MATLAB | 插值算法 | 一维Lagrange插值法 | 附数据和出图代码 | 直接上手
MATLAB | 插值算法 | 一维Lagrange插值法 | 附数据和出图代码 | 直接上手
Flink cdc报错问题之读取mysql报错如何解决
Flink CDC报错指的是使用Apache Flink的Change Data Capture（CDC）组件时遇到的错误和异常；本合集将汇总Flink CDC常见的报错情况，并提供相应的诊断和解决方法，帮助用户快速恢复数据处理任务的正常运行。
数据资产管理技术与工具
**数据资产管理摘要** 在数据驱动的时代，有效管理数据资产至关重要。元数据管理工具（如元数据存储库、ETL、自动发现和分类、集成和共享、安全与治理）确保元数据的准确性和可访问性。数据质量工具（如数据分析、清理、匹配去重、监控和修复）提升数据质量。综合数据资产管理平台整合这些功能，提供数据目录、搜索、治理、分析和集成。未来趋势包括AI自动化、云原生、统一数据构件、主动质量管理、更强治理、跨团队协作和更好用户体验。通过这些工具和平台，企业能更好地管理和利用数据资产，驱动业务创新和增长。
微软开抢年收入上亿美元的 Redis 饭碗？开源性能遥遥领先的 Garnet：无需修改，Redis 客户端可直接接入
微软开源了高性能缓存系统Garnet，旨在挑战 Redis 和 Dragonfly。Garnet 基于 .NET8，提供高吞吐量、低延迟和跨平台支持。它支持 RESP 协议，允许大部分 Redis 客户端无缝迁移。Garnet 的特性包括多连接批量处理以提升扩展性和吞吐量，以及更好的延迟稳定性。适合于需要高性能缓存层来降低成本和提高应用性能的场景。Garnet 的集群模式允许动态键迁移和分片管理，且支持 TLS 和自定义扩展。其网络层设计减少了线程切换开销，存储层则具备丰富的 API 和事务支持。在基准测试中，Garnet 在吞吐量和延迟上优于 Redis 和 KeyDB，展现出优秀的扩展性。
DataWorks常见问题之业务延时波动大如何解决
DataWorks是阿里云提供的一站式大数据开发与管理平台，支持数据集成、数据开发、数据治理等功能；在本汇总中，我们梳理了DataWorks产品在使用过程中经常遇到的问题及解答，以助用户在数据处理和分析工作中提高效率，降低难度。
CES亮点：AI赋能与产业创新 | DALL-E 3、SD等20+图像生成模型综述
随着科技飞速发展，CES（国际消费电子展）已然成为全球科技产业的风向标，每年的CES大会都是业界瞩目的盛事。回顾2024年CES大会，不难发现其亮点纷呈，其中以人工智能的深度赋能为最引人注目之处。AI技术的深入应用成为CES大会上的一大亮点，各大厂商纷纷展示了在AI领域的最新成果。
Flink 2.0 状态管理存算分离架构演进
本文整理自阿里云智能 Flink 存储引擎团队负责人梅源在 Flink Forward Asia 2023 的分享，梅源结合阿里内部的实践，分享了状态管理的演进和 Flink 2.0 存算分离架构的选型。
阿里云 Flink 原理分析与应用：深入探索 MongoDB Schema Inference
本文整理自阿里云 Flink 团队归源老师关于阿里云 Flink 原理分析与应用：深入探索 MongoDB Schema Inference 的研究。
基于PAI-EAS一键部署Stable Diffusion AIGC绘画
教程中，您将学习如何使用阿里云模型在线服务（PAI-EAS）的预置镜像，快速部署AIGC Stable Diffusion SDWebUI绘画的AI-Web应用，以及启动WebUI进行模型推理。
手把手教你搭建一个深度网络模型：从输入层-激活函数-损失函数-优化方法-输出层-执行训练
我这几天遇到一个不错的范例，将的是一层一层教我们搭建一个神经网络，其实很多我接触过的伙伴对修改模型架构这块还是头疼。其实我么可以从简单的神经网络层开始，自己DIY每一层，对上手修改架构有帮助。这里用的是paddle框架，当然玩pytorch的朋友也别急着关掉，因为我这几天刷到的pytorch感觉和飞桨的这块几乎是非常相似。只是有点点表达不一样，其他都完全一样。甚至连编程习惯都非常一样。下面是来自PaddlePaddle FLuid深度学习入门与实战一书的案例。
QCon专场预告：智能研发时代效能提升之路
12 月 28 日，2023 年 QCon 全球软件开发大会上海站即将盛大开场。本次专题将讨论代码领域大模型研究和开发的最新进展，以及在研发领域的创新应用形式。同时还将讨论 AI 及大语言模型对研发效能的影响。
松柏之志，下聚百川-松下中国阿里云大数据实践
