tag 數據

標籤
貢獻758
533
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_16213562 頭像

技術極客傳奇 - vue3 為什麼推薦script在前 template在後

1、vue3中的setup有什麼用? setup的設計是為了使用組合式api 2、為什麼不用之前的組件的選項 data、computed、methods、watch 組織邏輯在大多數情況下都有效。然而，當我們的組件變得更大時，邏輯關注點的列表也會增長。這可能會導致組件難以閲讀和理解，尤其是對於那些一開始就沒有編寫

機器學習 , 生命週期 , 優先級 , 數據 , Vue , 人工智能

收藏 評論

aloudata 頭像

Aloudata大應科技 - 超越血緣展示：如何用算子級血緣實現數據管理的主動防控與高效協同？

01 什麼是算子級血緣？ 數據血緣如“家族圖譜”一樣，描繪了數據的起源、流經路徑及其轉換過程的詳盡記錄，可以精確追溯數據的初始來源，明晰其歷經的各類處理流程，以及最終的應用方式，從而幫助企業分析並監控數據在業務鏈條中的上下游依賴關係，為企業提升數據管理效率和質量提供“洞察能力”。 通常我們提到的數據血緣包括表級血緣和字段級血緣，它們更多描述的是表和字段之間的“依賴關係”，在實際落地場景裏存在明顯侷

數據 , 數據庫 , etl , SQL

收藏 評論

u_16213570 頭像

藍色憂鬱花 - 使用Cursor進行Python學習 自動生成代碼

作為程序員，每天都要面對各種稀奇古怪的bug。最近我發現了一個能極大提升調試效率的工具——Cursor編輯器，特別是它的自動調試功能，簡直像是有個編程助手坐在旁邊幫你排查問題。 初識Cursor的調試能力 第一次使用Cursor時，我正被一個Python數據處理的bug困擾了兩個小時。那個錯誤信息讓人摸不着頭腦：“KeyError: 'user_id'”，

數據 , 測試環境 , 人工智能 , 前端開發 , Javascript

收藏 評論

u_16018702 頭像

架構師李哲 - 最佳實踐丨讓蘇東坡"復活"！我用Qwen3-8B實現了與千古文豪的跨時空對話

"你是誰？" "我是一個多才多藝的文學家、書法家和畫家，生活在北宋時期。我是蘇東坡，我……" 這不是穿越劇的台詞，而是藉助大模型技術實現的真實對話。在人工智能的賦能下，千年前的文豪蘇東坡以“數字分身”的形式“復活”，與今人吟詩作對、暢談人生，展開一場跨越時空的交流。 這是微調前大模型的回答。此時的模型如同一個精準的“知識庫”，回答客觀

AIGC二三事 , 數據集 , 數據 , 大模型微調 , 人工智能 , 深度學習

收藏 評論

u_16237826 頭像

軟件求生 - 面試官問我：Redis內存滿了會怎樣？我笑着講了一個真實事故

你以為Redis只是個簡單的緩存？不，它吃內存的速度堪比我深夜點外賣的速度。今天我們就通過一個真實的“線上事故”，聊聊Redis的物理資源消耗、內存滿了會發生什麼、以及我們該怎麼優雅地做內存優化。 引言 那天，我正愜意地泡着咖啡，準備開個早會。結果Slack上一個紅色警告信息像驚雷一樣炸響： “Redis節點內存使用率100%，應用開始大量超時！”

redis , yyds乾貨盤點 , 數據 , 緩存 , 數據庫

收藏 評論

u_17578926 頭像

AI科技 - DeepSeek“中文思考”引熱議 海外用户驚訝背後是語言效率與訓練數據的雙重因素！

近日，DeepSeek 連續發佈兩款新模型——DeepSeek‑V3.2 與 DeepSeek‑V3.2‑Speciale，憑藉顯著提升的推理能力在業界引發關注。DeepSeek‑V3.2 已能與 GPT‑5 正面競爭，Speciale 則在長思考與定理證明方面媲美 Gemini‑3.0‑Pro，甚至被部分用户戲稱應改名為 V4。 然而，海外研究者在使用英文提問時，

數字化轉型 , 數據 , 跨語言 , ci

收藏 評論

AmbitionGarden 頭像

Ambition的後花園 - claude使用指南

你想要一份全面且實用的Claude使用指南，涵蓋從基礎操作到高效使用的核心方法，幫助你更好地發揮Claude的能力解決各類問題。下面我會從基礎入門、高效使用技巧、常見場景用法、高級功能和注意事項幾個維度，給你一份通俗易懂的使用指南。 一、基礎入門：從零開始用Claude 1. 訪問與註冊 官方訪問渠道： 網頁端：Claude的官

數據 , 上傳 , 後端開發 , JAVA , Python

收藏 評論

u_16099316 頭像

數據探索先鋒 - 深度學習特徵維數參數的設置

特徵向量：設A是n階方陣，如果有常數λ和n維非零列向量α的關係式Aα=λα成立，則稱λ為方陣A的特徵值，非零向量α稱為方陣A的對應於特徵值λ的特徵向量。 特徵值分解： 在python中使用numpy工具就可以實現。 降維 定義：將數據的特徵數量從高維轉換為低維。 作用：解決高維數據的維度災難問題的一種手段；能夠作為一種特徵抽

