@數據

動態 列表
@powertoolsteam

低代碼平台與辦公軟件:協同進化,重塑數字化辦公新生態

低代碼平台與辦公軟件:協同進化,重塑數字化辦公新生態 在數字化轉型加速的今天,辦公場景正面臨從 “工具化” 到 “智能化” 的深刻變革。辦公軟件作為企業日常運營的核心載體,承載着數據記錄、流程協作、信息傳遞等基礎需求;而低代碼平台憑藉 “可視化開發、低門檻構建、高靈活擴展” 的特性,正成為解決辦公軟件定製化難、集成弱、響應慢等痛點的關鍵力量。兩者的協同融合,不僅重構了數字化辦公的技術

powertoolsteam 頭像

@powertoolsteam

昵稱 powertoolsteam

@u_15505879

基於大數據的信貸風險評估的數據可視化分析與預測系統

1 研究背景 在現代金融市場中,信貸業務作為金融機構的核心業務之一,對於促進經濟增長、推動企業發展以及滿足個人資金需求等方面發揮着至關重要的作用。信貸業務的快速發展也伴隨着信貸風險的不斷積累。信貸風險主要包括信用風險、市場風險和操作風險等,其中信用風險尤為突出。信用風險是指借款人因各種原因未能按時足額償還貸款本息,從而給金融機構帶來損失的可能性。隨着全球經濟形勢的複雜多變、

u_15505879 頭像

@u_15505879

昵稱 資深程序設計

@u_15492594

AI驅動開發新範式:基於 CodeWave 的考勤系統落地實踐

在快節奏的企業軟件開發環境中,如何快速將想法轉化為可執行的代碼應用,成為了每個開發團隊追求的目標。網易CodeWave智能生成應用的出現,為我們提供了一個全新的解決方案——通過自然語言描述快速構建全棧應用,讓開發效率實現質的飛躍。 一、智能生成應用:重新定義開發流程 1.核心功能與價值 網易CodeWave的智能生成應用功能,其核心創新

u_15492594 頭像

@u_15492594

昵稱 是Dream呀

@u_15988698

AI智能體(Agent)應用開發入門手冊

就目前調研下來的功能來説。開發AI智能體,入門選langchain沒錯,架構很成熟,能力很強,基本上所有的場景都可以覆蓋,可以很好管理起大型的AI應用架構。而且js、java、python各種語言都支持。 上手很快,但是用好的話還是多花些時間學習他的底層實現邏輯。 這篇文檔,會介紹一下AI應用開發的一些基礎知識。 連接模型 MCP的介紹以及如何

u_15988698 頭像

@u_15988698

昵稱 代碼天地

@alter

連續三年拿下全球第一,添可怎麼做到的?

2020年以前,家庭地面清潔是一個被傳統方式固化了半個多世紀的場景。 吸塵器雖然能比掃把清理得更乾淨,但僅限幹垃圾。面對濕垃圾和頑固污漬,需要戴上手套拿着抹布反覆進行清理。拖地本身更是痛點密集:頻繁換洗拖布、用髒水越拖越髒、清潔工具自身還會發黴發臭。 轉折發生在2020年。添可發明芙萬智能洗地機,改寫了地面清潔的底層邏輯。 添可芙萬智能洗地機首次將“吸、

alter 頭像

@alter

昵稱 wx63f42b7e9714d

@u_15511034

多模態深度學習:跨模態理解與生成的融合智能

多模態深度學習:跨模態理解與生成的融合智能 引言 人類通過視覺、聽覺、觸覺等多感官通道協同理解世界,而當前AI系統大多侷限於單一模態處理。多模態深度學習通過建立跨模態的聯合表徵與轉換機制,正推動人工智能向更接近人類認知方式的方向演進。本文將深入探討多模態深度學習的核心算法、統一框架、訓練範式以及前沿應用,呈現這一跨領域研究方向的最新進展與未來趨勢。 一、多模態表徵學習 1

u_15511034 頭像

@u_15511034

昵稱 wx62088446a1f70

@u_15714439

給Java同仁單點的AI"開胃菜"--搭建一個自己的本地問答系統

這是我參與創作者計劃的第1篇文章 大家好,因為對AI大模型很感興趣,相信很多兄弟們跟我一樣,所以最近花時間瞭解了一些,有一些總結 分享給大家,希望對各位有所幫助; 本文主要是目標是 講解如何在本地 搭建一個簡易的AI問答系統,主要用java來實現,也有一些簡單的python知識;網上很多例子都是以 ChatGPT來講解的,但因為它對國內訪問有限制,OpeAi連接太麻煩

u_15714439 頭像

@u_15714439

昵稱 u_15714439

@u_16281588

Python解析nc格式的文件

1、nc文件科普 NetCDF(.nc)文件可通過多種專業軟件打開,包括Panoply、GIS工具(如ArcGIS/QGIS)、編程語言(Python/R)以及氣象數據處理工具(如ncview、meteoinfo),但普通文本編輯器(如記事本)僅能查看原始代碼無法解析數據。 專業軟件推薦 1.1、Panoply。 NASA開發的跨平台工具,專用

