- 综合排序
- 最热优先
- 最新优先
- 来自专栏PostgreSQL研究与原理解析
国产数据库-内核特性-gbase8a智能索引
国产数据库-内核特性-gbase8a智能索引 南大通用gbase8a MPP Cluster是一款分析型MPP数据库，有个特性鲜明的功能就是智能索引。 1、infobright Infobright是一款开源列式存储数据库，采用知识网格查询优化方式，对即席查询有很大提升。可惜已经没人维护了。而Gbase8a的列存就是基于infobright。 2、gbase8a技术白皮书讲解 假设表mytab有A、B、C、D、E五列，每列都有几个数据包。 2）对于淡蓝的数据，只需要访问B数据包的智能索引信息，就能得到sum信息，不需要对此数据包进行解压。这里的sum值是655360。 不了解gbase8a中对带group by的聚合到底是怎么实现的，有了解的可以一起讨论下） 3）对于红色的数据，将其对应的A、B包解压，进行查询聚合计算 4）将2）和3）的结果求和，返回。
91840编辑于 2023-08-09 - 来自专栏超级架构师
【人工智能】人工智能、机器学习和数据工程 InfoQ 趋势报告 - 2021 年 8 月
然而，随着人工智能功能的不断增强，我们希望在未来看到更多的用例。 一种正在取得成功的机器人是自动驾驶汽车。 微信小号 【cea_csa_cto】 50000人社区，讨论：企业架构，云计算，大数据，数据科学，物联网，人工智能，安全，全栈开发，DevOps，数字化. QQ群 【792862318】深度交流企业架构，业务架构，应用架构，数据架构，技术架构，集成架构，安全架构。以及大数据，云计算，物联网，人工智能等各种新兴技术。 【智能时刻，架构君和你聊黑科技】知识星球认识更多朋友，职场和技术闲聊。 知识星球【职场和技术】微博【智能时刻】智能时刻哔哩哔哩【超级架构师】抖音【cea_cio】超级架构师快手【cea_cio_cto】超级架构师 小红书【cea_csa_cto】超级架构师 谢谢大家关注
61620编辑于 2022-03-14 - 来自专栏悦思悦读
AI 入行那些事儿（8）人工智能 vs 人类智能
弱人工智能 vs 强人工智能 看到这里，我们难免会产生一个疑问：现阶段机器学习还达不到人脑的水平，那么未来深度学习继续向前发展，人工智能能否和人类的智能相提并论呢？ 要解答这个问题，我们可以从人工智能发展的两个阶段——弱人工智能和强人工智能——说起。 ? 人工智能 vs 人类智能 现在的人工智能显然连弱人工智能都没有达到。但科技的发展是很快的，我们完全可以设想有一天我们能进入弱人工智能阶段，继而进入强人工智能阶段。 到了那时，人脑和人工智能之间又会变得孰强孰弱呢？ ? 弱人工智能 vs 人类智能 我们先来把人脑和弱人工智能做个对比。 强人工智能 vs 人类智能 到了强人工智能时代，可能真的会出现一个程序，它能在所有的领域学习、行动和决策。
1.2K30发布于 2021-03-22 - 来自专栏速入大数据
数据驱动智能，智能优化数据——大数据与人工智能的双向赋能
数据驱动智能，智能优化数据——大数据与人工智能的双向赋能在数字化浪潮席卷全球的今天，大数据和人工智能（AI）已成为推动技术创新和产业升级的核心动力。 大数据为人工智能提供了养料，而人工智能则为大数据的处理与应用带来了革新。大数据如何助力人工智能？人工智能的本质是基于数据的模式学习与推理，因此，数据的质量、数量和多样性决定了AI模型的有效性。 人工智能恰好可以解决这些问题，使大数据分析更加智能化、高效化。自动化数据清洗undefined数据清洗是数据分析中的关键环节，传统的人工清洗方法费时费力，而人工智能可以自动发现异常值、处理缺失数据。 例如，交通管理系统可以通过AI分析实时车流数据，预测拥堵情况并提供最佳路线规划。结语：大数据与人工智能的未来展望大数据和人工智能的协同作用正在重塑各个行业的运作方式。 从医疗诊断到智能营销，从自动驾驶到个性化推荐，这种双向赋能的趋势将持续加深。未来，随着数据采集技术和计算能力的提升，人工智能将更有效地优化数据处理流程，而大数据则为AI提供更丰富、更优质的训练资源。
93910编辑于 2025-04-21 - 来自专栏前沿技墅
数据驱动产品智能——数据应用与用户智能
