- 综合排序
- 最热优先
- 最新优先
- 来自专栏布衣者博客
LeetCode-题库(8-9)
给你两个字符串 word1 和 word2 。请你从 word1 开始，通过交替添加字母来合并字符串。如果一个字符串比另一个字符串长，就将多出来的字母追加到合并后字符串的末尾。 返回 合并后的字符串 。
44120编辑于 2022-10-31 - 来自专栏AI机器学习与深度学习算法
机器学习入门 8-9 lasso
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节介绍模型正则化的另外一种方式LASSO，依然通过具体的编程实现LASSO，并对α取值与过拟合（拟合曲线）之间的关系进行探讨，进而对LASSO与Ridge进行比较。
1.5K20发布于 2020-01-14 - 来自专栏linjinhe的专栏
设计数据密集型应用（8-9）：从单机到分布式
所以，当你通过网络发送一个数据包的时候，程序必须考虑到这个数据包可能丢失、也可能延迟。 同样的，如果对端没回复，也不一定是因为对方挂了，有可能是网络问题。 2、时钟。 分布式环境下，只能通过网络通信来检测节点是否故障，但是网络又是不可靠的，所以只能通过“节点超时未应答”来判定节点故障——实际上有可能是网络问题，这种情况如果没有处理好，可能会影响数据一致性。 对于提供线性一致性的的分布式系统，在这个系统中： 多副本的多份数据在外部看起来就像是一份数据。 所有操作在外部看起来都是原子的。 有不少开源数据库实现了分布式事务，比如： TiKV CockroachDB FoundationDB Calvin 想要深入了解分布式事务，这里推荐一些论文： Omid 四部曲： Omid: Lock-free
78110发布于 2020-04-01 - 来自专栏趣谈前端
前端进阶第8-9周打卡题目汇总
cookie是浏览器和服务器之间传递数据的媒介。 （2）存储大小不同 cookie数据存储为4k，sessionstorage和localstorage一般在5-10M。 怎样理解 Vue 的单向数据流？ Vue的单向数据流指的是父子之间的props始终是从父级向下流动到子组件中，但反过来则不行。 这样会防止子组件意外改变父级组件的状态，从而导致你的应用的数据流向难以理解和维护。 ，每当监听的数据变化时都会执行回调进行后续操作； 运用场景： 当我们需要进行数值计算，并且依赖于其它数据时，应该使用computed，因为可以利用 computed 的缓存特性，避免每次获取值时，都重新计算 如果需要频繁切换路由，我们就可以考虑用keep-alive，来达到避免数据的重复请求的目的。
94740发布于 2020-02-12 - 来自专栏AI SPPECH
IO竞赛2025年题目解析：高级难度（8-9）
2025年的高级难度（难度系数8-9）题目综合考察了选手的算法设计、数学建模、问题分析和代码实现能力。本文将深入解析2025年高级难度的IO竞赛题目，帮助选手们突破极限，冲击更高的竞赛成绩。 难度进阶路径: 入门(1-3) → 基础(4-5) → 中级(6-7) → 高级(8-9) → 专家(10) 难度系数 考察重点 核心知识点 学习目标 8-9 算法设计、数学建模、问题分析 高级图论、高级动态规划 （8题） ├── 第四章：高级难度题目解题策略 └── 第五章：顶尖选手的训练方法 第一章：2025年IO竞赛高级难度题目概述 根据2025年NOI修订版大纲，高级难度（NOI级别）的知识点难度系数为8- 容斥原理的公式为：|A1∪A2∪…∪An| = Σ|Ai| - Σ|Ai∩Aj| + Σ|Ai∩Aj∩Ak| - … + (-1)^(n+1)|A1∩A2∩…∩An|。 可以使用小数据测试、输出中间结果、断点调试等方法来定位问题。
44910编辑于 2025-11-13 - 来自专栏腾讯乐享
8-9双月运营攻略一次性提供
电脑端直通地址，管理员现在就可以体验： https://lexiangla.com/settings/mobile-layout 领取详细攻略与素材 3个场景 12个精彩活动 为你一次性提供8-9
69520编辑于 2022-07-21 - 来自专栏企鹅号快讯
AI需要大数据，而大数据也需要AI