u_16281588 頭像

@u_16281588

昵稱 小劉042

@u_15214399

基於華為開發者空間,實現RFM分析與CLTV預測的電商客户細分與營銷策略優化

本案例由開發者:天津師範大學協同育人項目–翟羽佳提供 最新案例動態,請查閲 《【案例共創】基於華為開發者空間,實現RFM分析與CLTV預測的電商客户細分與營銷策略優化》。小夥伴快來領取華為開發者空間進行實操吧! 一、概述 1. 案例介紹 隨着電子商務行業的競爭加劇,企業需要更加精細化的客户管理策略來提升客户忠誠度和營銷效率。根據最新的市場調研,電商行業平均

u_15214399 頭像

@u_15214399

昵稱 u_15214399

@u_16827017

怎樣通俗地理解線性相關與線性無關?判斷線性相關性的常用方法有哪些?為什麼線性無關向量是向量空間基構建的核心?

在現代科學與工程的研究中,向量空間理論是分析和建模的基礎工具。從量子力學中的態矢量到信號處理中的特徵提取,再到機器學習中的高維數據表示,向量的結構關係直接決定了系統的複雜性和可分析性。理解向量之間的線性相關性和線性獨立性,不僅是掌握線性代數的關鍵,更是把握信息獨立性和系統完整性的前提。 表面上,線性相關與線性無關似乎只是簡單的數學定義:一組向量能否通過其他向量的線性組合表示

u_16827017 頭像

@u_16827017

昵稱 全棧技術開發者

@u_15745565

基於springboot的社區外來務工人員管理系統-計算機畢業設計源碼+LW文檔

基於SpringBoot的社區外來務工人員管理系統 摘要:隨着城市化進程的加速,社區外來務工人員數量不斷增加,給社區管理帶來了新的挑戰。本文介紹了基於SpringBoot框架開發的社區外來務工人員管理系統,詳細闡述了其研究背景意義、需求分析以及功能設計等內容。該系統旨在提高社區對外來務工人員的管理效率和服務質量,促進社區的和諧穩定發展。 關鍵

u_15745565 頭像

@u_15745565

昵稱 畢設大神

@tech

Java 大視界 -- Java 大數據在智能農業温室環境調控與作物生長模型構建中的應用

(centerJava 大視界 -- Java 大數據在智能農業温室環境調控與作物生長模型構建中的應用/center) 引言 親愛的 Java 和 大數據愛好者們,大家好!我是CSDN(全區域)四榜榜首青雲交!在技術發展的漫漫長路上,我們一同見證了 Java 大數據在諸多領域掀起的創新風暴。 如今,農業領域正站在智能化變革的關鍵節點,智能農業温室作為這場變革的前沿陣地,承載着

tech 頭像

@tech

昵稱 青雲交技術圈

@u_15505879

基於python大數據的房價數據分析系統

1、研究背景 在當今數字化時代,房地產行業作為國民經濟的重要支柱產業,其數據量呈現出爆炸式增長。房價數據不僅涵蓋了房屋的基本屬性,如面積、户型、樓層等,還涉及地理位置、周邊配套設施、市場供需關係、宏觀經濟指標等眾多因素。這些海量且複雜的數據藴含着豐富的信息,對於政府制定房地產調控政策、企業進行市場決策以及購房者做出合理選擇都具有至關重要的價值。傳統的人工分析方法在處理如此龐

u_15505879 頭像

@u_15505879

昵稱 資深程序設計

@u_6813689

終於把機器學習中的交叉驗證搞懂了!!

核心思想 在標準的模型訓練中,我們通常會將數據集劃分為訓練集和測試集。訓練集用於模型學習參數,測試集用於評估模型的最終性能。 然而,如果測試集本身具有偏差,或者我們想更精細地調整模型(例如超參數調優),僅僅使用一次劃分可能會導致評估結果不夠穩定或具有過高的方差。 交叉驗證的核心目標是:獲得一個更穩定、更可靠的模型性能估計,減少對特定數據劃分的依賴。 交叉驗

u_6813689 頭像

@u_6813689

昵稱 程序員小2

@u_11365552

MySQL 面試常問

一、 索引篇:B+樹、最左前綴與失效場景 Q1:MySQL 為什麼使用 B+ 樹而不是 B 樹或哈希表做索引? 標準答案: B+ 樹 vs B 樹:B+ 樹的非葉子節點只存索引鍵,不存數據,因此單個頁能存放更多鍵,樹的高度更低,I/O 次數更少。所有數據都在葉子節點,且葉子節點用鏈表連接,範圍查詢效率極高。 B+ 樹 vs 哈

u_11365552 頭像

@u_11365552

昵稱 素雨末

@histry

ResNet論文精讀彙報

各位老師、同學,大家好!今天,我要為大家帶來一篇計算機視覺領域的里程碑式論文 ——《用於圖像識別的深度殘差學習》(Deep Residual Learning for Image Recognition)的精讀彙報。接下來,我會按照 “總體到細分” 的思路,從論文背景、核心問題、創新方法,再到實驗驗證與應用價值,逐步為大家拆解這篇論文的精華內容,希望能讓大家清晰理解殘差網絡(ResNe

histry 頭像

@histry

昵稱 黎大學問

@u_16018702

大模型微調「數據集構建」保姆級教程(超全)