本文作者 桑文锋 神策数据创始人兼CEO，浙江大学计算机科学与技术专业硕士，在百度任职8年，从无到有构建了百度用户日志大数据平台，覆盖数据收集、传输、元数据管理、作业流调度、海量数据查询引擎及数据可视化等 所谓智能，可以把它归结为这么一种模式：首先要有数据，然后在数据上套用某种算法模型，最后再将结果数据反馈到产品中，这样的产品就具备了一种“学习”能力。数据驱动产品智能模式如下图所示。 ? 数据驱动决策将分析结果用于人的决策使用，而数据驱动产品智能更加强调数据的处理结果是给机器用的，并且这种数据分析的算法往往更加复杂，本身具有可以自我迭代的特点。 有了数据平台，我们就有了数据根基和数据处理能力，接下来就是围绕数据的产品智能应用。具体到用户行为数据，它不仅可用作流量统计和在线的用户行为分析，还可以应用于各种用户智能。 下图是挖掘用户行为数据价值的一系列智能应用。 ? 目前常见的基于用户行为的用户智能应用，如下表所示。
1.6K30发布于 2018-07-31 - 来自专栏AI
不写代码实现智能检索：n8n + 向量数据库实战指南
n8n + Pinecone + ModelScope：知识库向量查询工作流实战前言在构建智能知识库系统时，如何快速实现语义检索是个核心问题。 这套方案的优势在于无需编写后端代码，通过可视化节点编排就能实现企业级的向量检索服务，适合快速验证技术方案或为现有系统增加智能检索能力。 API KeyPinecone 向量数据库：已创建索引，记录下 API URL 和 KeyAPI 密钥管理：准备一个用于验证请求来源的密钥（如 your-secret-api-key）确保 n8n 已配置好 总结通过 n8n 搭建向量检索服务的过程相当直观，核心在于理解数据在各个节点间的流转和转换。 这套流程不仅适用于知识库查询，稍作调整就能扩展到文档上传、批量检索、智能推荐等场景，关键是把握好每个环节的输入输出格式。
1.8K10编辑于 2025-11-17 - 来自专栏人工智能的秘密
智能决策：人工智能+大数据
智能决策=大数据+人工智能 百分点Deep Matrix智能决策系统融合大数据与人工智能技术，基于动态知识图谱和行业业务模型，具备自适应和自优化的能力，支持复杂业务问题的自动识别、判断并进行推理，进而做出前瞻和实时决策的智能化产品系统 利用Deepmatrix AI决策系统的创新能力，百分点将持续推动AI技术在大数据领域的落地，满足市场对海量异构数据的智能分析与应用需求，使企业能高效、便捷地进行数据资产管理和价值实现。 百分点Deep Matrix AI决策系统由大数据操作系统、智能认知引擎、智能应用系统三部分组成，其中： 大数据操作系统：解决内外部多源、异构复杂数据的处理，构建数据生命周期管理为核心的数据资产管理平台 五大核心能力： 海量数据汇聚融合能力：借助百分点大数据系统，将海量的结构化与非结构化业务数据进行汇聚融合； 快速感知和认知能力：通过人工智能应用，从海量的数据中快速提取有价值的数据，感知业务与环境的变化 ； 强大的分析和推理能力：对数据进行智能分析与推理，分析出业务的真实动向与未来趋势； 自适应与自优化能力：通过对人工配置与机器执行的融合，实现针对应用的智能预警、智能研判； 行业智能决策能力：通过大数据与人工智能的结合
5.9K01发布于 2017-12-21 - 来自专栏信数据得永生
PyTorch 人工智能基础知识：6~8
六、探索生成对抗网络 生成对抗网络（GAN）是一种机器学习技术，其中同时训练两种模型：一种专门用于创建伪造数据，另一种专门用于区分真实数据和伪造数据。 真实数据。 术语生成反映了以下事实：这些神经网络用于创建新数据，而术语对抗来自以下事实：两个模型相互竞争，从而提高了生成的数据的质量。 GAN 中的两个模型称为生成器和判别器，其中生成器负责创建数据，判别器接收数据并将其分类为真实数据或由生成器生成。 生成器的目标是创建与训练集中的真实数据没有区别的数据样本。 在此秘籍中，我们将生成类似于 MNIST 数据集的手写数字，其中包含来自噪声向量的数据。 我们将扩展此噪声向量，将其转换为 2D 矩阵，最后将其转换为28 x 28黑白图像。 网络稳定后，它会在判别器中再增加两个卷积层以将图像上采样到8 x 8，再增加两个卷积层以对图像下采样。 经过 9 个这样的序列后，生成器将生成1024 x 1024个图像。
93810编辑于 2023-04-27 - 来自专栏深入浅出区块链技术
智能合约语言 Solidity 教程系列8 - Solidity API
