tag 數據

標籤
貢獻758
604
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_14767244 頭像 u_17567677 頭像 u_17420180 頭像 u_13715298 頭像 u_16653481 頭像 u_15988698 頭像

@數據 / 博客 RSS 訂閱

u_14767244 頭像

u_14767244 - SelectDB x 同轅開發：在 ARM 架構下實現 25% 分析性能提升

近日，北京飛輪數據科技有限公司（以下簡稱“飛輪科技”）旗下現代化數據倉庫 SelectDB 完成同轅開發深度適配，正式獲得 Kunpeng Native 測試認證證書。 該認證表明 SelectDB 深度兼容鯤鵬芯片，可實現高效部署。通過與同轅開發協同創新，SelectDB 實時分析、湖倉一體、存算分離等核心能力，可針對性解決海量數據處理慢、實時決策延遲、運維複雜等痛點，助力金融、製造、

大數據 , 數據 , 數據倉庫 , 數據分析

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 數字孿生賦能園區運營

在當今數字化轉型的浪潮中，園區運營管理正面臨着前所未有的挑戰與機遇。傳統的園區管理模式往往依賴於二維圖紙、分散的監控系統和人工巡檢，難以應對日益複雜的設施管理、能源優化和應急響應需求。如何構建一個高效、直觀且可擴展的園區運營平台，成為許多大型信息系統集成商關注的焦點。圖觀流渲染開發工具套件，作為一款領先的數字孿生解決方案，正通過其強大的技術能力，為園區運營帶來革命性的變革。本文將

數據 , API , 開發工具 , 數據可視化 , 人工智能 , 數字孿生

收藏 評論

u_17513518 頭像

愛看C語言的BK - MySQL 21天學習計劃 - 第十二天：事務與併發控制

事務ACID特性：數據庫的四大安全保障 想象你正在網購一雙運動鞋：下單時系統需要扣減庫存、創建訂單、扣減賬户餘額。如果在扣減庫存後突然斷電，會出現什麼情況？庫存減少了但訂單沒創建，這顯然是個災難！事務（Transaction） 就是為解決這類問題而生的數據庫核心機制。 事務必須滿足四大特性，業界簡稱ACID： 原子性（Atomicity）：要麼全做，要麼全不做

隔離級別 , 數據 , MySQL , AI寫作 , aigc

收藏 評論

u_16099194 頭像

數據大俠客 - sklearn linearregression畫出損失函數曲線和曲面

1. 簡單列子： 一個損失函數L與參數x的關係表示為： 則 加上L2正則化，新的損失函數L為 ：（藍線） 最優點在黃點處，x的絕對值減少了，但依然非零。 如果加上L1正則化，新的損失函數L為 ：（粉線）

數據 , 雲計算 , 損失函數 , 正則化 , 雲原生

收藏 評論

xaye 頭像

祝你今天愉快 - C++學習（十三） 結構體數組和聯合體

一、結構體數組 結構體（struct） 是一種用户自定義的數據類型，可以將多個不同類型的數據組合在一起。 結構體數組 就是將多個相同類型的結構體變量組織成一個數組。 示例： /* 結構體：封裝一些基本類型用於我們自定義的類型 班級管理系統：56個同學，編號，年齡，性別，成績 聊天會話 */ #includeiostream usi

指尖人生 , 移動開發 , 數據 , include , c++ , Android

收藏 評論

xaye 頭像

祝你今天愉快 - C++進階學習（七） 動態開闢內存的應用場景

需要動態開闢內存的場景有以下幾種： 1. 大數據量的內存開闢 2. 變量的生命週期需要超過函數調用週期 3. 不確定需要多大內存空間，需要運行時開闢內存 示例： int main() { // 假設我們現在需要接收用户所輸入的數，然後進行排序 int num; printf("請輸入數的個數："); // 獲取用户輸入 scan

