tag 數據

標籤
貢獻758
543
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_16504314 頭像

康謀自動駕駛 - 端到端下半場，如何做好高保真虛擬數據集的構建與感知？

01 前言 隨着自動駕駛技術的日益升級，以UniAD、FSD V12為代表的“端到端”架構正重構行業格局。這一架構試圖通過單一神經網絡直接建立從傳感器輸入到車輛控制的映射，從而突破傳統模塊化累積誤差的侷限。 然而端到端模型對數據分佈的廣度與深度均有着高要求，尤其是對缺乏歸納偏置的Transformer架構而言，“數據規模”與“場景覆蓋度”可謂直接決定了模型上限。

數據集 , 軟件測試 , 數據 , 自動駕駛

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI教務員智能平台系統——把“排課、考勤、成績單”做成一鍵套餐，讓教務老師準時下班

每學期開局，教務辦公室總上演“人海拼圖”：教師時間衝突、教室容量不足、學生選課撞車……AI教務員智能平台系統用“大模型+運籌算法+實時數據”把排課、考勤、成績、畢業審核串成一條自動化流水線，讓教務老師從“表格奴隸”升級為“數據指揮官”。 一、智能排課：30秒生成“零衝突”課表 平台讀取5類數據： 教師時間碎片（含科研、外出）； 學生選課意願（權重分5級）； 教

多目標 , 數據 , NLP , 權重 , 人工智能

收藏 評論

u_17494575 頭像

mb689bf7a82caf3 - 使用 C# 創建 Excel 圖表：高效構建自動化數據可視化報告

在當今數據驅動的世界裏，數據分析和可視化已成為各行各業不可或缺的技能。Excel作為最常用的數據處理工具之一，其強大的圖表功能能夠將複雜的數據集轉化為直觀易懂的視覺信息。然而，當我們需要處理大量數據、重複生成相似報告或集成到自動化流程中時，手動在Excel中創建和更新圖表不僅效率低下，而且極易出錯。 想象一下，你每週都需要根據最新的銷售數據生成一份包含多種圖表的報告

yyds乾貨盤點 , 數據 , 自定義 , 柱狀圖 , 後端開發 , excel , .net , c

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 數據中心運維新範式：如何用數字孿生技術實現可視化智能管理

在數字化轉型浪潮中，數據中心作為企業核心基礎設施，其運維管理正面臨前所未有的挑戰。隨着設備規模不斷擴大，系統複雜度持續攀升，傳統運維模式已難以滿足實時監控、快速定位和精準決策的需求。如何打破數據孤島，實現運維數據的可視化呈現與智能分析，成為行業亟待解決的問題。 從平面監控到立體可視的跨越 傳統數據中心監控系統大多基於二維平面展示，運維人員需要

數據 , 運維 , 數據可視化 , 數據中心 , 人工智能 , 數字孿生

收藏 評論

u_17611688 頭像

wx69548870b612b - 馮・諾依曼體系結構

馮・諾依曼體系結構（Von Neumann Architecture）是現代通用計算機的核心硬件架構模型，由美籍匈牙利科學家馮・諾依曼於 1945 年提出，其設計思想奠定了近 80 年計算機硬件的發展基礎。以下從「核心原理、硬件組成、工作流程、優缺點、現代延伸」五個維度，進行結構化、深入解析： 一、核心原理（三大基石） 馮・諾依曼體系的本質是「用二進制統一存儲指令和數據，並

數據 , 讀取數據 , AI寫作 , aigc , 運算器

收藏 評論

jcguanqi 頭像

MarkGuan - uniapp項目實踐總結(十四)封裝存儲和路由方法

導語：在日常 APP 開發過程中，經常要用到數據的存儲、獲取和刪除等操作以及頁面導航之間的跳轉，為此，封裝了一個兩個簡單的方法來統一調用。 目錄 原理分析 方法實現 實戰演練 案例展示 原理分析 主要是以下 API。 uni.setStorage：保存數據到本地緩存中； uni.getStorage：獲取保存的緩存數據； uni.removeStorage：移除保存的數據緩存；

數據 , uniapp , vuejs3 , 路由

收藏 評論

u_16213560 頭像

數據小探 - 最好用的CRM系統排行榜

深夜的辦公室裏，銷售專員還在零散的聊天記錄和表格中翻找客户信息 —— 上午的社交平台線索未及時歸檔，下午的線下拓客數據分散在不同文件，與核心客户的溝通重點也因信息雜亂難以回溯。這類客户管理的困擾在銷售團隊中並不少見。 據《2024 年銷售效率調研》相關數據顯示，超七成銷售團隊會因線索分散、跟進節奏不統一、數據銜接斷層等問題，產生不低的客户流失情況；而部署了專業客户管理系統的

