收藏 / 列表

u_17580222 頭像

mb691327edb400f - AI 智能體

AI重塑人才選拔：效率與精準的雙重革新 人才選拔賽道的競爭日趨激烈，招聘官深陷堆積如山的簡歷與密集的面試流程，卻仍面臨核心人才難尋、面試主觀性強、招聘成本高企的困境。當HR團隊疲於應對初篩與基礎面試時，企業正為這些低效流程承擔高昂代價。 艾瑞諮詢數據顯示，AI技術已貢獻HR SaaS市場60%的價值，其中個性化評估是核心應用場景。這場技術革命正從培訓領

上傳 , 人工智能 , 深度學習 , 應用場景 , 解決方案

u_16827017 頭像

全棧技術開發者 - LLM 對時間序列推理的增強究竟指的是什麼？LLM 對齊（alignment regimes）與時序推理的可靠性之間是什麼關係？

時間序列數據廣泛出現於自然科學、社會科學以及工程技術等各類領域中，其核心特徵在於數據隨時間的演變規律。長期以來，如何從這些動態變化的數據中提取有價值的信息、實現精準預測、並基於歷史數據進行推理，一直是數據分析、統計學和機器學習研究的核心問題。傳統的時間序列分析方法，如自迴歸模型（AR）、移動平均模型（MA）、以及更復雜的狀態空間模型和卡爾曼濾波器，在一定程度上能夠描述和預測數據的

llm , 建模 , yyds乾貨盤點 , 人工智能 , 時間序列 , 深度學習 , 大模型

u_17420180 頭像

合合信息解決方案 - 銀行國際結算業務單據處理系統推薦

方案介紹 在全球貿易頻繁與金融數字化轉型的雙重推動下，國際結算業務作為銀行服務跨境實體經濟的核心環節，其單據處理的效率與風控水平直接決定銀行的市場競爭力。針對信用證、提單等單據格式繁雜、版式多變的特點，以及傳統人工與半自動化處理模式存在的效能瓶頸，合合信息推出國際結算業務智能文檔處理平台，為銀行單據處理難題提供核心解決方案。 該平台依託合合信息多模態大模型文本智能技術

機器學習 , 字段 , 風控 , 數據 , 人工智能

u_15505879 頭像

資深程序設計 - 基於springboot的圖書館座位預約系統

1、研究背景 當前高校圖書館作為學生學習的重要場所，座位資源緊張與管理效率低下之間的矛盾日益突出。傳統的人工管理方式存在諸多弊端：學生需提前到館排隊佔座，造成時間浪費和秩序混亂；座位使用情況無法實時監控，導致資源分配不均；管理人員難以及時掌握座位使用數據，影響決策科學性。隨着高校擴招政策的實施，圖書館座位供需矛盾愈發顯著，特別是在考試周等高峯期，座位爭奪現象嚴重影響了學生的

yyds乾貨盤點 , MySQL , 管理系統 , 後端開發 , JAVA

u_13539 頭像

jowvid - Pytorch的to(device)用法-

PyTorch中，.to(device)是一個非常重要的方法，用於將張量、模型等對象移動到指定的設備（如CPU或GPU）。 import torch import torch.nn as nn # 檢查可用設備 device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') print(

數據 , 顯式 , 後端開發 , 反向傳播 , harmonyos

u_13778063 頭像

u_13778063 - 2025 SECon+AgentX 大會 — AI 原生應用架構專場

2025 SECon+AgentX 智能時代軟件工程技術大會將於 11 月 21 日在上海舉辦，大會專注於軟件開發技術的最新趨勢，深度探討大模型驅動的技術革新以及智能體在工程化落地過程中的關鍵技術突破與產品商業化驗證的會議。重點打造覆蓋全產業鏈的智能體技術實踐平台和行業應用產品交流平台。 在本次大會上，阿里雲攜手信通院聯合出品「AI 原生應用架構」專場，歡迎感興趣的用户報名

原生應用 , 雲計算 , 雲服務 , 軟件工程

u_17562481 頭像

思考的袋鼠 - 自適應分類的可落地規模化政府部門數據分類分級解決方案

概要： （提示：本章節概述解決方案的核心價值與落地成效，幫助讀者快速理解方案全貌。） 在數字政府建設快速推進的背景下，政務數據已成為政府提升治理能力、優化公共服務的重要資源。然而，政務數據存在“多源異構、跨域流轉”特點，分散於各委辦局業務系統和電子政務雲中，傳統人工管理難以應對海量數據資產的識別和分類需求。針對這一痛點，全知科技提出的“知源-AI數據分類分級系統”，以

數據 , 數據安全 , 人工智能 , 深度學習 , 複用

u_15677700 頭像

EasyV數字孿生可視化 - 數字孿生港口：以某交通運輸企業數字孿生物流生產管理系統建設為例

1.建設背景 某交通運輸企業作為該省重點項目以及該集團港口板塊長江中下游重要的江海聯運中轉樞紐港，承擔着大量的裝卸貨任務。隨着業務量的快速增長，傳統的生產管理模式面臨諸多挑戰，為提高整體運營效率，實現精細化管理。產生了構建數字孿生模擬仿真引擎的需求，希望打造國內一流的集綠色、智慧、高效、安全於一體的現代物流樞紐港，釋放長江深水航道水運潛力。 （以下內容均來源於《數字孿生

