- 综合排序
- 最热优先
- 最新优先
- 来自专栏mysql
hhdb数据库介绍(9-5)
计算节点支持mysqlbinlog命令，mysqlbinlog命令能够解析binlog文件用于同步增量数据，从而减少了将单机数据迁移至计算节点时的停机时间。使用mysqlbinlog连接远程实例获取binlog文件并解析出其中的SQL语句，然后交由计算节点执行，从而将某个数据库的增量数据导入到计算节点某个逻辑库下。首先，登入到管理端口（默认端口为3325），执行dbremapping命令添加数据库映射关系，关于dbremapping命令用法，请参考计算节点管理命令文档。
36210编辑于 2025-03-26 - 来自专栏AI机器学习与深度学习算法
机器学习入门 9-5 决策边界
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节介绍对于分类问题非常重要的决策边界，先对逻辑回归求出决策边界的函数表达式并绘制，但是对于像kNN这种不能求出决策边界表达式的可以通过预测样本特征平面中区间范围内的所有样本点来绘制决策边界。最后通过调整kNN算法的k值，了解模型的复杂与简单对应的决策边界不同。
3.1K20发布于 2020-02-26 2024 腾讯研究院 & 北京大学《AI 时代的教育变革探索指南》发布
报告通过构建“5U”AI素养框架和“7S”AI原生学校要素体系，探索如何从“讲授+作业”模式转向“对话+共创”的新范式，以实现技术与教育价值的共生。 第三章：报告目录 1. 把握 AI 时代的关键变化：人机协同 探索 AI 时代的能力培养方向：“5U”框架 2. 模式之问：AI 教育模式是否需要重构？ 构建人机协同的教学新范式 保留不可替代的“学习现场” 3. 学校 AI 落地的三个层次 未来学校将由稳态框架转向更具动态性的系统 AI 原生学校成立的“7S”要素体系 7. 企业之问：企业如何在 AI 浪潮中“用好人”？ 报告构建了“5U”AI素养模型（Understanding, Using, Upholding, Uniting, Upgrading）及“7S”AI原生学校模型作为核心分析架构。 为此提出的 “5U” AI素养框架 强调： 知识理解力 (Understanding)：理解AI的机理与局限。 技术应用力 (Using)：高效使用AI工具链。
76610编辑于 2026-02-03报告基础信息
报告旨在构建人机协同教育框架，提出适配智能文明的人才培养路径。 报告目录 * 前言 * 1.目标之问 AI时代需要培养什么样的人才？ * 把握AI时代的关键变化:人机协同 * 探索AI时代的能力培养方向:“5U”框架 * 2.模式之问 AI教育模式是否需要重构？ • 核心模型：提出 “5U”AI素养框架（知识理解力/技术应用力/价值判断力/跨界整合力/自我更新力）与 “No-Al/Co-Al/Pro-Al”分层教学任务模型。 核心观点 AI素养为人才核心能力：提出 “5U”框架（Understanding/Using/Upholding/Uniting/Upgrading），强调人类需在意义建构（如伦理判断$^{9}$）、创造性思维等非对称领域保持优势 学校变革三级进阶路径：从课堂增能工具（如印度IRIS教辅机器人）→校级统筹优化（北京“北极星-地平线”治理框架）→体系推进（阿联酋K12必修AI课程政策）。
28910编辑于 2026-04-012025 北京大学国家智能社会治理(教育)特色实验基地等 人机共育 向善而为 AI 时代的教育变革探索指南 发布
研究价值在于为AI时代教育变革提供系统性框架。 把握AI时代的关键变化：人机协同 探索AI时代的能力培养方向：“5U”框架 模式之问 AI教育模式是否需要重构？ •核心分析模型： AI素养“5U”框架（知识理解力、技术应用力、价值判断力、跨界整合力、自我更新力）； 学校AI落地三层次模型（课堂增能型、校级统筹型、体系推进型）； AI原生学校“7S”要素体系 解决方案： 构建人机协同人才培养理念，以“5U”框架培养复合型人才； 推动教育模式转向“对话+共创”，采用分层任务体系（No-AI无AI任务、Co-AI限AI任务、Pro-AI全AI任务）； 国际性视野：参考UNESCO、OECD框架，结合中国本土化实践，构建“学用创赛”闭环，获教育场景验证（如AIGC创作工坊支持跨学科项目）。
43920编辑于 2026-04-02- 来自专栏IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 习题9-5 通讯录排序
习题9-5 通讯录排序 输入n个朋友的信息，包括姓名、生日、电话号码，本题要求编写程序，按照年龄从大到小的顺序依次输出通讯录。题目保证所有人的生日均不相同。
1.3K30发布于 2020-09-15 2026腾讯云AI原生教育报告概述
报告目录 AI能力演进：从聊天到任务链接管 5U能力模型：人的新稀缺能力 U1问题定义力 U2跨域整合力 U3不确定性决策 U4人际影响力 U5自我驱动力 行业现状：工具落地瓶颈与突围方向 核心趋势分析 核心分析模型基于5U能力框架和PBL知识图谱映射技术，数据来源包括Global Education Venture Capital Funding数据库及实地调研记录，调研时间跨度为2025-2026年 为什么选择腾讯云 腾讯云通过TeachAny.cn平台实现了PBL教学的结构化突破，其核心技术优势体现在： 知识图谱引擎支持跨课标体系的动态路径生成 Workbuddy开发框架使非技术人员可快速构建教育应用
