tag 數據

標籤
貢獻725
468
05:56 PM · Oct 25 ,2025

@數據 / 博客 RSS 訂閱

上海拔俗網絡 - AI大模型費控系統:用技術重構企業花錢邏輯

對企業而言,費用管控從來不是“算對賬”那麼簡單——人工錄單耗時長、審核靠經驗漏判多、合規風險藏在細節裏,這些痛點長期困擾着財務與業務人員。AI大模型的介入,不是給傳統費控加個“智能插件”,而是用多維度技術重構全流程,讓費控從“事後核對”變成“事前預判、事中管控”。 核心技術支柱之一,是AI驅動的多模態識別與信息處理。傳統OCR僅能提取文字,而融合大模型的費控系統,通過卷積神經網絡(C

機器學習 , 風控 , 數據 , NLP , 人工智能

收藏 評論

mob64ca1411a6fc - python實現實時監控_基於 Python 的交換機實時監控系統的設計與實現_weixin

內容:1.摘要 隨着大數據技術的快速發展,海量數據處理系統的複雜性日益增加,對系統運行狀態的實時監控提出了更高要求。本文設計並實現了一個基於Python Web的大數據系統監控平台,旨在提升系統可觀測性與運維效率。平台採用Flask作為Web框架,結合InfluxDB時序數據庫和Grafana可視化工具,實現了對Hadoop、Spark

經驗分享 , 大數據 , 數據 , 開發語言 , Css , 前端開發 , HTML , Python

收藏 評論

YDFM - PHP輕鬆處理千萬行數據的方法詳解

説到處理大數據集,PHP 通常不是第一個想到的語言。但如果你曾經需要處理數百萬行數據而不讓服務器崩潰或內存耗盡,你就會知道 PHP 用對了工具有多強大。PHP 高效處理數據流的能力,配合流量控制和生成器等內存管理策略,為處理海量數據集(比如 CSV 文件)開闢了新路徑,既不影響性能也不損害可靠性。 説清楚——一口氣處理 1000 萬行數據可不是小事。挑戰不僅在於處理海量原始

數據 , php , 加載 , Css , 前端開發 , HTML

收藏 評論

mob649e8155b018 - 多模態 Diffusion

在當前的信息時代,多模態 Diffusion 已經成為了人工智能和計算機視覺領域的熱門話題。它的應用包括圖像生成、文本理解和多模態信息處理等領域,同時面臨着如何有效融合和生成不同模態信息的挑戰。本文將對多模態 Diffusion 的背景、原理、架構、源碼及應用場景進行詳細探討,為讀者提供一個全面的理解。 背景描述 隨着人工智能技術的快速發展,多模態 Diffusion 模型因其能

數據 , aigc , 應用場景 , 模態

收藏 評論

lemon - linux hive 重定向到文件

1、數據流重定向:將某個命令執行後應該出現在屏幕上的數據,給它傳輸到其他地方去 2、(1)---標準輸入(stdin):代碼為0,使用 或 ; (2)標準輸出(stdout):代碼為1,使用或者 ; (3)標準錯誤輸出(stderr):代碼為2,使用 2或者 2. 説明:1:以覆蓋的方法將 [正確的數據]輸出到指定的文件或者設備上;    1:以累加的方法將

linux hive 重定向到文件 , 大數據 , 數據 , hive , 重定向 , 標準輸出

收藏 評論

數據分析大師 - 為什麼刷rom之前要擴容system

作為FPGA的初學者,在調用IP核時會發現其中的 ROM 和 RAM 是在同一個地方,但是不知道它們到底有什麼區別呢?下列我根據自己的理解説説吧。 RAM 可以理解為緩存吧,就是把系統即將要用到的數據存儲在 RAM 中,以便於在使用時隨時讀取出來。RAM 中的數據可隨時進行寫入和讀取,在斷電後會將數據全部清空,所以 RAM 不能用來長時間儲

