人工智能
jetson orin nano super AI模型部署之路（二）保姆级最好用AI环境配置
对于产品发布来说，最合适的环境配置方式是使用docker，产品和环境可以一起发布，用户会得到最好的使用体验。jetson orin nano super 的AI docker环境配置有两个难点：（1）CPU是arm架构 （2）super要使用jetpack 6.2[L4T 36.4.3]
中级经济师经济基础部分考点梳理（17）
-写给报考中级经济师的小伙伴们
2022年10月30日 周日 深圳 晴1118/1000
【主题】经济学常识
【字数】1349
离中级经济师考试不到2周，大家准备得如何？哈哈，我还是按照我的节奏来梳理考点吧。
今天的简文将分享经济基础第25章“抽样调查”考点的梳理，这一章的考点共11个，分别如下：
1、抽样调查的基本概念
2、概率抽样和非概率抽样（含义、特点、非概率抽样的4个方法）
3、抽
第六章 Flink中的时间和窗口
时间语义
上图是数据流式处理过程，涉及到两个重要的时间点：事件时间（Event Time）和处理时间（Processing Time）。
事件时间（Event Time）：即数据产生的时间；
处理时间（Processing Time）：即数据真正被处理的时刻；
我们在处理数据时，以哪种时间作为衡量标准，就是所谓的时间语义问题（Notions of Time）。由于分布式系统中
Jenkins容器化部署
部署Jenkins
创建本地数据保存目录mkdir /root/jenkins。
启动容器
docker run -itd --name jenkins \
-u root \
-p 8080:8080 -p 50000:50000 \
--restart always \
--env TZ=Asia/Shanghai \
--env JAVA_OPTS="-server -Xms512m
AI 编程工具：Trae & Cursor 全方位对比
一、前言在人工智能与软件开发深度融合的当下，AI 编程工具成为开发者的得力助手。Trae 和 Cursor 作为其中的代表，各自凭借独特的功能与定位，吸引不同需求的用户。本文将从产品背景、核心功能、技术架构、适用场景等多个维度，展开详细对比，为开发者选择合适工具提供全面参考。二、产品背景与定位差异Cursor：海外
突破认知边界：神经符号AI的未来与元认知挑战
目录一、神经符号AI的核心领域与研究方法（一）知识表示：构建智能世界的语言（二）学习与推理：让机器“思考”与“学习”（三）可解释性与可信度：让AI更透明（四）逻辑与推理：跨越数据的界限（五）元认知
Apache Flink——侧输出流(side output)
前言
flink处理数据流时，经常会遇到这样的情况：处理一个数据源时，往往需要将该源中的不同类型的数据做分割（分流）处理，假如使用 filter算子对数据源进行筛选分割的话，势必会造成数据流的多次复制，造成不必要的性能浪费；
flink中的侧输出，就是将数据流进行分割，而不对流进行复制的一种分流机制。flink的侧输出的另一个作用就是对延时迟到的数据进行处理，这样就可以不必丢弃迟到的数据；
简单理
Linux 下多线程和多进程程序的优缺点，各自适合什么样的业务场景？
简单说，对于需要资源隔离的场景，多进程能解决，但多线程无法解决，在这里，讲一个我们的小故事，先说下背景：
我是 Terark 和 Topling 的创始人，ToplingDB（兼容 RocksDB）是我们的核心产品。
ToplingDB 的一个重要功能是 分布式 Compact，去年我们实现了 托管 Todis 的 分布式 Compact 支持。最近我们正在实现 MySQL 的 分布式 Compa