美国知名AI作家Bernard Marr 说过：“过去，由于有限的数据集、非实时的数据和无法在数秒内分析大量数据，而导致AI发展受阻。 今天，可以实时访问数据和工具，实现快速分析，从而推动了AI和机器学习，并允许向数据优先的方法过渡。我们的技术现在已经足够灵活，可以访问这些庞大的数据集，以快速推进AI和机器学习应用程序。” AI和大数据形成了一种真正的共生关系，彼此需要。 然而，Manchett警告说，AI尚不足以满足非技术业务的需求。“为了实现大数据和AI的目标，你仍然需要理解提取、转换和加载的概念，以及机器学习是什么，可以做什么。” 数据占据了中心位置。 “通过云计算，任何人都可以轻而易举地获得数据，大数据和AI的可能性在我们的生活中变得越来越真实。”然后，AI和机器学习将变得司空见惯。
904100发布于 2018-01-18 - 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 题8-9 分类统计各类字符个数
题8-9 分类统计各类字符个数 本题要求实现一个函数，统计给定字符串中的大写字母、小写字母、空格、数字以及其它字符各有多少。
1.2K30发布于 2020-09-15 - 来自专栏Java架构师必看
带闰年判断的正则表达式
2600，2700，2900，3000，3100，3300，3400，3500，3700，3800，3900是个特殊值(能被4整除但不是润年)，要分出来: String leap1 = "(((1[8- ]))(0|2|4|6|8)(4|8))"; String leap2 = "(((2(0|4|8))|(3(2|6)))00)"; 其他的0结尾的： String leap3 = "(((1[8- 9])|([2-3][0-9]))(2|4|6|8)0)"; 2,6结尾的： String leap4 = "(((1[8-9])|([2-3][0-9]))(1|3|5|7|9)(2|6))"; 9])|([2-3][0-9]))(0|2|4|6|8)(1|2|3|5|6|7|9))"; String noleap2 = "(((1[8-9])|(2(1|2|3|5|6|7|9))|(3(0| 1|3|4|5|7|8|9)))00)"; String noleap3 = "(((1[8-9])|([2-3][0-9]))(1|3|5|7|9)(0|1|3|4|5|7|8|9))"; 非润年
98620发布于 2021-03-22 - 来自专栏ATYUN订阅号
【观点】AI需要大数据，而大数据也需要AI
AI和大数据已经形成了一种真正的共生关系，彼此需要相得益彰。 美国知名AI作家Bernard Marr 说过：“过去，由于有限的数据集、非实时的数据和无法在数秒内分析大量数据，而导致AI发展受阻。 今天，可以实时访问数据和工具，实现快速分析，从而推动了AI和机器学习，并允许向数据优先的方法过渡。我们的技术现在已经足够灵活，可以访问这些庞大的数据集，以快速推进AI和机器学习应用程序。” AI和大数据形成了一种真正的共生关系，彼此需要。 “通过云计算，任何人都可以轻而易举地获得数据，大数据和AI的可能性在我们的生活中变得越来越真实。”然后，AI和机器学习将变得司空见惯。
59870发布于 2018-03-06 - 来自专栏AI系统
【AI系统】数据并行
数据并行是一种广泛应用于分布式 AI 系统中的技术，旨在通过将数据集划分为多个子集并在不同计算节点上并行处理这些子集，以提高计算效率和速度。 分布式数据并行 DDP分布式数据并行（Distributed Data Parallel, DDP）是数据并行的一种高级形式，它综合了多种优化，是当前应用最广的并行算法之一，通常用于大型 NPU AI 集群和 AI 系统中。 在通信的同时也会继续计算梯度，这样就无需等待所有计算完成后再集中进行通信，也不必在计算完成后等待通信完成，从而将通信过程覆盖到计算时间内，充分利用 AI 集群，提高了 AI 集群使用率。 DDP 反向传播中计算与通信的重叠导致无需等待所有计算完成后再集中进行通信，也不必在计算完成后等待通信完成，提高了 AI 集群的使用率。
1.3K10编辑于 2024-12-07 - 来自专栏技术墨客
从数据到AI