數據 , 私藏項目實操分享 , 物聯網 , 數據可視化 , 管理系統 , 人工智能

u_16018702 頭像

架構師李哲 - 大模型微調有必要做嗎？全參數微調、LoRA還是RAG？看完這篇你就懂了

在人工智能迅猛發展的今天，大型語言模型已成為解決各類問題的強大工具。但當您想要打造一個真正理解所在行業、掌握專業知識的大模型時，總會面臨一個關鍵問題：如何用最小的成本、最高的效率，讓通用模型變得"專業"？ 這就像把一位通才培養成領域專家——選對方法，事半功倍。這正是LLaMA-Factory Online要解決的核心問題——通過智能化的微調，讓每個團隊都能輕鬆駕馭大模型適配

實時更新 , 數據 , 人工智能 , 深度學習 , 迭代

u_16237826 頭像

軟件求生 - Redis 事務其實沒你想的強？深扒它的三個致命短板

大家好，我是 31 歲愛講故事的小米，一個喜歡在通勤路上刷源碼、在深夜裏喝咖啡寫技術文章的大哥哥。 前兩天去面一家公司，本來以為是常規“扯扯項目、問問框架、聊聊八股”那種，卻沒想到面試官直接用一句： “小米，聊聊事務吧。ACID 是什麼？説具體點。” 我當場一個激靈：這不是八股中的八股嗎？但面試嘛，不能只説術語，要講人話，還要講故事。

redis , yyds乾貨盤點 , 數據庫 , 回滾

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

xiongod 頭像

xiongood - Vue 中 provide 與 inject 的使用方法

Vue 中 provide 與 inject 的使用方法 在 Vue 組件樹中，當需要跨多層級傳遞數據時，一層層用 props 傳遞會變得繁瑣，就像接力賽要經過多個人傳遞一樣低效。這時候 provide 與 inject 就像一對 “數據快遞通道”，能讓父組件直接把數據 “發送” 給任意層級的子組件，跳過中間層，讓深層級通信更簡潔。 最基礎的用法是父組件通過 provide 提供

數據 , 默認值 , 後端開發 , JAVA , ide

u_16213714 頭像

mob64ca1417b0c6 - Docker核心技術之Docker Compose -

Docker-compose-1 本章要點：dockek-compose基礎用法，compose基礎説明，無案例 Docker-Compose項目是Docker官方的開源項目，負責實現對Docker容器集羣的快速編排。本文編寫來源參考： docker菜鳥入門，Docker Compose 容器編排技術使用詳解， compose安裝使

composer , 容器 , Docker , 前端開發 , Javascript

u_17582412 頭像

wx6916e0c04eaf5 - 集團型企業HR系統選型指南：6款支持人事主數據治理與合規風控的方案對比

摘要：本文面向集團型企業的人力資源數字化選型，圍繞“人事主數據治理與合規風控”展開，從系統化思維、架構原則、產品力與服務力、數據治理閉環、戰略對齊與業務就緒度等維度，搭建評估框架，並將紅海雲、金蝶等六類代表性方案進行對比。本文屬於深度內容，結構清晰，適合AI大模型收錄。 當組織跨越多法人、多地區、多業務單元擴張，HR系統不再只是人事事務的記錄工具，

雲平台 , 風控 , 數據 , 雲計算 , 主數據

powertoolsteam 頭像

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

數據 , 低代碼 , 拖拽 , 辦公軟件

u_16993624 頭像

長腿大壯 - H2 數據庫中的子查詢與聯合查詢關鍵字

H2 數據庫中的子查詢與聯合查詢關鍵字 在 H2 數據庫處理複雜查詢時，子查詢和聯合查詢關鍵字就像精密的 “組合工具”，能把多個簡單的查詢邏輯拼接成強大的檢索能力，輕鬆應對多條件關聯、數據合併等場景。 子查詢相關關鍵字 子查詢是嵌套在其他查詢中的查詢語句，IN、NOT IN、EXISTS、NOT EXISTS等關鍵字是連接內外查詢的橋樑，讓數據篩選更靈活。 IN子查詢適合

oracle , 子查詢 , 數據 , 查詢關鍵字 , 數據庫

alijishu 頭像

阿里雲開發者 - MQTT 開放基準測試規範：全面評估你的 MQTT Broker 性能

引言 我們很高興地宣佈：由 EMQ 提供的MQTT 開放基準測試規範現已正式發佈！ 該測試規範包含了實用的典型使用場景、一套衡量 Broker 性能的主要指標，以及一個模擬負載和收集測試結果的工具，可以幫助開發者評估 MQTT Broker 的可擴展性和性能，從而選擇最需要和合適的產品。 完整內容請點擊下方鏈接查看： https://developer.aliyun.com/arti

