万物皆可AI,通达信也自带AI辅助功能了! 请点击上方 思维智果 加关注。前一段时间写了一篇文章《小白一天就能学会:DeepSeek+通达信,轻松自定义选股》,介绍了如何通过DeepSee结合通达信来自定义选股操作,收到不少网友的关注和支持。现在万物皆可AI,例如AI+教育、AI+视频、AI+客服等等,这不,通达 人工智能 2025年04月22日 188 点赞 0 评论 15818 浏览
Apache Pulsar——Function 轻量级计算框架 一、Function背景介绍 当我们进行流式处理的时候,很多情况下,我们的需求可能只是下面这些简单的操作:简单的ETL 操作\聚合计算操作等相关服务。 但为了实现这些功能,我们不得不去部署一整套 SPE 服务。部署成功后才发现需要的仅是SPE(流处理引擎)服务中的一小部分功能,部署 SPE 的成本可能比用户开发这个功能本身更困难。由于SPE 本身API 的复杂性,我们需要了解这些算子的使用场景,明 人工智能 2025年06月02日 175 点赞 0 评论 15811 浏览
DooTask | 使用 DooTask AI 机器人,解锁任务创建新姿势 文章目录 前言 一、✨ 功能亮点: 二、🔥 使用示例(支持多模型配置): Step 1: 配置你的 AI 服务 Step 2: 在聊天中召唤 AI Step 3: AI 自动生成任务清单 三、 📈 为什么选择 DooTask? 四、释放更多精力,聚焦核心工作&# 人工智能 2025年07月27日 109 点赞 0 评论 15787 浏览
通过 Spark thriftserver 操作Hudi表 背景 本篇主要讲解如何配置Spark thriftserver,从而可以使用JDBC方式通过Spark thriftserver操作Hudi表。 博主的环境信息: Spark 3.1.1 Hive 3.1.0 Hadoop 3.1.1 Hudi 0.11.1 环境准备 首先,我们需要编译Hudi。然后找到编译后输出的hudi-spark3.1-bundle_2.12-0.11.1.jar和hu 人工智能 2025年09月08日 66 点赞 0 评论 15778 浏览
Flask框架——基于Celery的后台任务 上篇文章我们学习了Flask框架——MongoEngine使用MongoDB数据库,这篇文章我们学习Flask框架——基于Celery的后台任务。 Celery 在Web开发中,我们经常会遇到一些耗时的操作,例如:上传/下载数据、发送邮件/短信,执行各种任务等等。这时我们可以使用分布式异步消息任务队列去执行这些任务。 Celery是一款非常简单、灵活、可靠的分布式异步消息队列工具,可以用于处理大量 人工智能 2025年05月04日 64 点赞 0 评论 15718 浏览
大数据时代修炼数商的重要性 大数据时代的青少年,不仅要注意提升自己的“情商”“智商”,还要修炼自己的“数商”。 数商是什么?数商包括记录数据、整理数据、组织数据、保存数据、搜索数据、洞察娄数据、控制数据等能力,其核心是在不同的时间和地点获得不同数据的能力。 未来的人们,将在数据空间中存在、生活和决策。 不能迷路,在任何时候都要找到最合适的信息和数据,这是最低的要求。 信息和数据是决策的基础,面对不同的信息和 人工智能 2025年06月17日 162 点赞 0 评论 15712 浏览
CodeBuddy Code + 腾讯混元打造“AI识菜通“ 目录CodeBuddy Code + 腾讯混元打造"AI识菜通"CodeBuddy Code使用指南1. 背景信息2. 下载安装3. 登录4. 测试腾讯混元API接入指南1. 开通腾讯混元大模型2. 获取腾讯云密钥3. 腾讯混元API文档AI识菜通开发指南1. 开发提示词2. CodeBuddy.md开发文档3. 全速开发成果展示1. 部署阶段2. 首页3. 设置API密钥 人工智能 2025年10月25日 40 点赞 0 评论 15706 浏览
分布式定时调度-xxl-job 一、定时任务概述 1.1 定时任务认识 1.1.1 什么是定时任务 定时任务是按照指定时间周期运行任务。使用场景为在某个固定时间点执行,或者周期性的去执行某个任务,比如:每天晚上24点做数据汇总,定时发送短信等。 1.1.2 常见定时任务方案 While + Sleep : 通过循环加休眠的方式定时执行 Timer和TimerTask实现 :JDK自带的定时任务,可以实现简单的间隔执行任务(在指 人工智能 2025年05月01日 192 点赞 0 评论 15705 浏览
评价的三种类型:学习性评价,学习的评价和学习式评价《大概念教学》206---209 以往我们更多的把评价分为形成性评价和终极性评价。形成性评价是在过程中收集数据,终结性评价是到结束后收集数据,其目的都在于评定学生。 形成性评价的目的在于改进,而终结性评价的目的在于评定。如果在过程中数据收集证据也是用于评定,而不是反馈,那么会使学生长期处于一种焦虑状态,不敢犯错。特别是对于一些具有高难度的任务而言,学习需要有一个过程,而改进恰恰需要给予学生犯错的空间,从而鼓励他们去完成挑战性任务。 人工智能 2025年10月12日 34 点赞 0 评论 15700 浏览