一篇关于數據倉庫建設、人工數據分析、AI數據分析的讲义 數據Data&信息Information 信息 信息是一個客觀存在物體的自然表現，比如說“I am a local villain.” 隨著數據的不斷累積和堆積在數據背後發現了驚人的統計規律，隨著這些統計規律的發展漸漸的出現了AI分析和數據分析。 數據&數據分析&AI 如下圖是建立數據分析工程的過程 ? 根據需要訓練AI模型。 數據倉庫的建立 聯機事物型系統&決策分析系統 在數據能力上，通常將系統的數據結構模型分為2類，聯機事物型、決策分析型。 數據倉庫案例展示superset 地址：http://192.168.0.212:8088 賬號：admin 密碼：admin 數據分析到AI訓練 進過大量的數據演練，可以逐漸的發現數據背後的統計規律。
1K50发布于 2019-11-21 AI Agent + 数据工程
一位在数据领域深耕多年的创业者告诉我，早期AI在数据工程领域的切入点其实很务实——那些原本需要大量人工的数据治理工作，恰恰是大模型最擅长的地方。 比如从海量数据中提炼关键信息、自动生成数据文档、识别重复和冗余的表结构。这些事情以前要靠专人花时间梳理，现在AI可以快速完成。 但这只是第一步。 更深层的变化在于，数据工程的需求本身正在被AI重塑。 以前的交付物很明确：一张张处理好的数据表，加上一个Dashboard，业务方看数据就够了。 现在呢？业务方不仅看Dashboard，还想直接跟数据对话——问AI一个问题，AI直接给出答案。 好的数据工程，应该配合AI在事中就做好管理和体系搭建。” 这句话背后是一个残酷的现实：以前数据工程师的工作更像是管道工——把数据从A搬到B，分层、清洗、汇总。 现在的要求变成了规划师——不仅要搬数据，还要让数据能被AI正确理解和调用。 这需要的不仅是技术能力，更是思维方式的转变。
42910编辑于 2026-02-28当然，以下是根据您提供的材料，严格遵循核心原则与方法论改写的结构化概要。
ADP平台助力多行业实现AI智能体高效部署与运维优化 解决知识管理低效与系统集成复杂化的核心痛点 企业普遍面临内部知识体系庞大、更新频繁导致的检索效率低下问题，同时存在多个独立AI应用造成的资源分散、管理复杂与高运维成本挑战 外部依赖模型（如Azure OpenAI）伴随Token成本高昂、服务不稳定及政策风险，严重制约了AI应用的规模化落地与ROI评估。 方案核心包括数据分层治理框架构建、混合模型部署策略（融合开源与商用模型），以及通过MCP协议集成各类工具平台，实现与企业微信、钉钉、飞书等内部系统的无缝对接。 （来源：医药、器械行业案例） 运维与合规风险降低：通过私有化部署保障数据安全，降低外部合规与政策风险。 （来源：能源行业案例） 某国际医疗器械公司：构建数据分层治理框架与统一AI Portal，解决Azure OpenAI依赖限制，盘活内部知识资产，支撑8-9个职能部门的GenAI应用需求。
24110编辑于 2026-04-09- 来自专栏Hello工控
Agents4PLC：利用AI大模型打造自己的PLC自动编程智能体！
最近在研究AI自动生成ST代码相关的内容，最终肯定是希望有个在PLC编程领域普遍接纳并能在实际项目中产生价值的AI智能体。 工业领域实在是行业复杂繁多，估计某一个通用的智能体还是比较难，另外一个，各家的数据和行业积累的经验不大可能完全公开，所以，利用自身行业的特点以及自己多年的案例、程序文件等等来打造为我所用的智能体可能更容易实现 这里面我邀请大家来打分： 因为投票的人数不多，但大部分给到8-9分的分数，说明AI的编程能力还算OK的。
2.4K10编辑于 2025-12-18 - 来自专栏一个小程序员的成长笔记
验证常用正则表达式
1.日期时间验证，支持闰年 支持格式：YYYY/MM/DD, YYYY-MM-DD, YYYY_MM_DD, YYYY.MM.DD 1 var reg = /((^((1[8-9]\d{2})|([2- [1-9])$)|(^((1[8-9]\d{2})|([2-9]\d{3}))([-\/\._])(11|0?[469])([-\/\._])(30|[12][0-9]|0? [1-9])$)|(^((1[8-9]\d{2})|([2-9]\d{3}))([-\/\._])(0?2)([-\/\._])(2[0-8]|1[0-9]|0?