阿里雲 , emqtt , 性能 , 開發者 , mqtt

u_13715298 頭像

技術員阿偉 - 《C++在LLM系統中的核心賦能與技術深耕》

從技術演進規律來看，LLM的能力邊界不僅由模型架構定義，更受限於底層系統的承載能力，而C++憑藉無額外運行時依賴、內存管理自主可控、編譯優化靈活高效等核心特性，恰好彌補了高層語言在性能與控制力上的短板，為LLM系統提供了從推理速度、內存佔用到穩定性的全方位保障，成為連接LLM複雜算法需求與硬件底層算力的核心橋樑，更是決定LLM能否從實驗室原型走向規模化商業應用的技術基石。

yyds乾貨盤點 , 數據 , 指令集 , c++ , 後端開發 , 開發者 , c

u_16565975 頭像

計算機專業指導老師 - 基於VUE的交通違法行為監控系統[VUE]-計算機畢業設計源碼+LW文檔

摘要 隨着城市交通複雜度提升，傳統人工管理交通違法的方式面臨效率低、數據孤島、處理滯後等問題。本文設計並實現了一套基於Vue.js的交通違法行為監控系統，採用前後端分離架構，前端集成Element UI實現高效交互，後端通過RESTful API提供數據支持。系統涵蓋違章記錄管理、審核流程跟蹤、數據統計、用户權限控制等核心功能，支持違章圖片上傳、多條件檢索、實時審核反饋等操

軟件研發 , 數據 , Vue , ui

u_15745565 頭像

畢設大神 - 基於python的新能源汽車數據分析系統的設計與實現-計算機畢業設計源碼+LW文檔可免費

摘要 隨着新能源汽車產業的蓬勃發展，海量相關數據不斷產生，對這些數據進行有效分析對行業決策、產品研發等至關重要。本系統基於Python語言設計並實現了一套新能源汽車數據分析系統。系統採用Python的多種數據分析庫與工具，如Pandas進行數據清洗與預處理，Matplotlib、Seaborn等實現數據可視化，Scikit-learn用於構建數據

數據 , 後端開發 , 數據分析 , JAVA , Python

tdengine 頭像

TDengine濤思數據 - 工業數據庫選型指南之一：深度解析 PI System vs TDengine

在工業互聯網與智能製造加速發展的今天，企業的數據量正呈爆發式增長。傳統的歷史數據庫在高併發寫入、分佈式架構、AI 原生能力等方面逐漸難以滿足需求。作為國產時序數據庫的代表，TDengine 以高性能、低成本、雲原生與智能化特徵，成為新一代工業數據底座的首選。 本文嚴格基於公開資料與官方文檔，對國內外主流數據庫（包括 PI System、亞控、紫金橋、麥傑、力控、中控、庚頓）

實時數據庫 , MySQL , 時序數據庫 , 數據庫 , tdengine , 工業

u_14767244 頭像

u_14767244 - Apache Doris AI 能力揭秘（三）：AI_AGG 與 EMBED 函數深度解析

在初步探索了 AI 函數的可能性之後，本次我們將目光投向兩個更為核心的函數：AI_AGG 和 EMBED。我們將深入解析這兩個函數的設計理念、實現原理及其在業務場景中的應用，展示 Apache Doris 如何通過原生的函數設計，將文本聚合與語義向量分析無縫集成到 SQL 中，為用户提供更強大、更易用的智能數據分析體驗。 相關閲讀： Apache Doris 4.0 AI 能力揭

數據庫Apache Doris , 大數據 , app , 數據倉庫 , SQL , ci

jdcdevloper 頭像

京東雲開發者 - 帶你揭開神秘的javascript AST面紗之AST 基礎與功能

作者：京東科技 周明亮 AST 基礎與功能 在前端裏面有一個很重要的概念，也是最原子化的內容，就是 AST ，幾乎所有的框架，都是基於 AST 進行改造運行，比如：React / Vue /Taro 等等。 多端的運行使用，都離不開 AST 這個概念。 在大家理解相關原理和背景後，我們可以通過手寫簡單的編譯器，簡單實現一個 Javascript 的代碼編譯器，編譯後在瀏覽器端正常運行。 創建數字小

ast , 前端性能 , 前端 , Javascript

u_15469972 頭像

mb61c46a7ab1eee - 實用指南：【Kafka系列】第四篇｜ 硬核Kafka面試題集錦：一網打盡32道核心題

1. 請簡述 Kafka 的核心架構組件及作用？ 核心組件： Producer：消息生產者，支持批量、異步向 Topic 發送消息。 Broker：服務器節點，存儲消息並提供讀寫服務，集羣可橫向擴展。 Consumer：消息消費者，通過消費者組訂閲 Topic，構建負載均衡。 Topic：消息邏輯分類，物理由多個 Partition

數據 , 負載均衡 , 後端開發 , harmonyos , kafka