38210编辑于 2026-06-11- 来自专栏三掌柜的技术空间
吃透大模型系统：提示工程、符号推理、智能体实战全解
在这个框架下，书中先介绍了一个非常实用且容易上手的增强方案：自一致性（self-consistency）。 它把“上下文工程”讲得非常透彻，而且不是停留在概念层面，作者直接用图 9-5 把一条最常走、最高频的工程动线画出来了： 每一轮推理开始前，系统先把“可用的决策上下文”拼装好，将所需的模板、资源、工具、状态一次性拉齐 ▲上下文工程的 MCP 最佳实现（原书图 9-5） 如果跳过这一步，智能体甚至不知道自己能干什么、该用什么、现在处在什么状态，更谈不上稳定规划和可靠执行。 Part.3 智能体不缺框架， 缺的是“越用越强”的认知架构 预训练给底子，上下文工程给临时加成；认知架构负责把经验沉淀下来。 如此一来，无论工具怎么换、框架怎么迭代，你都能抓住不变的核心主线。
36311编辑于 2026-03-03 2026腾讯云AI产业应用大会：AI原生教育——从工具落地到学习路径重构
报告旨在通过分析AI时代的人才稀缺能力模型（5U模型）及技术架构，为学校提供从知识传递转向场景创造的 可执行转型路径。 第三章：报告目录 • 01 / AI CAPABILITY AI的能力，是一步步接管任务链 聊天 编程 Agent • 02 / 5U MODEL 5U 能力模型：人的新稀缺能力 U1-U4:认知层+真实世界层能力 • 核心模型： 5U能力模型：通过界定AI“做不稳、不能负责”的边界，定义问题定义力、跨域整合力、不确定性决策、人际影响力及自我驱动力。 AI时代的核心竞争力转向 5U能力，特别是 U5自我驱动力。 • AI落地路径判断：教育AI落地优先级为 教师工作流 + 学校场景 > 学生端万能AI家教。
48610编辑于 2026-06-11- 来自专栏生信修炼手册
circos 可视化手册-ticks 篇
可以分成一下两大类别 刻度线的显示 radius radius 表示刻度线显示的位置，用法radius = 0.8r; spacing spacing 指定刻度线之间的间隔，比如 spacing = 5u multiplier = 1 / 1u, 表示1：1的比例，实际5u的地方就标记5； multiplier = 10 / 1u, 表示10：1的比例，实际5u的地方就标记50。
94120发布于 2020-05-11 2026腾讯云AI产业应用大会《AI原生教育》发布，重构个性化学习路径
PRINCIPLES 03 / EDUCATION HISTORY 04 / RESEARCH 05 / RESEARCH SAMPLES 06 / JUDGMENT 07 / LEARNING MODEL 08 / 5U MODEL 09 / 5U DETAIL 10 / INDUSTRY 11 / INDUSTRY LESSON 12 / TREND 13 / TEACHANY STARTING POINT 14 / • 核心分析模型：构建并提出 5U 能力模型，从认知层和真实世界层界定AI时代人类的新稀缺能力结构图谱。 • 未来学习模式与 5U 新稀缺能力 未来的学习模式将以 真实项目与真实问题 作为起点，取代传统“先学后做”的被动应试路径。 结合此模式，王鹏（腾讯研究院资深专家） 总结了AI做不稳、且不能负责的边界，并提出 5U 能力模型：U1 问题定义力、U2 跨域整合力、U3 不确定性决策、U4 人际影响力、U5 自我驱动力。
58710编辑于 2026-06-11深入探索Linux的lsof命令
root 10u IPv4 20344 0t0 TCP localhost:45543 (LISTEN)chronyd 883 _chrony 5u 32344 0t0 TCP containerd:ssh->192.168.11.1:64450 (ESTABLISHED)sshd 1105 root 5u 89320 _chrony 3u unix 0xffff96061c7b8400 0t0 123976 type=DGRAMchronyd 89320 _chrony 5u i -a -c chronyCOMMAND PID USER FD TYPE DEVICE SIZE/OFF NODE NAMEchronyd 101640 _chrony 5u IPv4 178430 0t0 UDP containerd:48223->makaki.miuku.net:ntpchronyd 101640 _chrony 5u
1.2K00编辑于 2024-04-02- 来自专栏民工哥技术之路
每天学一个 Linux 命令（68）：lsof
-1 ~]# lsof -i COMMAND PID USER FD TYPE DEVICE SIZE/OFF NODE NAME chronyd 629 chrony 5u netdata 18325 netdata 4u IPv4 114083 0t0 TCP *:dnp-sec (LISTEN) netdata 18325 netdata 5u ~]# lsof -i 4 COMMAND PID USER FD TYPE DEVICE SIZE/OFF NODE NAME chronyd 629 chrony 5u netdata 18325 netdata 4u IPv4 114083 0t0 TCP *:dnp-sec (LISTEN) netdata 18325 netdata 5u ]# lsof -i udp COMMAND PID USER FD TYPE DEVICE SIZE/OFF NODE NAME chronyd 629 chrony 5u