这是Solidity教程系列文章第8篇介绍Solidity API，它们主要表现为内置的特殊的变量及函数，存在于全局命名空间里。 Solidity 系列完整的文章列表请查看分类-Solidity。 写在前面 Solidity 是以太坊智能合约编程语言，阅读本文前，你应该对以太坊、智能合约有所了解， 如果你还不了解，建议你先看以太坊是什么 欢迎订阅区块链技术专栏阅读更全面的分析文章。 msg.sig (bytes4):调用数据(calldata)的前四个字节（例如为：函数标识符）。 msg.value (uint): 这个消息所附带的以太币，单位为wei。 ecrecover(bytes32 hash, uint8 v, bytes32 r, bytes32 s) returns (address): 通过椭圆曲线签名来恢复与公钥关联的地址，或者在错误时返回零 可用于签名数据的校验，如果返回结果是签名者的公匙地址，那么说明数据是正确的。 ecrecover函数需要四个参数，需要被签名数据的哈希结果值，r，s，v分别来自签名结果串。
86620发布于 2018-07-23 - 来自专栏大飞的部落阁
HttpRunner-8-数据驱动
数据驱动概览 为什么要用数据驱动 举个简单例子，当我们在测试一个输入框的功能时，可能需要输入不同的参数，此时，我们不需要设计多个用例，而只需要将输入值参数化，将不同的参数作为一个列表通过数据驱动的方式进行加载即可 httprunner 的数据驱动 通过上篇文章，我们已经知道 httprunner 的数据驱动需要在 testsuite 中使用关键字 parameters 来定义。 定义数据源的三种方式 在 testsuite 的 yaml/json 文件中直接定义。 通过内置的 parameterize 函数引用外部 csv 文件，适用大数据场景。 通过以上内容，我们可以知道，在 HttpRunner 的数据驱动中，我们有 6 种方式进行实现。 独立参数 & 引用自定义函数 6 关联参数 & 引用自定义函数 数据驱动实例 在上面我们已经介绍了 6 中驱动模式，而且也学习了直接在 yml 文件中定义参数的两种场景，那怎么使用 CSV 文件实行数据驱动呢
51110编辑于 2022-06-17 - 来自专栏腾讯云存储
预告 | 2024数据智能大会数据智能基础设施论坛
为拨开数据智能时代迷雾，把握数据智能时代脉搏，2024数据智能大会数据智能基础设施论坛将于6月20日在北京悠唐皇冠酒店盛大举行，届时邀请了多位行业内大咖进行专题分享。 腾讯云存储智能存储总监叶嘉梁受邀出席活动，分享“数智融合，腾讯云智能存储的发展与实践”的主题演讲。 演讲嘉宾：腾讯云存储智能存储总监，叶嘉梁 演讲时间：6月20日10：45~11：05 演讲议题：数智融合，腾讯云智能存储的发展与实践 峰会地址：北京悠唐皇冠酒店 扫描海报下方二维码即可报名参与本次会议
59130编辑于 2024-06-19 - 来自专栏华章科技
从“大数据”到“智能数据”
用智能数据建立智能系统 啤酒+尿布是值得挖掘的数据;而从工业设施、建筑物、能源系统和医院产生的比特和字节，含金量更高，更值得挖掘，因为它们可以用于建立起智能系统，这些比特和字节就是智能数据。 所有这些领域里，必须不仅收集数据，而且还理解数据。处理的数据是智能数据，得出的结论用于将企业或城市变得更智能。 适合于评估这些智能数据的算法还需要开发。 大数据如何成为“智能数据” 数据只是“大”，并没有太大意义，关键是如何最佳地挖掘高价值的数据、使用这些数据，使这些数据成为“智能数据”。 这有几个方法： 1.评估数据的价值和将会产生的价值 2.把数据和“智能化”相关联 3.把数据变成具有上下文意义的灵活的数据结构 4.随着时间的推移，根据这些收集了的大量数据，展现一幅绚丽多彩的智能数据图 到最后，也不会再去思考大数据与智能数据有何区别，因为所有的数据都已经成为智能数据。 西方2000多年前就已发明的“管道化”的马桶开了物联网的先河。
65210发布于 2018-08-14 - 来自专栏Java技术栈
Intellij IDEA 不愧是最智能 IDE，轻松解决了 Java 8 数据流问题！
