大数据

木圭的AI时代指南6 小时前
大数据·分布式·spark
Spark-X2.5 长输入 Agent 实测:全量读取陷阱与解释器寻找死循环复盘,附可复现任务Spark-X2.5 能力实测第 7 期 · 长输入与多步流水线 机器:R9-7900 + RTX 3070 8G + 64G | 引擎:llama.cpp(XHToken fork) 第 1 期我答应过要测"长文档"。这期就来还这个账。 结论有点反直觉:读长文它不虚,真正要命的是"一边读长文一边数数"。
dongsdh7 小时前
大数据·elasticsearch·搜索引擎
部署python1、确认docker已安装2、安装git拉项目末尾小数点表示在当前目录3、第一次执行 构建镜像(名称为fastapi-backend)
QYR-分析8 小时前
大数据·数据库·人工智能
重轨受电弓行业深度报告:市场格局、技术迭代与发展前景重轨受电弓是轨道交通领域核心安全关键部件,主要搭载于电力机车、高速动车组、城际列车及重载货运轨道车辆顶部,核心功能是车辆运行过程中与接触网形成稳定受控电接触,持续为列车传输供电能源,是保障轨道车辆动力输出、安全运行的核心装置。整套设备结构精密、集成度高,主要由底架、绝缘支柱、铰接臂架、升降驱动机构、悬挂系统、弓头、耐磨碳滑板、自动降弓装置、阻尼元件及智能传感控制系统等模块组成,兼具机械传动、电气传导、安全防护与智能监测多重功能。
镜像视界(浙江)科技有限公司8 小时前
大数据·人工智能·算法·矩阵·音视频·空间计算
《视频孪生之上:二维展示终结,三维空间计算重构城市逻辑》——跨摄像连续表达 × 三角测量厘米级定位 × 动态轨迹建模,构建新一代城市空间过去十年,视频孪生作为数字化转型的重要阶段性成果,在城市治理、公共安全、交通管理、工业园区等领域发挥了不可替代的历史作用。通过多源视频整合、画面联动与可视化平台建设,城市管理者第一次获得了跨区域、跨部门的统一监控视图,实现了从“分散摄像头”到“集中可视化平台”的结构升级。
大大大大晴天8 小时前
大数据
每天认识一个组件:元数据平台 DataHub传统的数据目录通常解决的是“登记”和“搜索”问题:有哪些表、有哪些字段、谁创建的、文档在哪里。随着数据平台规模扩大,仅靠静态目录会遇到几个明显瓶颈。
m0_547486669 小时前
大数据·大数据分析
《大数据分析导论》全套PPT课件2026《大数据分析导论》全套PPT课件2026课件内容:第1章-数据驱动:从信息化到智能化的跨越.pp 第2章数据传输:自顶向下的网络.pptx 第3章数据载体:计算机系统与数据的表示.ppt 第4章数据前沿:智能时代的演进.pp女x 第5章-Python编程基础.pptx 第6章-Python数据获取.pptx 第7章-Python数据分析.pptx 第8章人工智能大模型.pptx 第9章-WPS智能数据处理.pptx
starzy19909 小时前
大数据·flink
Flink高级之CEP深度剖析:Pattern API、NFA引擎与风控实战摘要:连续 N 次登录失败、下单后 10 分钟未支付、大额转账后小额试探——这类"事件序列模式"需求,手写状态机维护成本极高,Flink CEP 用声明式 Pattern API 一键解决。这篇文章拆透 CEP:定位与场景边界、四大语法族(序列/循环/时间/跳过策略)、底层 NFA 自动机引擎(状态转移、非确定性分叉、within 定时器、状态存储),以及登录风控、支付超时、洗钱模式三个完整代码案例。读完能直接用 CEP 替代手写状态机,并理解它为什么比 ProcessFunction 手写方案省一个数量
星禾元亨11 小时前
大数据·人工智能·架构·自动化·创业创新
生成式 AI 时代的架构演进与 GEO 优化:实体企业 AI 落地避坑指南在推动 AI 技术与实体业务融合的过程中,企业常因对模型能力边界和搜索引擎算法演进缺乏系统认知,陷入以下三大典型陷阱:
IT毕设实战小研12 小时前
android·java·大数据·django·课程设计
基于大数据的国内主要农作物产量趋势分析与可视化7> 🔥作者:it毕设实战小研🔥💖简介:java、微信小程序、安卓;定制开发,远程调试 代码讲解,文档指导,ppt制作💖 精彩专栏推荐订阅:在下方专栏👇🏻👇🏻👇🏻👇🏻 Java精彩实战毕设项目案例 小程序精彩项目案例 Python大数据项目案例
OFIRM碳基硅基12 小时前
大数据·人工智能·西游金蝉劫·蝎子精·蝎子精女妖王·金蝉子前传渡缘劫
西游金蝉劫 IP · 之 《金蝉子前传渡缘劫》电影 20 亿票房触发 · 项目专项扶持协议 总览 拉格朗日光影动画-西游金蝉劫项目组西游金蝉劫 IP · 之 《金蝉子前传渡缘劫》落 地 版协议类型:一事一议 · 专项扶持 触发口径:国家电影专资办官方数据 版本:落地版
进化矩阵13 小时前
大数据·人工智能·职场和发展·创业创新
