- 综合排序
- 最热优先
- 最新优先
- 来自专栏WOLFRAM
应用多范式数据科学：Wolfram U新课程
Wolfram U最新的交互课程，多范式数据科学，通过视频随堂小测和实时计算对多范式数据科学（MPDS）给出了一个综合性的概述，所有计算都在Wolfram云端进行。 当代数据科学家通常自限于他们对方法和技术的选择：有特殊用途的传统统计工具只适用于数值数据。这些过时的处理方法只能对可能问题的一个小子集做出答案。 通过这个课程，你可以学习如何使用Wolfram语言来： · 建立端到端数据科学工作流程 · 分辨和整理不同类型的数据 · 为分析和可视化整合多范式工具包 · 从多个途径检查和合并数据 · 进行可视化研究数据分析 现在就来上交互MPDS课程（https://www.wolfram.com/wolfram-u/multiparadigm-data-science/）吧，流线化你的数据科学工作流程。 或点击我们的数据科学&统计学页面（https://www.wolfram.com/wolfram-u/catalog/data-science-statistics/），查看最新的Wolfram U事件和课程吧
78320发布于 2020-03-11 - 来自专栏数据科学与人工智能
【数据科学】9个针对初学者的数据科学公开课
如果你想自学，网络是一个非常好的地方，这里有太多的资源，有大神 Devendra Desale就挑选出了网络公开课中优秀的数据科学课程推荐给大家。 学时: 3 - 4小时/周 状态: On-demand 持续时间: 5周 需要的条件: 无 工具: R 这个课程是MIT专家和微软合作的，帮你学习数据科学以更好地应用于职场。 本课程结束时，你就会知道如何用数据科学和机器学习模型来构建和获得见解。 教授这门课的是Yaser S.Abu-Mostafa ，他是加州理工学院电气工程和计算机科学教授，不仅是亚马逊里机器学习的畅销书的作者，也是一个会简化学习方法的教授。 : 10周 需要的条件: 编程 工具: Python，R，SQL 介绍数据科学的基础知识，通过实践经验从大数据中提取价值。
1.8K60发布于 2018-02-26 - 来自专栏龙行天下CSIEM
科学瞎想系列之一三二 电机绕组(9)
上期讲了主极磁场分布不是正弦时产生的磁势高次谐波。本期我们讲另一种谐波电势——齿谐波电势。所谓齿谐波电势就是谐波的次数与每极槽数有着特定关系的谐波电势，根据上期讲的“种瓜得瓜种豆得豆”理论，其实齿谐波电势也是由于主极磁势中存在着齿谐波磁势引起的，只不过这种次数的谐波电势被齿槽给“调制放大”了，为了说清楚齿谐波电势被“调制放大”的机理，我们还是从任意υ次谐波电势的幅值讲起。 1 任意υ次谐波电势的大小 1.1 任意υ次谐波磁势产生的谐波磁场 上一期的(11)式讲到，对于转子主极任意一个υ次谐波磁势所产生的磁场包括三种，现将上期的第(11)式的推导结果重新列出如下： Bυ=Bυ0•sin(υ•ωt-υ•p•α)+∑Bυk•sin[υ•ωt-(k•Z+υ•p)α]+∑Bυk•sin[υ•ωt+(k•Z-υ•p)α] ⑴ 式中：Z为定子槽数；p为极对数；ω为转子旋转电角速度；k=1,2,3…； Bυ0=Fυ•λ0 ⑵ Bυk=(1/2)•Fυ•λk ⑶ 上述⑴式表明，任意一个υ次谐波磁势都会在气隙中产生三种谐波磁场：一是极对数为υ•p、转向与转子相同(顺转)、转速为同步转速的基本谐波磁场，(⑴式中第一项）；二是一系列极对数为k•Z+υ•p(k=1,2,3…)，转速为n1•υ•p/(k•Z+υ•p)的顺转谐波磁场(⑴式中第二项和式）；三是一系列极对数为k•Z-υ•p，转向或顺转或反转、转速为n1•υ•p/(k•Z-υ•p)的谐波磁场(⑴式中第三项和式）。虽然这些谐波磁场的极对数各不相同，转速和转向也各式各样，但却都在定子绕组中感应出相同频率υ•f1的谐波电势。