指尖人生 , 函數調用 , 移動開發 , 數據 , i++ , c++ , Android

收藏 評論

u_17567677 頭像

沃觀態勢感知 - 核心技術解析：出海輿情監控網站如何實現全球多平台數據抓取？

出海輿情監控網站的本質是“以儘可能低的成本、儘可能高的速度、儘可能高的準確度，抓取全平台、跨語言、跨區域的輿論數據”。要做到這一點，技術難點極其複雜：全球各平台結構不同、數據權限政策差異巨大、多語言內容格式多樣、商家發佈頻率極高、用户表達碎片化嚴重，而出海輿情監控網站必須在最短時間內把這些信號轉化為統一結構的數據，為品牌提供可靠洞察。因此，理解出海輿情監控網站的數據抓取核心技術，

數據 , 人工智能 , 數據分析 , 數據抓取 , 結構化

收藏 評論

u_16213668 頭像

mob64ca140caeb2 - FastAPI學習-1.環境準備與基礎入門_51CTO博客

前言 作為一名大學生，最近在做 Python Web 開發時發現了一個“寶藏”框架——FastAPI。以前學 Django 光配置就頭大，學 Flask 又不知道怎麼寫規範。直到遇到了 FastAPI，我才體會到什麼叫“寫代碼像呼吸一樣自然”。 這篇文章不講複雜的原理，只講最基礎、最實用的操作，帶你從 0 到 1 跑通第一個 API 接口！

ico , 數據 , 後端開發 , fastapi , Python

收藏 評論

20214843 頭像

龐然大悟 - AI重塑日常：從便捷到智能的生活革命

清晨被智能窗簾輕柔喚醒，廚房的AI冰箱已根據食材儲備推送了早餐食譜；通勤路上，AI導航實時規避擁堵並規劃最優路線；工作間隙，AI助手自動整理會議紀要；晚間歸家，語音指令就能讓燈光、影音設備切換到放鬆模式……如今，人工智能早已不是科幻電影裏的遙遠概念，而是叁透到衣食住行、教育健康等每一個日常場景的“隱形夥伴”。這場由AI驅動的生活革命，正在重新定義便捷與舒適的邊界。 一、家居

數據 , 推送 , 可穿戴設備 , AI寫作 , aigc

收藏 評論

u_16213689 頭像

mob64ca1411a6fc - 數據產品——如何設計數據埋點方案？

1. 前端監控的痛點與解決方案 你是否還在為移動Web應用的用户行為追蹤不準確、錯誤上報延遲而煩惱？Mars（騰訊移動Web前端知識庫）提供了輕量級解決方案，幫助開發者實現高效的前端監控數據採集。通過埋點設計與數據質量控制，可精準捕獲用户行為、性能指標和錯誤信息，為產品優化提供數據支持。 讀完本文你將獲得： 移動Web端埋點設計的最佳實踐 數據

數據 , 數據質量 , 前端開發 , Javascript , Web

收藏 評論

u_16099242 頭像

網線小遊俠 - 408計算機網絡學習筆記——計算機網絡體系結構

目錄 計算機網絡的性能指標 1. 速率 2. 帶寬 3. 吞吐量 小結 4. 時延 5. 時延帶寬積 6. 往返時延 7. 信道利用率 小結 計算機網絡的分層結構 1. 分層的設計思想 2. 計算機網絡的分層結構

數據 , 傳輸層 , 後端開發 , OSI , 考研 , harmonyos , 計算機網絡

收藏 評論

u_14230 頭像

爛漫樹林 - vue3 typescript 組件調用頁面函數

Vue.js組件的使用 一.組件 　　組件是可複用的vue實例，可分為局部組件和全局組件。 二.組件入門小案例 　　要求定義一個組件”one“，並重復使用它。 2.1.代碼實例 1 html lang="en" 2 head 3 meta charset="UTF-8" 4 titlevue局部組件和全局組件/t

