tag 數據

標籤
貢獻758
542
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_13446 頭像

imking - 怎樣解決hue和oozie在web頁面的時區問題

Coze相關問題 Coze的數據庫可以導出到本地嗎？ 目前官方不支持，數據庫如果要保存到本地的話，可以通過插件 HTTP的形式，同時存入到本地一份。 做了一個簡單工作流查數據表裏面的內容，自己試是可以的，但是鏈接發給其他人就查不出來，這可能是什麼問題？ 大模型存在不穩定性，有時候每次顯示結果會有不確定的情況。也可

數據 , 多用户 , 數據庫 , Css , 前端開發 , HTML

收藏 評論

u_16099205 頭像

架構思維大師 - python csv 分隔符是多個字符組成

Pandas CSV 文件 CSV（Comma-Separated Values，逗號分隔值，有時也稱為字符分隔值，因為分隔字符也可以不是逗號），其文件以純文本形式存儲表格數據（數字和文本）。 CSV 是一種通用的、相對簡單的文件格式，被用户、商業和科學廣泛應用。 Pandas 可以很方便的處理 CSV 文件，本文以 nba.csv 為例，你可以下載

csv , 字段 , 數據 , 後端開發 , Python

收藏 評論

u_12891 頭像

gjnet - 空降負責人如何與團隊建立信任？_極客時間_石雲升

團隊士氣低落是組織面臨的嚴峻挑戰，其根源往往在於信任缺失、方向迷茫或持續的壓力。要在這種情況下重建信任與動力，管理者必須採取一套系統性且以人為本的策略。核心在於立即開啓透明、誠實的雙向溝通，主動承認問題所在，並清晰闡明未來的改進方向和共同目標。 解決信任危機是第一要務，這要求領導者言行一致，兑現承諾。其次，必須通過實際行動展示變革的決心，例如公平處理遺留問題、優化不合理的流程、併

Small , 數據 , 一對一 , Css , 前端開發 , HTML

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - 【Redis 從入門到實戰：詳細講解 Redis 安裝配置、RDB/AOF 數據持久化方案、一主兩從同步部署，深入剖析哨兵模式工作原理與哨兵模式高可用全攻略】 - 指南

提示：本文原創作品，良心製作，乾貨為主，簡潔清晰，一看就會 文章目錄 一、非關係型數據庫 1.1 什麼是非關係型數據庫 1.2 關係型數據庫和非關係型數據庫的區別 1.3 關係型數據庫和非關係型數據庫優缺點 1.4 非關係型數據庫的作用 二、Redis安裝

redis , 數據 , 關係型數據庫 , Css , 前端開發 , HTML

收藏 評論

u_16213659 頭像

mob64ca140a8e67 - spark block 大小配置

1.RDD 彈性分佈式數據集: RDD是由多個partition組成 最小單位是partition:與讀取的block是一一對應的. 有多少個block就有多少個partion. 算子就是函數:作用再rdd的partition上的. 對彈性的理解:某個RDD損壞了,可以進行恢復.他們直接有依賴關係 分區器是作用在kv格式RDD上很難理解 partition提供數據

spark , 大數據 , 數據 , hadoop , spark block 大小配置 , mapreduce

收藏 評論

u_17562481 頭像

思考的袋鼠 - 從規則到智能：企業數據分類分級的先進實踐與自動化轉型

一、概要 （提示：在數據激增與合規壓力下，企業亟需一種既高效又可靠的數據管理方式。） 隨着數字化轉型的加速，企業數據正以前所未有的速度增長。據國際數據公司（IDC）預測，到 2025 年全球數據總量將超過 175ZB。數據量龐大帶來的直接挑戰是管理複雜度急劇增加，尤其是敏感數據散佈於企業內部多系統、多終端和雲環境中，泄露與濫用風險不斷攀升。與此同時，我國《網絡安全法》