接下来我们就分别对这三种磁场产生的谐波电势进行解析计算，需要说明的是，这里用解析法计算纯粹是为了分析影响谐波电势大小的因素，以便后续讲解削弱谐波电势的机理，实际设计电机时还是建议用有限元进行定量仿真计算。 1.2 基本谐波磁场产生的υ次谐波电势 基本谐波磁场的极对数为υ•p，转速为n1，磁场幅值为Bυ0。感应出的谐波电势频率为υ•f1，谐波电势有效值为： Eυ0=4.44•υ•f1•Kdpυ•W•Φυ0 ⑷ Φυ0=(2/π)•Bυ0•τυ0•l ⑸ τυ0=π•D/(2υ•p) ⑹ 式中：Φυ0为基本谐波磁场的每极磁通；τυ0为基本谐波磁场的极距；D为电枢直径；l为铁心长；W为每相串联匝数；Kdpυ为υ次谐波绕组系数。将⑵、⑸、⑹式代入⑷式得： Eυ0=4.44•υ•f1•Kdpυ•W•(2/π)•Fυ•λ0•π•D•l/(2υ•p) =4.44•f1•(Kdpυ•W/p)•D•l•Fυ•λ0 =Ke•Kdpυ•Fυ•λ0 ⑺ 式中：Ke=4.44•f1•W•D•l/p，对于已经制造完成的电机，在一定的转速下(f1一定)，Ke为一常数。由⑺式可见，由基本谐波磁场产生的υ次谐波电势与υ次谐波的绕组系数Kdpυ、υ次谐波的磁势幅值Fυ以及气隙平均磁导λ0成正比，要想削弱基本谐波磁场产生的谐波电势，需要从这三个方面入手(后续会详细讲解削弱方法)。 1.3 极对数为k•Z+υ•p的谐波磁场产生的υ次谐波电势 极对数为k•Z+υ•p的谐波磁场转速为n1•υ•p/(k•Z+υ•p)，磁场幅值为Bυk。在绕组中同样感应出频率为υ•f1的谐波电势，谐波电势有效值为： E′υk=∑【k=1,2,3…】4.44•υ•f1•Kdpυ•W•Φ′υk ⑻ Φ′υk=(2/π)•Bυk•τ′υk•l ⑼ τ′υk=π•D/[2(k•Z+υ•p)] ⑽ 式中：Φ′υk为极对数为k•Z+υ•p的谐波磁场的每极磁通；τ′υk为极对数为k•Z+υ•p的谐波磁场的极距。将⑶、⑼、⑽式代入⑻式并整理得： E′υk=∑【k=1,2,3…】(1/2)•Ke•Kdpυ•Fυ•λk/ [k•Z/(υ•p)+1] =∑【k=1,2,3…】(1/2)•Ke•Kdpυ•Fυ•∑【k=1,2,3…】(λk•(υ•p)/(k•Z+υ•p) =Ke•Kdpυ•Fυ•∑【k=1,2,3…】λk•ξ1 =Eυ0•∑【k=1,2,3…】(λk/λ0)•ξ1 (11) 式中： ξ1=(υ•p)/[2•(k•Z+υ•p)] (12) 由(11)式可见，极对数为k•Z+υ•p (k=1,2,3…)的一系列谐波磁场产生的υ次谐波电势有效值，除了与υ次谐波的绕组系数Kdpυ、υ次谐波的磁势幅值Fυ以及k阶气隙磁导λk成正比外，还与一个系数ξ1有关，由(12)式可见，这个系数ξ1＜1，且(λk/λ0)＜1，这就意味着这种极对数为k•Z+υ•p (k
1.4K20发布于 2021-05-10 - 来自专栏DrugOne
Nature | AlphaFold预测98.5%人类蛋白结构，科学研究新范式
Nature丨AlphaFold2带着源码来了，开启AI生命科学的新时代 ? AlphaFold 已经在帮助科学家加速发现 根据蛋白质的氨基酸序列以计算方式预测蛋白质形状的能力,已经帮助科学家在几个月内实现了以前需要通过多年艰苦、费力且通常成本高昂的技术通过实验确定蛋白结构。 “AlphaFold 数据库是开放科学良性循环的完美例子，”EMBL 总干事 Edith Heard 说。 “让国际科学界可以使用 AlphaFold 预测开辟了许多新的研究途径，从被忽视的疾病到用于生物技术的新酶，以及介于两者之间的一切。 这是一个伟大的新科学工具，它补充了现有技术，将使我们能够突破我们对世界的理解。”
1.3K40发布于 2021-07-28 当AI遇见科学：我们正站在新范式革命的门口