經驗之談:實踐表明,近80%的大模型微調失敗案例,根源都可追溯至數據集問題。 2024年堪稱“行業大模型元年”,金融、醫療、教育等各行各業都在積極佈局專屬AI助手。然而,許多企業在投入重金進行模型微調後,卻常常面臨“模型表現不及預期”的困境。 實踐中常見的三大困境: ● 災難性遺忘:模型在學習了新的專業知識後,原有的通用對話與理解能力顯著衰退。 ● 泛化能

u_16018702 頭像

@u_16018702

昵稱 架構師李哲

@u_15916160

從本地緩存到Redis集羣的架構演進與實踐

當然!這是一篇關於分佈式系統緩存架構設計與實踐的技術博客,內容詳實,貼近實際開發,字數約2000字。 深入淺出分佈式緩存:從本地緩存到Redis集羣的架構演進與實踐 在當今高併發、大流量的互聯網時代,系統的性能與響應速度直接決定了用户體驗和業務成敗。而緩存,作為提升性能最有效的手段之一,已經從“可選項”演變為架構設計的“必選項”。然而,隨着系統從單體架構走向分

u_15916160 頭像

@u_15916160

昵稱 此風喚作晚安

@u_14869226

利潤下滑,誰在搶貝殼找房的蛋糕

中國房地產交易平台行業正經歷一場前所未有的“價值重構”。政策調控持續深化,市場交易量收縮,買方話語權提升,行業從“拼規模”轉向“拼效率”、“拼服務”、“拼生態”。在這場深度調整中,貝殼作為行業龍頭,雖在規模上仍保持領先,卻面臨着淨利潤持續下滑、佣金率承壓、競爭對手多維圍攻的嚴峻挑戰。 2024年上半年,貝殼實現營收493.39億元,同比增長24.13%,業務量維持行業第一。然而,靚麗營收增速

u_14869226 頭像

@u_14869226

昵稱 外參財觀

@u_17176510

僅400K的工具,賊牛批

聊一聊 電腦硬盤、U盤等存儲設備常因損壞或升級換代而被更換。很多小夥伴會將舊設備轉賣或丟棄,在這個數字化時代,這些設備中往往存有大量敏感個人信息。僅通過簡單刪除或格式化操作,數據仍可能被專業軟件恢復,存在隱私泄露風險; 分享一款專業的磁盤數據擦除工具:Blank And Secure v8.21; Blank And Secure是一款專業的數據安全刪除工具,主要用於徹底擦除硬盤上的敏感數

u_17176510 頭像

@u_17176510

昵稱 DoraemonQ

@u_16640205

自动驾驶圈最 “实在” 老板

作者:鐘聲 編輯:Mark 出品:紅色星際(ID:redplanx) 頭圖:無人物流小車圖片 自動駕駛圈從不缺愛惜人才的老闆,但要説到對人才的“寵”,新石器餘恩源的動作非常實在。 就在近期新石器完成了D輪融資,幾十個小目標到賬。賬上有錢了,餘恩源搶人動作更猛了。據圈內傳聞,他為了強化技術團隊,在引進人才上各種下功夫,不惜把朝陽酒仙橋公司直接搬到海淀大鐘寺,可謂把誠意拉滿拉足。

u_16640205 頭像

@u_16640205

昵稱 mb65f83f0864e54

@histry

ResNet論文精讀彙報

各位老師、同學,大家好!今天,我要為大家帶來一篇計算機視覺領域的里程碑式論文 ——《用於圖像識別的深度殘差學習》(Deep Residual Learning for Image Recognition)的精讀彙報。接下來,我會按照 “總體到細分” 的思路,從論文背景、核心問題、創新方法,再到實驗驗證與應用價值,逐步為大家拆解這篇論文的精華內容,希望能讓大家清晰理解殘差網絡(ResNe

histry 頭像

@histry

昵稱 黎大學問

@baidujiagoushi

從打點平台談打點治理

作者 |ttt 導讀 本文介紹了打點治理的概念和其對於數據質量保障的重要性,分享了日誌中台在打點治理方面的解決方案與實踐經驗。文章從用户痛點和打點治理的難點出發,介紹了日誌中台如何通過質量標準的制定、在線化流程的建設和相應的配套工具來解決這些問題。 全文4808字,預計閲讀時間6分鐘。 打點是指在網站或者APP中加入一些統計代碼,通過日誌記錄用户在APP內觸發的一系列行為,包括點擊、滑動

baidujiagoushi 頭像

@baidujiagoushi

昵稱 百度Geek説