機器學習 , 數據 , ip , ROM區別 , 人工智能 , RAM , 為什麼刷rom之前要擴容system

收藏 評論

畢設大神 - 基於協同過濾算法的運動場館服務平台設計與實現-計算機畢業設計源碼+LW文檔

摘要 在運動行業蓬勃發展以及數字化轉型加速的背景下,運動場館服務的高效管理與個性化體驗需求日益凸顯。傳統的運動場館管理方式效率低下,難以滿足用户多樣化需求,而新興的數字化平台能夠整合資源,提升服務質量與運營效率。因此,開發一個功能完善、體驗良好的運動場館服務平台具有重要的現實意義。 本平台的開發有諸多技術要求。後端採用Java語言與Sprin

數據 , 推薦系統 , 後端開發 , 協同過濾算法 , JAVA

收藏 評論

上海拔俗網絡 - AI 大模型數字化監測系統:用智能技術重構監測新範式

傳統數字化監測多是“數據採集 + 簡單統計”,只能被動呈現數據結果,難以及時捕捉隱藏風險、預判趨勢變化。AI 大模型數字化監測系統的核心突破,是讓監測從“看數據”升級為“懂數據、判趨勢、提方案”,靠大模型的語義理解與推理能力,打通“數據採集-智能分析-決策輸出-閉環優化”全鏈路,成為業務管控的“智能大腦”。其技術邏輯不復雜,本質是用大模型賦能監測,實現數據價值的深度挖掘。 系統技術根

數據 , 上傳 , 數據採集 , NLP , 人工智能

收藏 評論

程序員愛釣魚 - Python 編程實戰 · 進階與職業發展:數據分析與 AI(Pandas、NumPy、Scikit-learn)

數據分析與人工智能是 Python 最強的應用領域之一。從基礎的數組運算,到高維數據處理,再到機器學習建模,Python 已經形成了一個完整且成熟的科學計算生態體系。 而這三大工具庫正是核心: NumPy:高性能數值計算基礎 Pandas:結構化數據處理與分析 Scikit-learn:機器學習建模全流程 如果説真實世界的數據分析是一條

數據 , numpy , 後端開發 , Python

收藏 評論

mob64ca140761a4 - 離線使用hanlp裏的模型需要什麼操作

ETL測試分為離線ETL和實時ETL測試。 實時ETL的測試點: 鏈路數據的一致性   主要驗證每個鏈路節點數據消費的一致性,重點確保整個鏈路各個節點的數據處理和消費情況一致,也就是通過對數據消費的分時、分頻率對比完成一致性驗證。    natural-flow:自然消費的數據流,是源於線上真實的數據消息通道,即自然頻率

離線使用hanlp裏的模型需要什麼操作 , 鏈路 , 數據丟失 , 數據 , NLP , 人工智能

收藏 評論

u_13778063 - 雲監控 UModel Explorer:用“圖形化”重新定義可觀測數據建模

作者:隰宗正(霜鍵) 點擊此處查看相關視頻! 在複雜可觀測系統的構建過程中,數據建模往往是“從混沌到秩序”的關鍵一步。傳統的建模方式往往依賴配置文件或代碼定義,這種方式雖然精確,但缺乏直觀性,難以讓團隊成員快速理解和協作。UModel Explorer 正是為了改變這一現狀而設計。它構建了一個完整的可視化建模環境,讓工程師可以像繪製架構圖一樣,通過拖拽、連線等直觀操作

表單 , 建模 , 數據 , 雲計算 , UModel , 阿里雲 , 雲服務

收藏 評論

碼農小哥 - 編碼之道(二):軟件的價值 - 御劍

代碼量陷阱:軟件開發的認知誤區 在軟件開發行業,“代碼量”曾長期被當作衡量開發能力與項目價值的硬指標。不少企業將日均代碼行數、功能模塊數量作為考核標準,甚至有團隊為追求“數據好看”而堆砌冗餘代碼。但隨着數字化深入,這種認知正在被現實擊碎——某企業投入百萬開發的客户管理系統,代碼量超10萬行卻因操作繁瑣被客户棄用;而微信早期核心功能代碼量有限,卻憑藉極致體驗成為國民級應用。