2026年1月，已经有两款材料进入小规模验证阶段，人类科学家承认：“我们根本想不到这条化学路径。”气候预测则是另一个范式颠覆的战场。 这些案例指向一个共同的范式转移：从“假设驱动”（hypothesis-driven）→“数据驱动”（data-driven）→“模型驱动的自主探索”（model-drivenautonomousdiscovery 是否需要新的“AI可解释性科学评审”标准？还是接受“黑箱但可重复验证”的新范式？最后，也是最棘手的：当AI开始提出人类从未想过的假设，并证明正确时，我们的科学哲学会发生什么？ 门后不是“AI帮科学家更快干活”，而是“AI与科学家共同成为新的科学共同体”。人类提供好奇心、价值观、伦理边界、最终解释权；AI提供超人类规模的探索、模式捕捉、虚拟实验能力。 2026年的科学界，已经有实验室开始在论文致谢里写“感谢××模型在本研究中的自主假设生成与实验设计贡献”。这或许就是新范式的第一个正式签名。
47110编辑于 2026-01-23- 来自专栏数据猿
算力赋能，打造生命科学云上新范式
——聚焦数据 · 改变商业 云端算力驱动生命科学创新 实现百万样本高效分析 某生命科学研究院推出的生命科学数据分析平台，是一款基于云架构、由AI驱动的多组学在线分析平台，以技术为根、数据为翼，为科研工作者提供全过程一站式分析服务 该生命科学数据分析平台被誉为生命科学研究与健康应用领域的“超级引擎”，致力于打通科研与临床的壁垒，释放生命大数据价值，助力守护人类健康共同体。 在强大性能的背后，是某生命科学研究院与火山引擎的深度技术合作。 以某生命科学研究院为代表的生命科学机构，在进行基因组重测序、蛋白质分析等业务时，面临两大核心挑战： 1.算力潮汐：蛋白等多组学分析任务常需并行处理数万个样本，瞬时需要高达十万核级别的计算资源，对算力弹性调度要求极高 解决方案与价值：某生命科学研究院选用火山引擎 AMD g3a 实例构建其核心分析平台。
19210编辑于 2026-01-14 - 来自专栏数据科学与人工智能
【数据科学家】9步让你从菜鸟成为数据科学家
由于数据科学和数据分析是个快速发展的领域，当前的合格申请者严重缺乏。这使得数据科学家对于那些有兴趣，并寻找新的职业生涯的人成为有前途的和有利可图的领域。 员工：当然，我还能把它们相乘 但如何能成为一个数据科学家呢？ 首先，各个公司对数据科学家的定义各不相同，当前还没有统一的定义。 因此，排除一个数据科学的学位计划（世界各地的著名大学雨后春笋般的出现着），你需要采取什么措施，成为一个数据科学家？ 8 练习 在你在新的领域有一个工作之前，你如何练习成为数据科学家？使用开源代码开发一个你喜欢的项目、参加比赛、成为网络工作数据科学家、参加训练营、志愿者或实习生。 最好的数据科学家在数据领域将拥有经验和直觉，能够展示自己的作品，以成为应聘者。 9 成为社区的一员 跟着同行业中的思想领袖，阅读行业博客和网站，参与，提出问题，并随时了解时事新闻和理论。
75750发布于 2018-02-27 - 来自专栏全栈程序员必看
第一范式、第二范式、第三范式、BC范式
=宿舍，所以符合传递函数的要求； 1NF 一言以蔽之：“第一范式的数据表必须是二维数据表”，第一范式是指数据库的每一列都是不可分割的基本数据项，强调列的原子性，试题中某一属性不能拥有几个值。 比如数据库的电话号码属性里面不可以有固定电话和移动电话值，如下图： 说明：在任何一个关系数据库中，第一范式（1NF）是对关系模式的基本要求，不满足第一范式（1NF）的数据库就不是关系数据库。 2NF 第二范式建立在第一范式的基础上，即满足第二范式一定满足第一范式，第二范式要求数据表每一个实例或者行必须被唯一标识。 3NF 若某一范式是第二范式，且每一个非主属性都不传递依赖于该范式的候选键，则称为第三范式，即不能存在：非主键列 A 依赖于非主键列 B，非主键列 B 依赖于主键的情况。 BCNF 在第三范式的基础上，数据库表中如果不存在任何字段对任一候选关键字段的传递函数依赖则符合第三范式。
1.3K20编辑于 2022-08-31 - 来自专栏数据科学与人工智能
【数据科学家】养成方案 9步从菜鸟成为数据科学家