Java技术栈 www.javastack.cn 关注阅读更多优质文章 Java8除了lambda，最实用的特性是新的数据流API。集合操作在任何我见过的代码库中都随处可见。 但是一件关于数据流的事情十分令我困扰：数据流只提供了几个终止操作，例如reduce和findFirst属于直接操作，其它的只能通过collect来访问。 注：Stream.js是浏览器上的Java 8 数据流API的JavaScript接口，并解决了上述问题。所有重要的终止操作都可以直接在流上访问，十分方便。 无论如何，IntelliJ IDEA声称它是最智能的Java IDE。所以让我们看看如何使用IDEA来解决这一问题。 推荐阅读：IntelliJ IDEA 调试 Java 8 Stream。 这一步非常重要。在添加新的实时模板之后，你需要在对话框底部指定合适的上下文。
1.6K30发布于 2021-01-08 - 来自专栏AI科技大本营的专栏
TIOBE 8 月编程语言排行榜：数据挖掘和人工智能语言强势崛起！
整理 | 郑丽媛 出品 | CSDN（ID：CSDNnews） 今天，TIOBE 官方最新发布了 8 月的编程语言榜单，一起来看本月榜单中有什么值得关注的发展趋势吧？ （图片来自视觉中国） 数据挖掘和人工智能语言正在蓬勃发展 每一种编程语言的兴起从来都离不开它所适用的技术领域，二者之间一直以来都是水涨船高的关系，曾于智能手机兴起阶段一度攀升至 TIOBE 榜单前十的 如今，数据挖掘和人工智能的蓬勃发展也是如此，这一领域的编程语言正在逐渐崛起。 同样适用于数据分析、人工智能等领域的上古编程语言 Fortran 也由此再次复兴，自 4 月冲进 TOP 20 后，本月更是刷新了自身最高名次：第 13 名。 的榜单中还有一些值得关注的变化： Go 语言在 7 月排名上升至第 13 名后，本月又降至第 18 名； 于去年同期相比，Swift 今年以来的市场份额一直呈下滑趋势； PHP 以连续 3 个月维持第 8
88220发布于 2021-09-03 - 来自专栏yeedomliu
《智能商业》04 智能商业双螺旋之一：数据智能
04 智能商业双螺旋之一：数据智能 无数据，不智能；无智能，不商业。人工智能是一场技术革命，它必然会将越来越多的商业智能化。未来数据智能将成为商业的基础，而智能商业也将成为数据时代的全新的商业范式。 在我看来，要想把数据智能融入具体商业，要做好三件事：数据化、算法化和产品化 数据化：商业创新的基础 对于当下的商业而言，智能化指的是商业决策会越来越多地依赖机器学习，依赖人工智能。 “云”反馈 产品是用户通过行为数据向“云”上的数据智能进行反馈、实现数据增值和算法优化的通道 下达：将“云”的数据智能传递到“端” 在智能商业的“云”和“端”之间，客户的产品体验绝不仅仅来自端上的UI（ ，而这取决于“云”上的数据智能 互联网产品是一种包含了“云”的智能和“端”的体验的完整互联网服务，它是数据智能和商业场景紧密整合的最终载体，也必将取代营销，成为商业运营的关键 智能商业的成功，最关键的一步往往是一个极富想象力的创新产品 数据智能的引擎机器要能够直接做决策，而不是传统的利用数据分析来支持人的决策。
2.3K20发布于 2020-06-23 - 来自专栏Go语言学习专栏
8 - AI 服务化 - AI 超级智能体项目教程
通过本节学习，你将掌握如何将 AI 智能体转变为可供他人调用的服务 具体内容包括： AI 应用接口开发 AI 智能体接口开发 在开始之前，先给大家提个醒，Spring AI 版本更新飞快，有些代码的写法随时可能失效 chatId) { // 创建一个超时时间较长的 SseEmitterSseEmitter emitter = new SseEmitter(180000L); // 3分钟超时// 获取 Flux 数据流并直接订阅 点击接口旁边的绿豆就能自动生成测试代码： 二、AI 智能体接口开发 由于智能体执行过程通常包含多个步骤，执行时间较长，使用同步方法会导致用户体验不佳。 因此，我们采用 SSE 技术将智能体的推理过程实时分步输出给用户。 } catch (Exception e) { state = AgentState.ERROR; log.error("执行智能体失败
14910编辑于 2026-03-17 - 来自专栏AI
基于 YOLOv8 的昆虫智能识别工程实践