數據管理 , 數據 , 人工智能 , 深度學習 , 結構化

收藏 評論

alijishu 頭像

阿里雲開發者 - B 站構建實時數據湖的探索和實踐

一、背景和痛點 在大數據場景應用中，業務不僅要計算數據結果，而且要保障時效性。目前，我司演化出兩條鏈路。時效性高的數據走 Kafka、Flink 實時鏈路；時效性要求低的數據走 Spark 離線鏈路。上圖簡單描述了 B 站數據上報、處理和使用的鏈路。數據採集主要通過 APP 端上報的行為事件數據。服務端上報的日誌數據會通過網關以及分發層，流式分發到大數據數倉體系內。 MySQL 中存儲的業

構建工具 , 數據 , 阿里雲 , 存儲 , 雲原生

收藏 評論

u_17580222 頭像

mb691327edb400f - AI賦能招聘：重塑HR工作新生態

AI賦能招聘：重塑HR工作新生態 在生成式AI重構商業邏輯的今天，4.4萬億美元的潛在價值正等待挖掘，但多數企業仍停留在AI應用的“試點困境”，中小企業尤為突出——“不會用、不敢用”的顧慮，讓組織間的“AI優勢鴻溝”持續擴大。對於人力資源管理而言，這場變革既是挑戰更是機遇：HR若能借AI之力突破傳統工作瓶頸，便能從繁瑣事務中抽身，迴歸戰略賦能的核心角色；反之，則可能成為組織

數據管理 , 數據 , ATS , 人工智能 , 深度學習

收藏 評論

u_13527 頭像

bigrobin - pytorch安裝及環境配置的完整過程_python

寫在最前面：現在AI的語言表達能力越來越發達了，筆者這裏一定要説明的是本人的所有文章的寫作都是手敲文字，沒有使用AI幫助寫作，所以如果覺得文章不錯請點關注。 文章目錄 一、主題説明 二、環境配置 關於GPU渲染加速的説明 requirements.txt依賴庫 三、3D渲染基礎知識 四、

數據 , 點雲 , 3d , 前端開發 , Javascript

收藏 評論

u_16297326 頭像

虎斑嘟嘟 - 零知識證明與深度學習：打造可驗證的AI推理新時代

零知識證明與深度學習：打造可驗證的AI推理新時代 在醫療、金融和自動駕駛等關鍵領域，人工智能系統正日益成為決策的核心。然而，這些“黑箱”模型如何讓人信任？當AI告訴你不應該批准貸款或患有癌症時，你如何知道這個決策是基於正確的推理，而不是被惡意篡改或包含了偏見？ 傳統方法要求完全透明公開模型參數和輸入數據，但這在保護知識產權和用户隱私方面面臨巨大挑戰。 零知識證明

yyds乾貨盤點 , 數據 , 後端開發 , JAVA , ci , 零知識證明

收藏 評論

u_17513518 頭像

愛看C語言的BK - MySQL 21天學習計劃 - 第九天：數據修改語句（INSERT、UPDATE、DELETE）

數據修改語句概述 經過前八天的學習，我們已經掌握瞭如何從數據庫中查詢和檢索數據。但在實際應用中，數據庫不僅需要"讀"數據，更需要"寫"數據。今天我們將學習MySQL中的三大數據修改語句——INSERT（插入）、UPDATE（更新）和DELETE（刪除），這些操作能幫助我們實現對數據庫內容的增刪改功能。 注意：數據修改操作直接影響數據庫中的實際數據，錯誤的操作

數據 , 數據庫 , AI寫作 , aigc , 基本語法

收藏 評論

u_15675268 頭像

1艾一刀 - 全新鴻蒙二合一平板電腦！華為MatePad Edge 11月25日正式發佈

2025年11月25日，華為正式推出首款鴻蒙二合一平板電腦——MatePad Edge，憑藉形態創新、性能越級、生態交互融合與數據互通四大核心優勢，突破平板與電腦邊界，以融合形態打開用户辦公、生活的創新體驗，開啓移動設備融合新紀元。 鴻蒙二合一，真融合的二合一 二合一產品是電腦與平板行業發展歷程上的重要嘗試。鴻蒙二合一平板電腦並非簡單的平板與筆記本疊加，而是通