由于数据科学和数据分析是个快速发展的领域，当前的合格申请者严重缺乏。这使得数据科学家对于那些有兴趣，并寻找新的职业生涯的人成为有前途的和有利可图的领域。 员工：当然，我还能把它们相乘 但如何能成为一个数据科学家呢？ 首先，各个公司对数据科学家的定义各不相同，当前还没有统一的定义。 因此，排除一个数据科学的学位计划（世界各地的著名大学雨后春笋般的出现着），你需要采取什么措施，成为一个数据科学家？ 1、复习你的数学和统计技能。 在你在新的领域有一个工作之前，你如何练习成为数据科学家？使用开源代码开发一个你喜欢的项目、参加比赛、成为网络工作数据科学家、参加训练营、志愿者或实习生。 最好的数据科学家在数据领域将拥有经验和直觉，能够展示自己的作品，以成为应聘者。 9、成为社区的一员。跟着同行业中的思想领袖，阅读行业博客和网站，参与，提出问题，并随时了解时事新闻和理论。
88460发布于 2018-02-27 - 来自专栏WOLFRAM
多范式数据科学的应用：ThrustSSC超音速汽车工程
本文译自Wolfram技术沟通与战略总监Jon McLoone于2018年9月11日的博客文章：Thrust Supersonic Car Engineering Insights: Applying 这在我们 Wolfram Research 称为多范式数据科学。 为了更仔细地了解这一点, 我们需要再次切换范式, 使用一些信号处理工具。这是位移之间差异的频谱图。频谱图只是数据分区的离散傅立叶变换大小。 部署：重新创建驾驶舱 一个数据科学项目包括一系列分骤，但大体上可以把它们归属于：数据获取，分析和部署。部署可能是设置自动生成的报告、创建API以服务企业系统，或只是创建演示文稿。 这就是多范式数据科学。 ?
80920发布于 2018-10-22 - 来自专栏全栈程序员必看
第一范式，第二范式，第三范式，BCNF范式理解
第一范式、第二范式、第三范式 参考了https://www.zhihu.com/question/24696366 https://www.cnblogs.com/lca1826/p/6601395 第一范式 第一范式列不能再分。 第二范式 第二范式建立在第一范式的基础上，非主属性完全依赖于码。 简单说：消除部分依赖。 （什么是码？） 要是上面那张表符合第二范式。需要将表拆分为两张表。 =宿舍，所以符合传递函数的要求 第三范式 满足第二范式的条件下不存在传递函数依赖。 要满足第三范式，在分成两张表的时候第二张表还是有问题? 学号->系名，系名->系主任 传递依赖。 总结： 第一范式：简单说 列不能再分 第二范式：简单说 建立在第一范式基础上，消除部分依赖 第三范式：简单说 建立在第二范式基础上，消除传递依赖。
1.6K30编辑于 2022-08-25 - 来自专栏龙行天下CSIEM
科学瞎想系列之一〇四 NVH那些事(9)
【部分来自网络如有侵权敬请邮箱联系。联系邮箱laolicsiem@126.com】
1.7K10发布于 2019-12-17 - 来自专栏Mac软件的分享
科学数据分析和制图Mac版GraphPad Prism 9
GraphPad Prism 9是一款用于科学数据分析和制图的软件，广泛应用于生物医学、生命科学、化学和其他领域。它可以帮助用户完成多种任务，如数据整理、统计分析、生存分析、回归分析、非参数检验等等。 图片GraphPad Prism 9 for Mac(统计分析绘图软件)GraphPad Prism 9还提供了大量的分析选项，如ANOVA、t检验、方差分析、Kaplan-Meier生存曲线分析、Log-rank 总体来说，GraphPad Prism 9是一款强大而易于使用的数据分析和制图软件，适用于各种类型的科学研究和实验。 GraphPad Prism 9具有以下特点：直观的界面：GraphPad Prism 9提供了直观易用的界面，使得用户可以轻松地导入、操纵和可视化数据。 总之，GraphPad Prism 9是一款强大而易于使用的数据分析和制图软件，适用于各种类型的科学研究和实验。