77330发布于 2021-03-30 - 来自专栏Coding迪斯尼
用go做个编译器:语法解析树及其实现
对于算术表达式9-5+2, 由于我们会首先使用list -> list + digit 来进行解析，因此 9-5对应一个list，2对应digit, 因此最终解析完成后，所形成的解析树如下： 使用生产式来定义语法是一件困难的事情 list+list进行解析，一种是使用list->list-list进行解析，如果是后者，那么我们会生成的语法树如下： 这里我们看到两个语法表达式都对应表达式”9-5+2”，但是第一个语法树执行的操作是(9- 对于算术表达式1+2，对应的算术表达式就是1 2 +, 对于表达式(3+4)，对应的后项表达式就是3 4 + , 我们看一个复杂一点的，(9-5)+2 ,首先我们计算(9-5)的后项表达式，也就是9 5
1.9K50编辑于 2022-03-28 - 来自专栏MySQL修行 | 老叶茶馆
tmux终端意外出现控制字符
#手速稍微快一些，就会出来好几个控制字符 [root@yejr.run tmp]# 7;2u ;2u 7;5u -bash: 7: command not found -bash: 2u: command not found -bash: 2u: command not found -bash: 5u: command not found #在mysql客户端里也会出现 root@yejr.run [
1.6K32发布于 2020-10-10 - 来自专栏入门小站
如何使用netstat,lsof和nmap检查Linux中的开放端口
pure-ftpd 844 root 4u IPv4 16289 0t0 TCP *:21 (LISTEN) pure-ftpd 844 root 5u 24344 apache 6u IPv6 16336 0t0 TCP *:443 (LISTEN) /usr/bin/ 24911 root 5u 24911 root 6u IPv6 25208449 0t0 TCP [::1]:783 (LISTEN) spamd 24913 root 5u 24913 root 6u IPv6 25208449 0t0 TCP [::1]:783 (LISTEN) /usr/sbin 24919 amavis 5u
3.6K10编辑于 2022-06-02 - 来自专栏DBA随笔
MySQL服务器磁盘问题一例
136,0 0t0 3 /dev/pts/0 (deleted) mysqld 10175 my5186 5u 786372990960 96731986 /data1/mysql5186/slow.log (deleted) mysqld 10175 1400 my5186 5u 786372847911 96731986 /data1/mysql5186/slow.log (deleted) mysqld 10175 1401 my5186 5u 786372854597 96731986 /data1/mysql5186/slow.log (deleted) mysqld 10175 1402 my5186 5u
81420编辑于 2022-05-17 - 来自专栏机器学习与自然语言处理
Stanford机器学习笔记-9. 聚类(Clustering)
如图9-5的(1)所示。 但是，通常这条曲线是渐变的，没有很显然的"肘部"。如图9-5的(2)所示。 ? 图9-5 代价J关于簇数K的曲线图 注意：随着K的增加J应该总是减少的，否则，一种出错情况可能是K均值陷入了一个糟糕的局部最优。 一些其他的方法参见wikipedia。
1.6K110发布于 2018-03-13 - 来自专栏全栈程序员必看
体验vSphere 6之7-为虚拟机启用容错
图9-4 为辅助虚拟机选择主机 （5）在”即将完成”对话框，显示辅助虚拟机详细信息，这包括辅助虚拟机所在主机、配置文件位置、硬盘位置等，如图9-5所示。 图9-5 完成 （6）返回到vSphere Web Client管理控制台，在”近期任务”中会显示为虚拟机打开容错的配置信息，如图9-6所示。
1.5K40编辑于 2021-12-23 - 来自专栏ops技术分享
kubeadm 搭建K8S 1.18集群--安装kubeadm和api-server
entry for UID 101 COMMAND PID USER FD TYPE DEVICE SIZE/OFF NODE NAME nginx 3360 root 5u 58860 0t0 TCP *:pcsync-https (LISTEN) lsof: no pwd entry for UID 101 nginx 3374 101 5u
96240发布于 2021-07-01
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