平板電腦 , 數據 , 人工智能 , 深度學習 , 液冷

收藏 評論

u_16009031 頭像

程序員洲洲 - 【TextIn大模型加速器 + 火山引擎】用Coze+TextIn+飛書搭建全自動論文處理AI工作流

一、前言：科研文獻處理的痛點與AI工具的破局之道 上週三晚上十點，實驗室的燈還亮着。我對着電腦裏十幾篇待整理的英文論文，第5次打開 PDF 閲讀器、OCR 工具、Excel 表格來回切換 —— 剛把一篇多欄論文的摘要提取出來，格式就亂成了一團；公式識別錯誤導致數據核對返工，好不容易整理完的關鍵詞，還得手動複製粘貼到團隊共享表格裏。 作為一名科研工作者，文獻處理早已成了

鏈路 , 數據 , midjourney , aigc , 文檔解析

收藏 評論

u_16213718 頭像

mob64ca1418aeab - 人工智能 - 阿里雲賈揚清：大數據+AI工程化，讓數據從「成本」變為「資產」 - 個人文章

在互聯網技術的浪潮中，每一次創新都不僅是技術突破，更是一段動人的故事。無論是初創企業還是大型公司，AI、大數據和雲計算的應用都在悄悄改變人們的工作方式和生活習慣。本文將通過幾個生動案例，展示技術如何從實驗室走向實際應用，並帶來可觀的價值。 在電商領域，某初創公司利用AI和大數據實現了精準營銷的轉型。創始人曾分享，他們最初面臨的難題是庫存積壓和用户流

大數據 , 數據 , 雲計算 , etcd , Css , 前端開發 , HTML

收藏 評論

u_16213702 頭像

mob64ca1414c613 - 計算機視覺與遙感圖像處理課程

開發工具 VS2008+Qt4.8.0+GDAL1.9 要點 接口要獨立，軟件平台與算法模塊獨立，平台中各接口設計靈活，修改時容易。 設計軟件時一步步來，每個功能逐一實現，某個功能當比較獨立時可以做一個測試程序，測試無誤後將功能添加到工程中。此外，在軟件設計過程中，自身會想到一些功能，為了測試功能方案的可行性，可以單獨做一個測試示例，測試方案是否可行，

成員變量 , 數據 , 人工智能 , 拖拽 , 計算機視覺 , 計算機視覺與遙感圖像處理課程

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI考評系統：告別“憑感覺”，數據讓評價精準又高效

提到“考評”，不管是學生考試、職場考核，大家都怕“不公平”“不精準”——主觀題憑老師/考官心情打分，客觀題批改費時間，考完只給個分數卻不知道問題在哪。而AI考評系統，就是用技術打破這些“老毛病”，讓考評從“靠經驗”變成“靠數據”，既省時間又保公平，還能真正幫大家找對改進方向。 傳統考評的核心痛點就三個：慢、偏、淺。批改幾十份卷子要熬夜，這是“慢”；作文、面試打分有主觀偏差，這是“偏”

圖像識別 , 數據 , NLP , 自然語言處理 , 人工智能

收藏 評論

u_16099297 頭像

mob6454cc7416d1 - vsan8鏡像

可能很多朋友都知道VMware vSAN現在已經有7000多用户，其實早在2015年vSAN就已經成為用户數最多的HCI提供商；實際上，站在公平比較（軟件以及其帶動的硬件的銷售）的角度看，vSAN也已經成為營收最高的HCI提供商。詳細的數據分析參見文章末尾。 令人驚訝的是，今天VMware發佈的v