84620编辑于 2023-03-23 - 来自专栏PPV课数据科学社区
【译文】数据科学家必须具备的9大能力
【陆勤看点】如何认识和理解数据科学家？一种很好的方法就是查看数据科学家职位的描述，即数据科学家在公司中负责什么？数据科学家需要什么样职能要求？本文是一个数据科学部门招聘数据科学家的描述，值得一看。 在数据科学部门中，我们通过把那些最优秀数据工程师和数据科学家召集在一起，并让他们帮助我们的顾客从它们的数据中提取他们所需的相关信息。 而他们必须要具备以下的东西： 一个有经验的数据科学家：最少要有2到3年工作经验，而工作经验体现在运用数据科学处理各种商业问题的能力上。 一流的分析技巧：探索凌乱的数据集并提取洞察的能力。 随着数据科学的深入，顾客通过连接数据资源，以及问一些相关的问题，并通过团队中的数据科学家把可操作的见解进行交付。 可视化”查看可视化专题系列文章 5、回复“SPPS”查看SPSS系列文章 6、回复“答案”查看hadoop面试题题目及答案 7、回复“爱情”查看大数据与爱情的故事 8、回复“笑话”查看大数据系列笑话 9、
87050发布于 2018-04-20 - 来自专栏数据科学与人工智能
【数据】银行业9大数据科学应用案例
2 数据科学可以解决银行业什么问题？ 在银行业中使用数据科学不仅仅是一种趋势，它已成为保持竞争的必要条件。 银行必须认识到，大数据技术可以帮助他们有效地集中资源，做出更明智的决策并提高绩效。 1 欺诈识别 2 管理客户数据 3 投资银行的风险建模 4 个性化营销 5 终身价值预测 6 实时和预测分析 7 客户细分 8 推荐引擎 9 客户支持 结论 1 欺诈识别 机器学习对于有效检测和防范涉及信用卡 这创建了TB级的客户数据，因此数据科学家团队的第一步是分离真正相关的数据。 9 客户支持 杰出的客户支持服务是保持与客户长期有效关系的关键。作为客户服务的一部分，客户支持是银行业中一个重要但广泛的概念。实质上，所有银行都是基于服务的业务，因此他们的大部分活动都涉及服务元素。 原文链接：https://activewizards.com/blog/top-9-data-science-use-cases-in-banking/ 版权声明：作者保留权利，严禁修改，转载请注明原文链接
4.1K30发布于 2018-07-30 - 来自专栏全栈程序员必看
MySQL （4） 第一范式 第二范式 第三范式 BC范式
第一范式 第一范式：所有属性都是不可分割的原子值。 也就是每个属性都是不可再分的。 如果我们要在RDBMS中表现表中的数据，就得设计为下图的形式： ---- 第二范式（2NF） 第二范式：在第一范式的基础上，要求非主属性都要和码有完全依赖关系 所谓完全依赖是指不能存在仅依赖码一部分的属性 （区别于部分依赖） 如果有哪些数据只和码的一部份有关的话，它就不符合第二范式。同时可以得出：如果一个数据表的码只有单一一个字段的话，它就一定符合第二范式(前提是该数据表符合第一范式)。 ——无改进 所以我们要使用第三范式。 ---- 第三范式（3NF） 第三范式：任何非主属性不依赖于其它非主属性。 3NF在2NF的基础之上，消除了非主属性对于码的传递函数依赖。 ---- BC范式 BC范式在 3NF 的基础上消除主属性对于码的部分与传递函数依赖。
1.6K10编辑于 2022-08-31 - 来自专栏全栈程序员必看
第一范式、第二范式、第三范式、BCNF范式详解
范式(NF) 1. 第一范式（1NF） 2. 第二范式（2NF） 2.1 函数依赖 2.1.1完全函数依赖 2.1.2 部分函数依赖 2.1.3 传递函数依赖 2.2 码 2.3 非主属性 3. 第三范式（3NF） 4. BCNF范式 5. 小结 6. 参考文献 ---- 0. 范式(NF) 按照教材中的定义，范式是“符合某一种级别的关系模式的集合，表示一个关系内部各属性之间的联系的合理化程度”。很晦涩吧？ 符合高一级范式的设计，必定符合低一级范式，例如符合2NF的关系模式，必定符合1NF。 接下来就对每一级范式进行一下解释。 1. 第一范式（1NF） 符合1NF的关系（你可以理解为数据表。 参考文献 数据库范式那些事 详解第一范式、第二范式、第三范式、BCNF范式 发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/142158.html原文链接：https