數據 , 易用性 , 後端開發 , crm , Python

收藏 評論

u_16099219 頭像

風之谷啓航 - Hudi-表的存儲類型及比較_嘣嘣嚓的技術博客

01. Hudi 數據模型分析 主題説明 Hudi 的數據模型是整個系統的核心抽象，説白了就是定義了數據記錄在系統中是怎麼表示的、怎麼操作的。理解數據模型是理解 Hudi 工作原理的基礎，就像蓋房子要先打地基一樣。 在 Hudi 裏，一條數據記錄不是簡單的字符串或者字節數組，而是一個結構化的對象，包含了記錄本身的數據、唯一標識、存儲位置等信息。這種設計讓 Hud

字段 , 序列化 , 數據 , 前端開發 , Javascript

收藏 評論

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_16213647 頭像

mob64ca14079fb3 - Stm32cubemx LCD 經常不顯示

TFTLCD TDTLCD即薄膜晶體管液晶顯示器，在液晶顯示屏每個像素上都設置有一個薄膜晶體管（TFT），圖像質量高 一般TFTLCD模塊位3.3V供電，不支持5V電壓MCU，如果使用5V MCU需在信號線串接120R電阻使用 LCD使用16位80並口驅動，與OLED並口驅動類似 電容觸摸模塊使用SPI串口驅動 採用廠商提供

機器學習 , 嵌入式 , 數據 , 單片機 , stm32 , 人工智能 , define

收藏 評論

u_13521 頭像

cnolnic - 不懂Hadoop心臟Shuffle的原理這一篇就夠了（含講解視頻）

在 Hadoop MapReduce 的 Shuffle 階段，環形緩衝區（Circular Buffer） 被用於 Map 任務輸出中間數據的暫存，這是其性能優化的關鍵設計之一。下面從原理、目的和優勢三個方面詳細解釋 為什麼 Hadoop Shuffle 中使用環形緩衝區。 一、環形緩衝區在 Shuffle 中的位置 在 Map 任

大數據 , 數據 , hadoop , 環形緩衝

收藏 評論

u_17420180 頭像

合合信息解決方案 - 財務數字化轉型具體步驟是什麼

當企業財務部門還在為每月數百張發票錄入、跨系統數據核對而焦頭爛額時，行業領先者已經通過數字化轉型實現了效率的質變。某快消品集團五年投入5300萬元完成轉型後，每年節省人工成本超1000萬元，財務效率提升40%。這背後的關鍵，在於掌握了科學的分階段實施路徑。 第一步：明確轉型戰略與需求評估 財務數字化轉型的首要任務是制定清晰的戰略規劃。企業需要評估當前財務業務的運作情況

機器學習 , 業務流程 , 數據 , 人工智能 , 數據驅動

收藏 評論

u_16213681 頭像

16213681 - 27.IO多路複用之select_51CTO博客

文章目錄 前言 一. 五種IO模型 二. select實現多路轉接 2.1 select接口 2.2 select服務器實現 2.2.1 對網絡套接字進行封裝 2.2.2 構建出服務器類 2.2.3 進行初始化 2.2.4 獲取要進行等

文件描述符 , 數據 , 多路 , 前端開發 , Javascript

收藏 評論

u_17585057 頭像

星球科技 - 天立啓鳴連獲權威認可，密集落子奠定AI教育引領地位

近日，天立教育旗下AI智慧教育品牌啓鳴達人（以下簡稱天立啓鳴）接連完成一系列關鍵部署，在權威認可與產業協同兩大維度取得顯著突破。不僅在新華網教育論壇榮膺國家級獎項，更與科技巨頭騰訊達成重量級戰略合作。 從國家媒體論壇的聚光燈，到科技巨頭的戰略簽約台，天立啓鳴正在實現從市場驗證到生態構建的全面升級。 戰略進階：天立啓鳴以雙輪驅動，勾勒AI教育新圖景 年末之

數據 , 人工智能 , 數據分析 , 核心技術

收藏 評論

tech 頭像

青雲交技術圈 - Java 大視界 -- Java 大數據機器學習模型在自然語言處理中的對抗訓練與魯棒性提升

(centerJava 大視界 -- Java 大數據機器學習模型在自然語言處理中的對抗訓練與魯棒性提升/center) 引言 嘿，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！自然語言處理（NLP）作為人工智能領域的核心技術，在智能客服、智能寫作、信息檢索等場景中廣泛應用。然而，隨着應用的深入，對抗攻擊帶來的威脅日益凸顯。惡意攻擊者通過精心

機器學習 , spark , 魯棒性 , 大數據 , yyds乾貨盤點 , 數據 , Java大數據 , JAVA

收藏 評論

u_16504314 頭像

康謀自動駕駛 - 方案分享 | 賦能智慧隧道施工：工程車輛多模態數據採集方案

隨着智慧工地與無人化施工技術的推進，隧道施工裝備的數字化轉型已成為行業焦點。近期，在和眾多該類客户的溝通過程中，我們觀察到了一些被頻繁提到的客户需求和場景痛點，針對於此，以隧道運輸設備——MSV膠輪車為例，本文為該類客户量身定製了一套高性能多模態數據採集方案。 本文將從客户的實際痛點出發，詳細拆解如何在無GPS信號、環境惡劣的隧道場景中，實現高精度、多傳感器的數據融合與採集