數據 , Vue , 前端開發 , typescript , HTML

收藏 評論

u_15675284 頭像

鈴鈴鈴靈 - 解構華為Mate X7：一部摺疊旗艦背後的技術護城河與生態先手

作者 | 曾響鈴 文 | 響鈴説 曾幾何時，摺疊屏手機是科技圈最酷的“未來符號”，每一次開合都伴隨着旁人豔羨的目光。然而，當摺疊屏以驚人的速度從“小眾嚐鮮”走向“主流選擇”時，一種新的集體性困惑也開始在用户中蔓延，我們手中的這塊可摺疊屏幕，除了形態的新奇，究竟還帶來了什麼不可替代的價值？ 這個問題指向了摺疊屏行業發展的深層次瓶頸，當形態創新的邊際效應遞減，行業的

數據 , 區塊鏈 , 拖拽 , 文件傳輸

收藏 評論

u_16213629 頭像

mob64ca1403528a - 頭歌 機器學習 決策樹 信息熵與信息增益

決策樹的幾個常用算法：ID3, C4.5和CART算法 原理： 要對數據進行分類，涉及到通過選取什麼樣的特徵對數據進行分類，比如將柚子和西瓜進行分類，可以選取（大小、顏色、甜度等特徵） 決策樹的功能就是判斷使用哪個特徵，然後選取他認為最好的特徵對數據進行分類。 那麼他是如何選取最好的特徵呢？ 對於ID3（選取信息增益最大的特徵），C4.5（選擇信息增

機器學習 , 決策樹 , 數據 , 信息增益 , 人工智能

收藏 評論

u_13360 頭像

level - 51單片機學習——1天學完普中基本實驗例程，走馬觀花式學習，大家切勿效仿。_小輝_Super的博客-博客

文章目錄 如何創建 Keil 工程 創建步驟 1. 創建文件夾結構 2. 打開 Keil 3. 創建新工程 4. 創建不同類型的內容 頭文件 明白頭文件包含了什麼 標題具體內容 sfr sb

數據 , 初始化 , 後端開發 , harmonyos , 初值

收藏 評論

u_17420180 頭像

合合信息解決方案 - 銀行票據人工審核痛點有哪些

醫療票據造假正在成為保險理賠領域的"灰色地帶"。2020年至2021年間，某醫藥代表陸某使用WPS軟件將三名患者的EGFR T790M基因突變檢測報告從"陰性"篡改為"陽性"，導致醫保基金損失。2024年，內蒙古烏蘭浩特市更是破獲兩起醫療領域虛開發票案，涉案金額合計高達110億元，涉及1.6萬張虛假髮票。面對日益專業化的造假手段，保險公司如何防止假髮票成為行業亟需解決的難題。合合

機器學習 , 數據 , 神經網絡模型 , 複製粘貼 , 人工智能

收藏 評論

u_14682436 頭像

TwcatL - 遷移學習深度解析：讓AI快速適應新任務的核心技術

在深度學習實踐中，你是否遇到過這樣的困境：想訓練一個圖像分類模型，卻只有幾百張標註數據；想開發一個文本情感分析系統，卻缺乏足夠的領域內語料；從零開始訓練模型不僅耗時耗力，還容易出現過擬合。這時候，“遷移學習（Transfer Learning）”技術就能幫你解決這些問題。它的核心思想是“借力打力”——將在大數據集上訓練好的模型（預訓練模型）的知識，遷移到新的小數據任務中，讓模型快

數據 , 私藏項目實操分享 , 遷移學習 , jquery , 前端開發 , 特徵提取

收藏 評論

cico 頭像

N2020 - mysql強制使用索引

公司後台某模塊功能記錄日誌中有一個搜索功能，通過前段時間的產品使用時間區間進行搜索反饋有些卡頓，我發現這個搜索功能比較慢，要3秒左右才能出來，就決定對這裏做一下優化。 通過分析代碼和SQL發現最核心的問題在於一個區間查詢耗時太長，耗時2秒多，所以我決定看看這裏能不能優化，其中核心SQL為 SELECT * FROM XXX_log WHERE (`ctim