數據集 , 數據 , 深度學習特徵維數參數的設置 , 人工智能 , 方差 , 深度學習

收藏 評論

u_16213575 頭像

墨舞青雲 - 大數據--數據倉庫3--數據質量/元數據/數據治理

5.2 元數據 5.2.1 工具 數倉開源元數據項目對比（Apache Atlas、Apache Gravitino、DataHub、OpenMetadata、Amundsen、Metacat、Marquez） 5.2.1.1 起源與發展歷程

大數據 , 數據 , 數據治理 , 元數據 , jquery , 前端開發 , apache

收藏 評論

u_16213631 頭像

mob64ca1403c772 - 迴歸任務的決策擬合

一.寫在前面 　　本節主要講的是上一節學習圖中的按目標分類的橙色方塊中的regression，即所要解決的問題的解為數值。本節由一個案例貫穿，即預測神奇寶貝進化後的戰鬥力，挺有趣的一個案例。本節略長，請耐心看，相信會有收穫的，做我們這行的最重要的就是要有耐心。 二.案例説明 　　所要研究的案例是想要預測神奇寶貝進化後的戰鬥力用cp值表示，具體案例描述如下圖2-1

機器學習 , 迴歸任務的決策擬合 , 梯度下降 , 數據 , 損失函數 , 人工智能

收藏 評論

u_13715298 頭像

技術員阿偉 - 《遊戲公會系統激活活躍度與築牢歸屬感的實戰指南》

高留存遊戲的公會系統往往具備“行為錨點+情感共振”的雙重屬性，它不是被動承接玩家社交需求，而是主動構建一套讓玩家“行為有反饋、價值被看見、成長有陪伴”的動態機制。以某開放世界遊戲與MMORPG的公會生態迭代雙案例為例，早期僅提供基礎組隊功能時，開放世界遊戲玩家日均公會互動時長不足8分鐘，留存率較無公會玩家僅提升3%，而MMORPG的這兩項數據分別為11分鐘和5%；而通過植入“微互

yyds乾貨盤點 , 數據 , 推送 , 代碼人生 , 迭代

收藏 評論

u_16099361 頭像

16099361 - flume使用kafka作為sink-

Kafka作為數據管道中的Sink（輸出端），常用於將處理後的數據寫入Kafka主題，供下游系統消費。以下是實現要點和示例： 核心概念 生產者角色 Kafka Sink本質上是生產者（Producer），負責將數據推送到指定主題（Topic） 數據可靠性 通過配置a

sed , 數據 , linq , 後端開發 , c , kafka , Python

收藏 評論

u_12190 頭像

藍月亮 - 防火牆鏡像流量製作方法

iptables ip 的 tables ip的表格； iptables只是netfilter的前端管理工具；netfilter是linux內核提供的數據流量管理模塊； iptables/netfilter數據流量管理框架； 普遍人問IPtables就是一個防火牆； 作用：流量過濾；（防火牆：1、流浪過濾 2、接V

流量管理 , 防火牆鏡像流量製作方法 , 數據 , 雲計算 , 鏈表 , 雲原生

收藏 評論

u_16213659 頭像

mob64ca140a8e67 - FPGA LVDS和SERDES區別

這裏梳理一下HDMI-LVDS應用的幾個項目案例： 1、HDMI轉LVDS的幾種應用模式 2、無緩存直入直出模式； 3、帶緩存並且可以實現圖像裁剪的內存應用； 4、視頻數據+自定義數據混合發送的LVDS應用案例 5、LVDS轉HDMI的測試案例 一、無緩存直入直出模式，這也是LVDS編碼發送的核心。 直進直出無緩

fpga , hdmi , FPGA LVDS和SERDES區別 , 數據 , lvds , 架構 , 後端開發

收藏 評論

u_16213610 頭像

mob64ca13feda16 - 訪問System Volume Information

構建安全的數據訪問 發佈日期： 1/10/2005 | 更新日期： 1/10/2005 查看全部的安全性指導主題 Microsoft Corporation 本單元概要 數據訪問是從 ASP.NET Web 應用程序使用幾個 ADO.NET 數據提供程序中的一個訪問數據庫的過程。 數據庫是應用程序級攻擊的主要目標。攻擊

數據 , 雲計算 , 雲原生 , 數據訪問 , SQL

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 城市公共安全：數字孿生如何構建"可計算"的智慧防線

當夜幕降臨，城市燈火通明，數百萬人的安全如何保障？傳統模式下，指揮中心的大屏幕上閃爍着密密麻麻的監控畫面，值班人員需要同時關注數十個系統界面——交通流量、警力分佈、消防狀態、突發事件……信息過載與決策延遲成為常態。 數字孿生-孿易IOC技術的出現，正在悄然改變這一局面。它不只是簡單的三維可視化，而是構建了一個可計算、可模擬、可預測的城市安全數字模型。對於致力於城市公共安全領