松下集团在中国及东北亚地区拥有有64家法人公司，员工人数约4万人，业务范围涉及研究开发，养老、铸件、汽车、车载、能源、电池等多个方面，这些多元化的业务组合为松下常年可持续性发展提供坚实保障。中国地区的松下已有30多年的历史，集合了研发、生产、制造、流通、销售、服务于一体。 互联网浪潮下，松下作为百年传统制造业企业，在务实的坚实基础上进行创新，本文将围绕数字化改革中所遇挑战，松下数据治理实践及未来期待三部分进行说明。
MLX vs MPS vs CUDA:苹果新机器学习框架的基准测试
如果你是一个Mac用户和一个深度学习爱好者，你可能希望在某些时候Mac可以处理一些重型模型。苹果刚刚发布了MLX，一个在苹果芯片上高效运行机器学习模型的框架。
基于 Flink SQL 和 Paimon 构建流式湖仓新方案
阿里云智能开源表存储负责人，Founder of Paimon，Flink PMC 成员李劲松在云栖大会开源大数据专场的分享。
LLMLingua:集成LlamaIndex，对提示进行压缩，提供大语言模型的高效推理
大型语言模型(llm)的出现刺激了多个领域的创新。但是在思维链(CoT)提示和情境学习(ICL)等策略的驱动下，提示的复杂性不断增加，这给计算带来了挑战。这些冗长的提示需要大量的资源来进行推理，因此需要高效的解决方案，本文将介绍LLMLingua与专有的LlamaIndex的进行集成执行高效推理。
浅谈RISC-V指令集的基本指令格式和立即数操作
在以前的文章中，我分享了RISC-V在设计的初衷，除了可以被通用软件开发使用之外，还有一个目的就是，可以支持更多定制化的设计。也就是说，用户可以在基本指令集上面，进行一个或者多个的指令集扩展操作，但是有一个条件，不能再重新定义基本指令集。也就是说，任何一款基于RISC-V指令集的处理器，都要能够支撑整数基本指令集。可以看出基本指令集的重要性。
使用Panda-Gym的机器臂模拟进行Deep Q-learning强化学习
强化学习(RL)是一种机器学习方法，它允许代理通过试错来学习如何在环境中表现。行为主体因采取行动导致预期结果而获得奖励，因采取行动导致预期结果而受到惩罚。随着时间的推移，代理学会采取行动，使其预期回报最大化。
Python调用jar包
jpype 调用 jar 包环境：python 3.6.8 + jpype1 0.6.3 + jdk 1.8“”"基本的开发流程如下：①、使用jpype开启jvm②、加载java类③、调用java方法④、关闭jvm（不是真正意义上的关闭，卸载之前加载的类）“”" ①、使用jpype开启虚拟机（在开启jvm之前要加载类路径） 加载刚才打包的jar文件path = r"C:\Users\Admi...
TSMixer：谷歌发布的用于时间序列预测的全新全mlp架构
这是谷歌在9月最近发布的一种新的架构 TSMixer: An all-MLP architecture for time series forecasting ，TSMixer是一种先进的多元模型，利用线性模型特征，在长期预测基准上表现良好。据我们所知，TSMixer是第一个在长期预测基准上表现与最先进的单变量模型一样好的多变量模型，在长期预测基准上，表明交叉变量信息不太有益。”
常用的相似度度量总结：余弦相似度，点积，L1，L2
相似性度量在机器学习中起着至关重要的作用。这些度量以数学方式量化对象、数据点或向量之间的相似性。理解向量空间中的相似性概念并采用适当的度量是解决广泛的现实世界问题的基础。本文将介绍几种常用的用来计算两个向量在嵌入空间中的接近程度的相似性度量。
ICCV 2023 ｜ 当尺度感知调制遇上Transformer，会碰撞出怎样的火花？
近年来，基于Transformer和CNN的视觉基础模型取得巨大成功。有许多研究进一步地将Transformer结构与CNN架构结合，设计出了更为高效的hybrid CNN-Transformer Network，但它们的精度仍然不尽如意。本文介绍了一种新的基础模型SMT（Scale-Aware Modulation Transformer），它以更低的参数量（params）和计算量（flops）取得了大幅性能的提升。
CV领域再创佳绩！阿里云机器学习平台 PAI 多篇论文入选 ICCV 2023
近期，阿里云机器学习平台PAI发表的多篇论文在ICCV 2023上入选。ICCV是国际计算机视觉大会是由电气和电子工程师协会每两年举办一次的研究大会。与CVPR和ECCV一起，它被认为是计算机视觉领域的顶级会议之一。ICCV 2023将于10月2日至10月6日法国巴黎举办。ICCV汇聚了来自世界各地的学者、工程师和研究人员，分享最新的计算机视觉研究成果和技术进展。会议涵盖了计算机视觉领域的各个方向，包括图像处理、模式识别、机器学习、人工智能等等。ICCV的论文发表和演讲都备受关注，是计算机视觉领域交流和合作的重要平台。
大数据与机器学习
大数据领域前沿技术分享与交流，这里不止有技术干货、学习心得、企业实践、社区活动，还有未来。