軟件測試 , yyds乾貨盤點 , 數據 , 激光雷達 , 時間同步

收藏 評論

u_16213588 頭像

mob64ca13f96cda - polarpcolor函數用法

poll提供的功能與select類似，不過在處理流設備時，它能夠提供額外的信息。 #include poll.h 　　int poll(struct pollfd fd[], nfds_t nfds, int timeout); 　 參數： 　　 1）第一個參數:一個結構數組,struct pollfd結構如下： 　　struct pollfd{ 　　int

標誌符 , 優先級 , 數據 , 雲計算 , 雲原生 , polarpcolor函數用法

收藏 評論

tech 頭像

青雲交技術圈 - Java 大視界 -- Java 大數據在智能物流末端配送路徑動態規劃與配送員調度中的應用創新

(centerJava 大視界 -- Java 大數據在智能物流末端配送路徑動態規劃與配送員調度中的應用創新/center) 引言： 嘿，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！凌晨四點的杭州蕭山物流園，自動化分揀線上閃爍的指示燈與掃碼槍的紅光交織。在這個日均處理 30 萬件包裹的樞紐中心，一套基於 Java 開發的智能調度系統正在悄然

spark , 大數據 , yyds乾貨盤點 , 數據 , JAVA , apache

收藏 評論

u_16099253 頭像

數據解碼者 - Vben Admin 自學記錄 —— Table組件的基本使用及練習（持續更新中...）_Morgan

1.表格列屬性 /** * 定義表格列的配置 * @param onActionClick 操作列點擊回調函數 * @param onStatusChange 狀態改變回調函數 * @returns 表格列配置數組 */ export function useColumns(): VxeTableGridOptions['col

數據 , 字段名 , 前端開發 , HTML , 前端 , Javascript

收藏 評論

u_16213310 頭像

mob64ca12d2dee8 - llama_factory命令微調後如何測試

在我們開展使用“llama_factory”命令微調的過程中，有時候會遇到測試評估的問題。特別是如何高效測試微調後模型的性能，成為了我們實現更好效果的關鍵環節。以下是解決“llama_factory命令微調後如何測試”問題的詳細過程。 問題背景 在使用“llama_factory”命令對模型進行微調時，我們通常希望能夠快速驗證微調後的效果，確保模型的性能能夠滿足業務需求。這個過程

數據 , aigc , 自動化測試 , 解決方案

收藏 評論

u_16175507 頭像

mob649e8166179a - ollama 哪個接口返回模型

ollama 是一個非常有趣的工具，對於數據模型的返回接口有很多應用場景。在這一篇博文中，我們將一步步深入到"ollama 哪個接口返回模型"的問題，系統地闡述解決的過程，包括環境準備、集成步驟、配置詳解、實戰應用、性能優化和生態擴展。我們會通過一些圖示來幫助理解，讓整個過程更直觀。 環境準備 在開始之前，我們需要為項目做一些準備工作。確保你已經安裝了以下依賴： Py

數據 , API , aigc , Docker

收藏 評論

u_17602582 頭像

mb69410ac31213c - Flexus AI智能體：你的企業，離“智能世界”只差一次點擊

深夜十點，某製造業企業的會議室依然燈火通明。 市場部的張經理正對着電腦屏幕上一份待完成的“海外市場分析報告”發愁——這已是他本週處理的第三份報告，每份耗時超過5小時，而明天一早就要交付。同一時刻，一家保險公司的客服主管李女士，正為團隊每天處理數百個重複性諮詢問題而焦慮，人力成本高企，服務質量卻難以提升…… 這樣的場景，是否也在你的企業中上演？ 在數字化轉型的浪潮

市場分析 , 大數據 , 數據 , 數據倉庫 , 客户服務

收藏 評論

u_16213688 頭像

mob64ca14116c53 - podman的host模式

（1）Set Controller To Host Flow Control Command 這個命令是Host用來開啓/關閉從Controller到Host的流控（ACL數據和(e)SCO數據），如果不使用這個命令，ACL數據和(e)SCO數據的流控一般來説默認都是開啓的（不確定，一般都不下這個命令）。 參數

參數説明 , data , 數據 , 雲計算 , 雲原生 , podman的host模式

收藏 評論

u_17241003 頭像

瀾極美顏SDK - 瀾極美顏sdk，創新支持一鍵智能美顏+濾鏡+美型參數組合

直播開啓前反覆調試磨皮強度，切換濾鏡後又要重新調整臉型參數，新手主播因操作複雜錯失開播黃金期——這曾是泛娛樂平台主播與運營者共同的困擾。某直播平台數據顯示，超過60%的新主播需要花費15分鐘以上調試美顏效果，其中30%的人會因參數搭配混亂直接放棄使用進階功能。如今，瀾極美顏SDK的出現正在改變這一現狀，其創新推出的“一鍵智能美顏+濾鏡+美型參數組合”功能，將原本需要多步操

濾鏡 , 數據 , 人工智能 , 用户需求 , 深度學習

收藏 評論