數據 , API , 數據可視化 , 人工智能 , 數字孿生 , 開發者

收藏 評論

u_14767244 頭像

u_14767244 - Apache Doris 實時更新全解：從設計原理到最佳實踐｜Deep Dive

在數據驅動決策的今天，數據的“新鮮度”已成為企業在激烈市場競爭中脱穎而出的核心競爭力。傳統的 T+1 數據處理模式，由於其固有的延遲，已無法滿足現代商業對實時性的苛刻要求。無論是為了實現毫秒級的業務庫與數據倉庫同步、動態調整運營策略，還是為了在秒級內修正錯誤數據以保障決策的準確性，強大的實時數據更新能力都顯得至關重要。 Apache Doris作為一個現代化的實時分析型數據庫，其設計

字段 , 大數據 , 數據 , 數據倉庫 , 主鍵

收藏 評論

u_17420180 頭像

合合信息解決方案 - 傳統OCR識別有什麼侷限性

在企業數字化轉型的浪潮中，文檔處理效率直接影響業務運轉速度。然而，許多企業在使用傳統OCR工具時，常常遭遇“識別了文字卻用不了數據”的尷尬局面——掃描件變成了亂碼文本，財務報表的表格結構全部丟失，合同條款被錯誤拆分。這些問題的根源，恰恰暴露了傳統OCR技術難以逾越的技術鴻溝。 圖像質量依賴症：模糊就“失明” 傳統OCR對圖像質量的要求近乎苛刻。當文檔出現模糊、光照不均

機器學習 , 數據 , 手寫體 , 人工智能 , 結構化

收藏 評論

u_16213711 頭像

mob64ca1416f1ef - ble 可以同時是write和write no response嗎

協議棧解析 對開發者來説，很簡單，他只需要調用send(0x53) GATT層定義數據的類型和分組，方便起見，我們用0x0013表示電量這種數據類型，這樣GATT層把數據打包成130053（小端模式！） ATT層用來選擇具體的通信命令，比如讀/寫/notify/indicate等，這裏選擇notify命令0x1B，這樣數據包變成了：1B130053

數據 , 應用層 , 協議棧 , 架構 , 後端開發

收藏 評論

u_16099327 頭像

AI智行者 - 當writeMode配置成update時updateColumn不配置會生效嗎

摘要: 下文講述updatetext的功能及舉例説明 實驗環境:sql server 2008 R2 updatetext關鍵字功能及語法説明 updatetext功能説明: updatetext的功能為:更新當前的text,ntext,image字段, 當我們可以使用updatetext更新列中的部分數據 updatetext語法簡介:

機器學習 , 字段 , 數據 , 人工智能 , SQL

收藏 評論

u_16213577 頭像

信息小飛俠 - python 模擬國標28181的服務端實現客户端的註冊功能

Python基礎之網絡併發編程 目錄 Python基礎之網絡併發編程 一、黏包現象 1、什麼是黏包 2、產生黏包的原因 3、如何避免黏包 二、struct模塊 1、模塊簡介 2、常用方法 3、常見格式 三、

數據 , 客户端 , 後端開發 , udp , Python

收藏 評論

u_14587 頭像

bugouhen - service如何配置流量權重

一，配置報表查看權限 　　方法一：使用dynamic365添加用户組管理 　　　　參考教程：https://www.pianshen.com/article/25031937531/ 　　方法二：配置訪問目錄和用户角色 　方法三：如果數據源是SQL，通過SQL AS實現人員或者部門級的權限控制 　　方法

數據集 , 數據 , 用户權限 , 人工智能 , 深度學習 , service如何配置流量權重

收藏 評論

u_39037 頭像

jimoshalengzhou - 數據倉庫書籍PDF

凡事應該儘量簡單，直到不能再簡單為止。 維度建模簡介 一、用於度量的事實表 1.應該儘量將來源於同一個業務過程的底層度量結果存儲於一個維度模型中。 2.事實表中的每一行對應一個度量事件。每行中的數據是一個特定級別的細節數據，稱為粒度。 　　物理世界的每一個度量事件與對應的事實錶行具有一對一的關係，這一思想是維度建模的基本原則。 3.事實表包含多

大數據 , 數據 , 數據倉庫 , 數據倉庫書籍PDF , 三範式 , 主鍵

收藏 評論

u_13357275 頭像

上海拔俗網絡 - OA辦公+AI智能體：讓辦公效率“開掛”的技術革命

在多數職場人的印象裏，OA系統是“流程審批機”——填表單、走流程、存文件，功能夠用但總顯繁瑣。而AI智能體的加入，正讓OA從“工具”升級為“辦公搭檔”，用實打實的技術優化，解決重複勞動、信息孤島、決策滯後等老問題。不用懂複雜算法，咱們就聊聊這些技術到底怎麼讓辦公變輕鬆。 AI智能體的核心，是給OA裝上“大腦”和“手腳”。“大腦”是自然語言處理（NLP）和機器學習技術，能聽懂人話、讀得

機器學習 , 規則引擎 , 數據 , NLP , 人工智能

收藏 評論