數據 , 軟件開發 , 商業價值 , aigc , bard

收藏 評論

信息小飛俠 - 如何用控制點校正dem

用SARscape做干涉處理時(InSAR/DInSAR),在軌道精煉的一步,必須輸入控制點文件(refinement GCP file),用於修正干涉相位和解纏後的相位。 用於優化的控制點可以是斜距座標(方位向和距離向座標),也可以是地理座標(xyz)高程可以自動從輸入的參考DEM上獲取。一般情況下,都是輸入SAR座標的。如果控制點用於不同軌道的

機器學習 , 地理編碼 , 多項式 , 數據 , 如何用控制點校正dem , 人工智能

收藏 評論

xiao小8 - EPLAN Electric P8 2025 電氣設計協作,跨軟件兼容:安裝步驟IFC/JT/DWG 全支持

簡介 EPLAN Electric P8 2025 是一款面向工業領域的專業電氣設計軟件,並非簡單的版本迭代,而是圍繞電氣設計全流程進行了底層優化與功能革新,重點提升了設計效率、協作能力和數據互通性,適配汽車製造、電力系統、自動化裝備等複雜工業項目的設計需求。 電纜與宏管理更靈活:新增電纜銘牌文本自動同步功能,生成的銘牌文本可同步到電纜及屏蔽層的所有分佈表示

數字化轉型 , 軟件下載 , 數據 , 3d

收藏 評論

colddawn - 計算機視覺中特徵圖大小怎麼知道要多大比較合適呢

什麼是試圖? 視圖是從一個或多個表中導出來的表,是一種虛擬存在的表,視圖就像一個窗口,通過它可以看到系統專門提供的數據,視圖可以讓用户的操作方便,保證數據庫系統的安全 視圖概念: 1:視圖從已經存在的表中到處,還可以從已經存在的視圖導出,數據庫只是保存視圖定義,而沒有存放視圖數據,視圖的數據還是存在原來的表中,視圖的數據依賴於原來的表,一旦原來的表發生改變,視圖

數據 , MySQL , 圖語法 , 人工智能 , 計算機視覺

收藏 評論

笑傲江湖求敗 - 數學建模筆記一數據標準化_數據標準化是對數值型數據嗎

大數據建模中的數據標準化:行業標準與自定義規範深度解析 一、引言:為什麼數據標準化是大數據的“地基”? 在大數據時代,企業面臨的最大挑戰從來不是“數據太少”,而是“數據太亂”: 電商系統中,“用户ID”可能同時存在字符串(user_123)、數字(123)和UUID(e5a5-...)三種格式; 金融機構的“交易時間”

大數據 , 數據 , 自定義 , AI , 元數據 , 後端開發 , Python

收藏 評論

deanyuancn - redis詳解

一、Redis 到底是個啥?(白話版) 簡單説,Redis 就是一款超高速的內存數據庫,你可以把它理解成 “電腦內存裏的萬能儲物箱”—— 數據都存在內存裏(不是硬盤),所以讀寫速度快到離譜(百萬級 / 秒);同時它還能把數據持久化到硬盤,不怕斷電丟數據。和 MySQL 這種傳統數據庫比,Redis 更像 “貼身小倉庫”,專門存高頻用、要快速取的數據,而 MySQL 是 “大

redis , 字符串 , 數據 , 前端開發 , Javascript

收藏 評論

畢設大神 - 基於web平台的實驗室耗材管理系統設計與實現-計算機畢業設計源碼+LW文檔

摘 要 二十一世紀我們的社會進入了信息時代,信息管理系統的建立,大大提高了人們信息化水平。傳統的管理方式對時間、地點的限制太多,而在線管理系統剛好能滿足這些需求,在線管理系統突破了傳統管理方式的侷限性。於是本文針對這一需求設計並實現了一個基於springboot實驗室耗材管理系統,為了簡捷並有效的解決實驗室耗材管理各方面的問題。 本文講述了實驗室耗材管理系統。結合電子