字段 , 數據 , MySQL , 搜索 , 數據庫

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - 完整教程：AI × RWA 本地生活品牌數字資產管理與增長平台

——讓品牌經營成為內容資產，讓消費行為成為價值創造 一、前言：從消費互聯網到資產互聯網 過去十年，本地生活行業依託平台紅利搭建了規模化增長，但其核心問題始終未解： 信息歸平台所有，品牌缺乏獨立資產； 用户付費即失聯，缺乏沉澱與共識； 營銷高投入低迴報，價值增長難以持續。 而在 AI 與 Web3 技術的驅動

數據 , 數據分析 , 應用場景 , 前端開發 , Javascript

收藏 評論

xjsunjie 頭像

xjsunjie - 可信數據空間：技術架構與建設路徑

隨着數字經濟的深化，數據要素的價值日益凸顯，但數據孤島、隱私泄露和信任缺失等問題嚴重製約了數據價值的充分釋放。可信數據空間（Trusted Data Space, TDS）作為一種新型的數據基礎設施和協作範式，通過構建一個去中心化、主權可控、安全可信的數據共享與流通環境，為解決上述難題提供了系統性方案。 本文旨在深入剖析可信數據空間的核心理念、關鍵技術架構，並提出一套系統化

數據空間 , yyds乾貨盤點 , 數據 , 技術架構 , 人工智能 , 數據分析

收藏 評論

u_14987 頭像

attitude - Kafka/RocketMQ 多線程消費時如何保證消費順序？

多線程問題 對於mysql裏面上萬條信息，我開多線程，比如10個，要是完成第一個線程處理前k條，後面的依次處理後k條，這怎麼建立？要是第3個線程處理k到k+n條數據出問題的時候，我應該記錄這批次信息的id到一個單獨的地方，我覺得這數據量小，可以存在List裏面，然後該批次（批次大小200）的所有數據都進行事務回滾，不提交。最後全部都處理完了，再去處理這些異常的list列表裏

線程池 , 數據 , 後端開發 , harmonyos , kafka

收藏 評論

u_12226 頭像

小蝌蚪 - Hadoop雲計算實戰 - 李航421的個人空間 -

Hadoop 實戰：從Hive、Impala（Cloudera CDH、CDP）海量數據到 AI 決策的落地方法 建議由CDH遷移到CMP 7.13平台（類Cloudera CDP，如華為鯤鵬ARM版）可以做到無縫切換平緩遷移 Hadoop 實戰：從 Hive、Impala 海量數據到 AI 決策的落地方法 一、引言：為什麼需要將 Hadoop

數據 , hive , hadoop , Css , 前端開發 , HTML

收藏 評論

u_15796946 頭像

程序猿追 - 每天節省3小時：我們如何用IPIDEA動態IP解決海外數據採集難題

一、前言 在數據驅動的業務中，穩定採集競品信息是做出有效決策的基礎。但在實際操作中，採集工具的可靠性常常受限於一個底層因素：IP 地址。 我曾面臨一個具體問題：我們在做一個一套用於監控海外運動品牌市場動態的系統時，因為自建代理池的 IP 質量不穩定，導致數據採集成功率僅在 65% 左右波動，並且採集的速度也不理想。維護這套系統，每天需要投入數小時處理 IP 和驗證碼。

大數據 , 數據 , ip , 數據採集 , 數據倉庫

收藏 評論

u_16175518 頭像

mob649e8168f1bb - ollama 訓練模型參數

ollama 訓練模型參數的描述 在人工智能和機器學習領域，模型的訓練參數直接影響到模型的性能和使用效果。作為一名IT技術類專家，我在處理“ollama 訓練模型參數”的問題時，積累了一定的經驗。接下來，我將詳細記錄解決此類問題的思路和過程，旨在幫助更多的用户理解和解決類似挑戰。 背景定位 在使用ollama進行模型訓練時，許多用户會遇到參數配置不足的問題，這可能導致模型性能

批處理 , 數據 , aigc , 調優

收藏 評論