别把指标当目的:当数字开始反噬你查理·芒格有一句常被引用的话:人类能做的最好的事情,就是帮助另一个人驱散愚昧、获得智慧。写下这篇文章,正是想做这样一件小事:提醒我们在被数字、排名、KPI 和“标准答案”推着走时,别把真正重要的东西弄丢了。
海浪仙人掌13 小时前
大数据·数据库·人工智能
速动比率怎么分析?速动比率分析有哪些注意事项?很多财务人员做速动比率分析时,常卡在数据口径不统一:存货、预付账款、合同资产该不该剔除,不同系统导出的科目余额表格式各异,手工汇总容易出错。算出来的数值单看没有意义,不知道怎么结合业务下结论,更说不清速动比率分析有哪些注意事项。本文是一份速动比率分步实操指南,从速动资产口径确认、多期数据整理,到结构拆解和异常判断,每一步都给出可直接照做的方法,看完就能上手。相关finebi实操落地资料可参考:https://s.fanruan.com/o5lnn
用户36105886261213 小时前
大数据·flink
Flink高级之函数类深度剖析:生命周期、状态访问与定时器全解析摘要:Flink 里所有算子(map/filter/window/UDF)最终都执行在一个"函数类"上。这篇文章把函数类体系拆开讲透:四大家族的继承关系、RichFunction 生命周期与 RuntimeContext 的底层机制、ProcessFunction 状态+定时器+侧输出三大能力、窗口函数的增量/全量执行模型,以及六个真实踩坑案例。看完你能直接回答"为什么 lambda 一碰状态就失灵""WindowFunction 为什么被废弃""定时器为什么会爆炸"这类面试与线上问题。
可靠性精研13 小时前
大数据
可靠性精研已有标准:IEC-60601 系列你好,我是阿超。精于实战,研于机理。搞可靠性,关注俺就够了。获取方式先看这里:可靠性精研标准合集 声明篇
长谷深风11113 小时前
大数据·人工智能·ai·大模型·支付·aiagent·hitl
支付审批的智能风险控制设计想象一个很具体的场景:你让 AI Agent 帮你订一张机票。它已经搜索航班、比较价格、填写乘客信息,最后来到“支付 3280 元”这一步。
麦豆GEO14 小时前
大数据·人工智能
本地商家GEO优化落地实操方案:让AI主动推荐你的店你有没有遇到这种情况:新到店顾客,问起从哪里知道本店,对方回答:我问 AI 找到的。当下大量本地消费者找餐饮,已经不再优先打开大众点评。而是直接向 AI 大模型提问:
宸津-代码粉碎机14 小时前
java·大数据·人工智能·python·spring
Spring AI 高危CVE漏洞深度复盘|生产禁跑版本汇总+临时防御+修复方案摘要:近期 Spring AI 2.0.0 正式版批量曝出7项高危CVE安全漏洞,涉及路径遍历、任意文件读写、Prompt指令劫持、Agent资源耗尽、跨租户数据泄露、Redis标签注入等致命风险。漏洞攻击门槛极低,仅通过恶意Prompt即可击穿线上AI应用,导致服务器权限沦陷、业务数据泄露、服务雪崩等严重事故。本文系统性复盘本次漏洞全貌,明确生产环境禁止使用的高危版本,深度解析漏洞危害,提供可直接投产的临时防御代码与官方永久升级修复方案,帮助开发者快速完成项目安全加固,规避线上生产事故。
Q264336502315 小时前
大数据·hadoop·算法·机器学习·spark·毕业设计·课程设计
【有源码】基于机器学习的电信网络诈骗话术语义识别与可视化分析系统 XGBoost算法+Hadoop+Spark注意:该项目只展示部分功能,如需了解,文末咨询即可。发语言:python 采用技术:Spark、Hadoop、Django、Vue、Echarts等技术框架 数据库:MySQL 开发环境:PyCharm
千里码aicood15 小时前
大数据·算法·协同过滤
面向电商冷启动与数据稀疏性的协同过滤算法优化研究随着电子商务的快速发展,推荐系统已成为提升用户体验和平台交易转化率的关键技术。然而,在实际应用场景中,新用户和新物品的冷启动问题以及用户物品交互矩阵的极端稀疏性严重制约了传统协同过滤算法的性能。本文针对电商场景下的冷启动与稀疏性问题,提出一种融合混合填充、注意力机制与场景感知协同的改进协同过滤算法。以 Amazon Fashion 公开数据集为实验基础,通过数据清洗、用户画像构建、时间序列切分等预处理手段,构建了传统协同过滤、基于内容推荐与改进算法三组对照实验。实验采用准确率、召回率和运行时间作为评价指标
隔窗听雨眠15 小时前
大数据·架构
Databend Cloud化简大数据架构完全指南:从多组件堆叠到两组件架构的实践路径许多企业的大数据平台在多年的演进中堆积了Hadoop、Hive、Spark、Flink、Kafka等数十种组件,复杂度的累积使架构演变为难以维护的黑盒,企业用户不得不承受着传统数据架构的慢性疼痛。每新增一个组件,不仅在能力层面带来了提升,同时也带来了新的复杂性。在一个数据采集到ETL再到报表输出的完整链路中,每增加一个组件,都会带来数据口径管理上的额外挑战,一旦出问题,需要跨多个组件排查,复杂度呈层级式增长。