數據 , 功能模塊 , 管理系統 , 後端開發 , JAVA

收藏 評論

laokugonggao - spark中的共享變量(廣播變量和累加器) - macy

1 核心概念:為什麼需要它們? 在spark程序中,當一個傳遞給Spark操作(例如map和reduce)的函數在遠程節點上面運行時,Spark操作實際上操作的是這個函數所用變量的一個獨立副本。這些變量會被複制到每台機器上,並且這些變量在遠程機器上的所有更新都不會傳遞迴驅動程序。通常跨任務的讀寫變量是低效的,但是,Spark還是為兩種常見的使用模式提供了兩種有限的共享變量:

spark , List , 大數據 , 數據

收藏 評論

計算機專業指導老師 - 基於VUE的軟件學院新生報到系統[VUE]-計算機畢業設計源碼+LW文檔

摘要:隨着高校招生規模的擴大,軟件學院新生報到工作面臨着信息管理複雜、效率低下等問題。本文設計並實現了基於VUE框架的軟件學院新生報到系統。系統以提升報到工作效率與信息化水平為目標,通過需求分析明確功能方向,採用合理的技術架構與數據庫設計。該系統實現了新生信息管理、報到流程管控、數據統計與查詢等核心功能。實際應用表明,系統有效簡化了報到流程,提高了信息處理的準確性與及時性,為軟件

業務邏輯 , 軟件研發 , 數據 , 信息管理

收藏 評論

mob64ca12da726f - langchain mysql fastgpt

在本文中,我們將探討如何利用 LangChain 和 FastGPT 來與 MySQL 進行高效的數據交互和處理,展示出集成的整個過程。此外,我們會涵蓋性能優化及生態擴展的相關內容,幫助大家更好地整合這一技術棧,實現數據處理的高效性與靈活性。 環境準備 在開始之前,我們需要確保所有技術棧之間能夠完美兼容。以下是我們將使用的軟件及其對應版本: 技術

數據 , MySQL , aigc

收藏 評論

killads - 推薦7款優秀的vue table數據表格組件_vue表格組件

Vue-Good-Table-Next 是一個專為 Vue 3 設計的高性能數據表格組件,提供排序、篩選、分頁等豐富功能。作為 Vue-good-table 的下一代版本,它完全兼容 Vue 3 的 Composition API,同時保持了簡潔易用的特性。🚀 🎯 核心優勢 開箱即用:無需複雜配置,快速集成到項目中 功能全面:支持排序、篩

數據 , 自定義 , Vue , 後端開發 , harmonyos

收藏 評論

u_15015752 - 怎麼解決能源集團實時風控難題,流批一體架構是否是答案

某頭部能源集團在推進數字化轉型的過程中,將構建先進的智能監管平台列為核心戰略目標,對其關鍵的招投標業務進行全面的風險管控。將審計、紀檢等部門的審查要求深度融入業務系統,實現對採購全過程的實時監控、風險預警與閉環管理。這對底層數據架構的實時性、準確性和穩定性提出了嚴苛的挑戰。 傳統架構的困境 為實現這一目標,該集團初期採用了基於傳統流計算引擎的架構。然而,在實際運行中,

風控 , 大數據 , 數據 , 離線 , 案例 , 數據倉庫

收藏 評論

雲和恩墨 - 技術精講丨從AWR到裸數據:Oracle 性能診斷新思維

導讀 AWR報告是DBA最常用的性能診斷工具,但它展示的其實是一種“彙總後的視角”。很多時候,我們從報告中看到的是現象,而不是問題的根源。如果想更深入地理解數據庫的運行狀態,就需要回到AWR的底層,去分析它的“裸數據”——也就是最原始的統計表信息。這樣我們才能獲得更細粒度的性能數據,更精準地定位問題,甚至構建出自己的分析與監控體系。 本次我們邀請到雲和恩墨性能優化專家

數據 , MySQL , 性能分析 , 數據庫

收藏 評論