基于YOLOv8的昆虫智能识别工程实践[目标检测完整源码]引言：为什么“虫子识别”值得用深度学习重做一遍？在农业生产、林业保护以及生态监测中，昆虫种类识别一直是一项高度依赖经验的工作。 整体架构分为四个层级：数据层：多类别昆虫图像数据集与标准化标注模型层：基于YOLOv8的目标检测网络推理层：统一的模型加载与预测接口应用层：PyQt5图形化桌面系统这种分层设计的优势在于：模型可随时替换或重新训练推理逻辑与界面解耦便于后续迁移到边缘设备或 七、应用场景与扩展方向该昆虫识别系统可广泛应用于：农业虫害智能监测林业生态调查科研数据自动采集教学与实验演示在此基础上，还可以进一步扩展：虫类数量统计与趋势分析边缘设备部署（如Jetson/RK平台）与物联网设备联动 ，实现自动预警总结本文从工程实践角度，系统介绍了一套基于YOLOv8的昆虫种类智能识别方案。 其核心价值体现在三点：将目标检测算法转化为实际可操作系统显著降低昆虫识别应用的技术门槛为农业与生态场景提供可扩展的AI基础能力本文从工程落地的视角出发，系统介绍了一套基于YOLOv8的昆虫种类智能识别解决方案
16010编辑于 2026-01-29 - 来自专栏AI
基于 YOLOv8 的智能杂草检测识别实战
基于YOLOv8的智能杂草检测识别实战[目标检测完整源码]引言：为什么杂草识别是智慧农业中的“硬问题”？ ，而是按照工程系统思路进行设计，整体结构如下：展开代码语言：TXTAI代码解释杂草图像数据↓YOLOv8检测模型训练↓推理服务模块↓PyQt5桌面端可视化系统技术选型说明模块技术方案检测算法YOLOv8 二、杂草检测任务的数据特点2.1数据集构成项目使用的是多类别田间杂草目标检测数据集，所有样本均来自真实农田场景，包含：不同生长阶段的杂草不同天气与光照条件单图多目标、目标重叠情况与“整图分类”不同，本项目采用目标检测标注方式 文件统一描述数据路径与类别信息。 本文围绕田间杂草智能识别这一典型的智慧农业应用场景，系统阐述了一套基于YOLOv8的目标检测工程方案。
20910编辑于 2026-01-22 - 来自专栏信息技术智库
8.MySQL 数据操作 DML
8.MySQL 数据操作 DML 数据的DML操作：添加数据，修改数据，删除数据 添加数据 格式： insert into 表名[(字段列表)] values(值列表...); --标准添加（指定所有字段 'aa',19,'m','lamp138'); Query OK, 7 rows affected (0.27 sec) Records: 7 Duplicates: 0 Warnings: 0 修改数据 ' where id in(12,14); Query OK, 2 rows affected (0.09 sec) Rows matched: 2 Changed: 2 Warnings: 0 删除数据 affected (0.00 sec) -- 删除stu表中id值为20到30的数据 mysql> delete from stu where id>=20 and id<=30; Query OK, 0 rows affected (0.00 sec) -- 删除stu表中id值为20到30的数据（等级于上面写法） mysql> delete from stu where id between 20
35820编辑于 2022-07-29 - 来自专栏分布式｜微服务｜性能优化｜并发编程｜源码分析
8.索引数据路由规则
index.routing_partion_size shared_num = (hash(_routing)+hash(_id) % routing_partion_size) % num_primary_shards 目的是为了避免大量的数据被路由到极少数分片 ，加上routing_partion_size，对于相同的routing，可以通过routing_partion_size打散开来 使用自定义路由分发数据 定义mapping，启用routing必填 PUT number_of_shards": 3 }, "mappings": { "_routing": { "required": true } } } 添加一条数据 routing=10 演示查询全部数据，可以不带routing，但是会搜索所有分片 POST lglbc_routing/_search { "query": {"match_all": {}}
34320编辑于 2023-10-10
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号