7.4K11编辑于 2022-08-31 - 来自专栏编程创造城市
关系型数据库范式分析，第一范式、第二范式、第三范式、BC范式、第四范式、第五范式
本期文字教程，老刘和大家一起分析分享一下关系型数据库中常用的几个范式。 第一范式：（字段不能重复且不能分解） 我们也叫1NF。 这个范式主要还是让我们去看看表中不要存在可以被分割的列，同时表的列不能重复。当然，在实际操作过程中，我们如果录入相同的列，系统也是会报错的。 第二范式：（增加主键） 我们也叫2NF。 第三范式：（消除非主键的传递关系） 我们也叫3NF。这个范式的前提必须先满足第二范式的要求。第三范式主要是要看表中的非主键字段（列）与主键字段是否含有传递关系。什么叫是否有传递关系呢？ BC范式：（消除主键内的传递关系） 这个范式也叫BCNF。这个范式的前提条件是要先满足第三范式的要求。在BC范式中，比起第三范式来说还多了一个主键内部传递关系的检查。 第五范式：（消除非候选码的表字段连接依赖） 这个范式我们也叫5NF。这个范式首先前提必须要满足4NF。第五范式是指关系模型R依赖均有R候选码所隐含，这是指在连接时，所连接的属性均为候选码。
10.6K74发布于 2021-01-18 - 来自专栏全栈程序员必看
数据库第一范式 第二范式 第三范式 BC 范式
（基本来自于我上课的内容，某些地方为了不过于啰嗦，放弃了一定的严谨，主要是在“关系”和“表”上） 首先要明白”范式（NF）”是什么意思。 数据库范式也分为1NF，2NF，3NF，BCNF，4NF，5NF。一般在我们设计关系型数据库的时候，最多考虑到BCNF就够。 符合高一级范式的设计，必定符合低一级范式，例如符合2NF的关系模式，必定符合1NF。 接下来就对每一级范式进行一下解释，首先是第一范式（1NF）。 符合1NF的关系（你可以理解为数据表。 BCNF范式 要了解 BCNF 范式，那么先看这样一个问题： 若： 某公司有若干个仓库； 每个仓库只能有一名管理员，一名管理员只能在一个仓库中工作； 一个仓库中可以存放多种物品，一种物品也可以存放在不同的仓库中 那么关系模式 仓库（仓库名，管理员，物品名，数量） 属于哪一级范式？
70630编辑于 2022-08-31 - 来自专栏全栈程序员必看
数据库的范式（第一范式，第二范式，第三范式，BCNF范式）「建议收藏」
2.范式（NF） 范式：符合某一种级别的关系模式的集合，简而言之就数据库表设计的标准级别，范式有1NF,2NF,3NF,BCNF，4NF等，通常高级别的范式包含低级别的范式。 数据库的设计一般到BCNF即可，有时候为了性能要就也会 2.1 1范式（1NF） 1范式：关系中的表的属性不可再分割。 2.2 2范式（2NF） 2范式：消除非主属性对码的部分函数依赖。 函数依赖：简单的说，如果对于每个x属性或属性组都有对应的确切的y值与之对应，则称Y函数依赖于x。 2.3 3范式（3NF） 3范式：消除非主属性对码的传递函数依赖 传递函数依赖： 一个关系R（U），X,Y,Z为属性集U上的子集，其中存在X→Y和Y→Z，但Y不决定X，即 Y! 2.4 BCNF范式（BCNF） BCNF范式：消除主属性之间的间接函数依赖和传递函数依赖。 3.总结 一般我们数据库设计到3范式或BCNF范式即可，但是在实际项目中总是在性能和扩展性中做取舍。
1.8K10编辑于 2022-07-31
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