置文件中bean標籤，配以id和class屬性之後，且沒有其他屬性和標籤時，採用的就是默認構造函數創建bean對象，此時如果類中沒有默認構造函數，則對象無法創建。 2）使用普通工廠中的方法創建對象（使用某個類中的方法創建對象，並存入spring容器）

spring , 數據 , 構造函數 , 架構 , 後端開發

收藏 評論

u_16213723 頭像

mob64ca1419e0cc - (掃盲)DTO數據傳輸對象 - _

目錄 引言：為什麼我們需要 "DTO" 這個角色？ 一、什麼是 DTO？3 分鐘搞懂核心定義 1.1 DTO 的本質 1.2 DTO 的 3 個核心作用（列表版） 二、沒有 DTO 會怎樣？踩過的坑告訴你 三、DTO 實戰：代碼例子帶你落地 3

字段 , 數據 , mvc , c , 前端開發 , asp.net , Javascript

收藏 評論

u_17513521 頭像

署署愛測評 - 企業數據採集系統的構建思路與技術方案探討

在數字化轉型過程中，企業普遍面臨數據源分散、格式不一、實時性要求高等挑戰。數據採集作為數據價值鏈的起點，其技術選型與架構設計直接影響後續數據治理與應用的效率與成本。本文旨在從技術原理與工程實踐角度，分析構建企業級數據採集系統時需考量的核心要素與可能的實現路徑。 一、數據採集的核心挑戰與技術考量數據採集並非簡單的數據搬運，其複雜性主要源於業務環境的多樣性。常見挑戰包括：

數據源 , 大數據 , 數據 , 運維 , 數據倉庫

收藏 評論

u_15641375 頭像

芯動大師 - 關於深度學習量化的操作

0. 簡介 深度學習中做量化提升運行速度是最常用的方法，尤其是大模型這類非常吃GPU顯存的方法。一般是高精度浮點數表示的網絡權值以及激活值用低精度（例如8比特定點）來近似表示達到模型輕量化，加速深度學習模型推理，目前8比特推理已經比較成熟。比如int8量化，就是讓原來32bit存儲的數字映射到8bit存儲。int8範圍是[-128,127]， uint8範圍是[0,255]

機器學習 , yyds乾貨盤點 , 最小值 , 數據 , 人工智能 , 非對稱

收藏 評論

dayongchan 頭像

dayongchan - 別再盲目地堆砌技術了！大部份大數據項目的失敗，都是因為架構設計沒做對！

關注我，獲取更多企業級架構和人工智能應用實踐和落地的深度指南。 大家好，我是Kenyon。最近有朋友向我請教："勇哥，我們公司上了一套大數據的平台，投入了不少的資源，可運行了半年多了，數據的處理還是慢得離譜，投入的成本居高不下，分析師整天抱怨數據的質量差，領導對此也不太滿意。請問這大數據架構設計到底應該怎麼搞呢？" 嗯，這個問題實在是太常見了。作為一名參與設計和落地

軟件研發 , yyds乾貨盤點 , 數據 , 企業級 , 大數據架構

收藏 評論

u_14344 頭像

冷月星 - Linux---馮諾依曼體系結構和操作系統_拾至名瑰的技術博客

系統編程和網絡編程初步 學習 Linux 是為了在 Linux 下進行系統級別和網絡級別的編程。Linux 只是操作系統的代表，其他的 Windows、MacOS等也可以進行類似的編程模式，Linux 因為開源，內核源碼公開，所以從 Linux 入手能更好地理解這一塊。其他的閉源操作系統只能學習相關接口的調用。 系統級代碼的特點：這些代碼的背後很多都是操作系統或網絡的

數據 , 體系結構 , 後端開發 , 寄存器 , harmonyos

收藏 評論