1.5K70发布于 2018-03-07 - 来自专栏智能制造预测性维护与大数据应用
大数据||使用AI算法大幅缩短电子产品测试周期
本系统利用大数据的AI算法挖掘测试项目对于系统品质的关联度，按照关联度对测试项目进行排序，根据系统的测试等级优化测试项目及测试流程，以实现提高生产过程中测试环节效率，提升测试品质的目的。 系统构建流程 1、多维数据收集 从产品需要的调试、测试大约70个项目分别，每个项目都有8-9个数据维度。通过数据采集系统进行产品的多维度数据采集，最终收集上来的调试测试数据维度多达1200个。 2、全链路打通 数据上传到大数据平台，通过将调试测试数据在产品-模块-通道-调试/测试项目多个层级的数据关联，形成每一个产品在生产过程中调试工序和测试工序全链路的数据打通。 3、寻优算法 基于机器学习平台，利用大数据人工智能算法，对调测关系做数据挖掘。 ||使用AI算法进行滚动轴承故障精准预测 大数据||使用AI算法进行水循环系统故障精准预测
67010编辑于 2022-05-31 openEuler 高效 AI 数据管道
开篇介绍AI训练的瓶颈往往不是模型计算，而是数据预处理。openEuler提供高效的数据处理管道，支持并行加载、GPU预处理、数据增强等优化。今天聊聊如何加速AI数据处理。 数据处理优化：多进程DataLoader并行加载提升5-10倍，DALIGPU预处理释放CPU，预取机制减少等待时间，数据缓存避免重复读取。 存储优化：NVMeSSD提升I/O吞吐，分布式文件系统支持大规模数据集，数据格式优化TFRecord/Parquet提升读取效率。 QPS提升40%，Web服务器并发提升50%，大数据任务快35%。 优化要基于数据驱动，每次都要测试对比，确保有效且稳定。
40310编辑于 2025-12-03- 来自专栏点点GIS
常用的数据，都在这里了
，形成了这份数据集合，大家可以直接从ArcGIS Pro打开 中国行政区划 2022年七月行政区划 该数据来源于高德地图，详细介绍如下，我已经通过坐标转换转换为wgs1984，包含省，市，县 https fbd90853ccae8145fd6c495cacf70b6da947a6cdedc6772e29054c34fe9a78f5cefa8e86e31a&token=342766751&lang=zh_CN#rd 摘自中国地理数据的行政区划数据 shpfile格式，或者复制粘贴其他地图直接使用 卫星影像 高清影像 卫星影像使用esri卫星影像，可以在arcgis pro中直接下载 遥感影像 包含Landsat 8-9 全色锐化， Landsat 8-9 全色， Landsat 8-9 全色带 DRA ， Sentinel-2 Level-2A，理论上应该可以支持下载 常用数据下载 DEM 支持查询、识别和导出图像请求。 esri卫星地图可以点击下载底图离线使用 本数据中栅格数据可以右键导出栅格进行下载 本数据所有图层包括底图支持复制粘贴到另一个地图工程进行使用 一些问题 关于数据源详细介绍可移步以下网址自行查看
1.2K10编辑于 2022-09-27 - 来自专栏强仔仔
利用JavaScript中的正则表达式实现常用输入框的验证
[1-9])$)|(^((1[8-9]\d{2})|([2-9]\d{3}))([-\/\._])(11|0?[469])([-\/\._])(30|[12][0-9]|0? [1-9])$)|(^((1[8-9]\d{2})|([2-9]\d{3}))([-\/\._])(0?2)([-\/\._])(2[0-8]|1[0-9]|0? var datas=dateTime.split(' ')[0]; var times=dateTime.split(' ')[1]; var filter1 = /((^((1[8- [1-9])$)|(^((1[8-9]\d{2})|([2-9]\d{3}))([-\/\._])(11|0?[469])([-\/\._])(30|[12][0-9]|0? [1-9])$)|(^((1[8-9]\d{2})|([2-9]\d{3}))([-\/\._])(0?2)([-\/\._])(2[0-8]|1[0-9]|0?
2K60发布于 2018-01-03
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