數據 , 雲計算 , 數據中心 , 雲原生 , vsan8鏡像 , vmware

收藏 評論

u_15016006 頭像

u_15016006 - 全面封禁 Cursor！又一家大廠出手了

大家好，我是程序員魚皮。 最近，有網友爆料稱：快手的研發線發佈通知，收緊了對第三方編程軟件的使用權限。 不少同學發現，只要在自己辦公電腦上點開 Cursor，就直接閃退，壓根兒用不了。 我都能想象到這些同學有多痛苦，本來可能計劃好了下午 1 個小時用 AI 把代碼生成完，然後摸 5 個小時的魚。結果午休一覺醒來發現天塌了，先是對着屏幕發了一會兒呆，然後開

數據 , 編程工具 , 代碼人生 , 第三方工具

收藏 評論

u_15677700 頭像

EasyV數字孿生可視化 - 數字孿生園區：以某景區會展中心數字孿生園區建設為例

1.建設背景 會展中心作為城市經濟的重要載體，是衡量一個城市活力、開放度和發展潛力的重要 標誌之一，涉及到城市產業鏈的多環資源，同時傳統會展行業普遍面臨資源分散、管理滯 後、服務單一等問題。某市作為該省的重點發展區域，積極響應國家政策，將該市一 5A 景點的會展中心作為城市產業升級的示範場景，要求通過高新技術實現會展資源的高效整 合。力求推進現代信息技術與會展產業深度融合，

數據 , 異構 , 數據可視化 , 人工智能 , 信息技術

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 數字孿生如何讓城市治理更智能？一位技術總監的實戰心得

作為一名在智慧城市領域深耕多年的技術總監，我見證了太多項目從概念到落地的全過程。記得去年我們接手一個智慧園區項目時，客户要求在兩週內完成從數據接入到可視化展示的全流程。傳統方式下，這幾乎是不可能完成的任務。但藉助數字孿生技術，我們不僅按時交付，還實現了超出預期的效果。今天，我想分享幾個在實際項目中驗證過的使用技巧，希望能給同行們帶來啓發。 技巧一：

數據 , 智慧城市 , 物聯網 , 數據可視化 , 人工智能 , 數字孿生

收藏 評論

u_16349720 頭像

短短同學 - AI如何改變日常

AI 已經深度滲透到日常生活的方方面面，從衣食住行到學習工作，都在被逐步重塑，核心是簡化流程、提升效率、優化體驗。具體改變體現在這些場景： 信息獲取與內容消費 過去我們需要主動搜索、篩選信息，現在 AI 可以直接生成精準答案（比如智能問答工具）、個性化推薦內容（短視頻平台的推薦算法、音樂軟件的歌單推薦），甚至根據需求創作文案、圖片、視頻。它還能把複雜

數據 , AI寫作 , 一對一 , aigc , 代碼補全

收藏 評論

u_17589746 頭像

Java後端的Ai之路 - AI模型-MCP詳解（秒懂版）

解釋 MCP (Model Context Protocol) = 模型上下文協議，簡單説就是AI界的"通用USB-C接口"，讓不同AI模型能用統一方式連接各種工具和數據源。 Function Call = 函數調用，是AI模型內置的"個人技能"，比如GPT-4自帶的"查天氣"功能。 一、MCP vs Function Call：核心區別

函數調用 , 文心一言 , 數據 , API , aigc

收藏 評論

u_13357275 頭像

上海拔俗網絡 - 人工輔助系統：用技術架起人機協同的橋樑

提到人工輔助系統，不少人覺得是“機器幫人幹活”，實則其核心是一套靠技術實現“人機互補”的智能框架——讓機器承接重複、高精度的基礎工作，把複雜決策、模糊判斷留給人類，同時通過人類反饋持續進化。它不是替代人，而是用技術放大人類的能力邊界，這背後藏着邊緣計算、意圖感知、自適應算法等關鍵技術的協同發力。 邊緣計算是人工輔助系統實現“實時協同”的基石。傳統雲端計算雖強，但數據傳輸延遲常拖慢節奏

自適應 , 數據 , NLP , 人工智能 , 模態

收藏 評論