数据库标签_亚马逊云科技技术品牌专区

数据库

2026挑战三个月转行AI大模型，大学生如何逆袭？3步精准定位+超全学习路线助你快速入行！

为什么AI大模型成为越来越多程序员转行就业、升职加薪的首选很简单，这些岗位缺人且高薪智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200% ，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张，也让人才供需矛盾愈发突出。

网络安全工程师小龙
2026-08-25 10:14:37

 549

 6

#人工智能 #学习 #服务器 +4
构建值得信赖的金融服务领域 agentic AI：从数据到自主行动

随着金融机构从 AI 实验阶段迈向自主运营，可信上下文、治理和可观测性成为企业级 Agentic AI 的基础。金融服务领域的人工智能正在进入一个新时代。过去，金融服务公司主要专注于部署生成式 AI，以提高生产力、改善客户体验、加速软件开发和简化运营。如今，讨论的重点正在转向 agentic AI —— 能够进行推理、编排工作流并在整个企业范围内采取行动的智能系统。麦肯锡的《2026 年 AI 信

 Elastic 中国社区官方博客
2026-08-24 09:42:44

 512

 16

#人工智能 #elasticsearch #搜索引擎 +3
1985-2026.5上市公司人工智能专利明细数据库

人工智能专利是企业技术研发与知识积累的重要载体。相比于基于年报文本关键词构建的 AI 指标，专利信息更直接地反映了企业已经形成的研发成果，能够在一定程度上降低“战略表述偏差”，因此被广泛用于企业人工智能创新、数字化转型、技术进步及人工智能经济效应等研究。2023年9月，国家知识产权局办公室印发《关键数字技术专利分类体系（2023）》，为人工智能、高端芯片、量子信息、物联网、区块链、工业互联网和元宇

 经管数据集
2026-08-24 08:53:07

 749

 6

#人工智能 #数据库
2024-2026年生成式人工智能备案数据AI备案对应A股代码

生成式人工智能的合规已不再是加分项，而是服务合法上线的硬性门槛，生成式人工智能服务必须经过国家网信办及地方网信办备案登记的完整信息。数据整理生成式人工智能备案数据，包括大模型名称、备案编号、备案时间等数据。[1]王向前.生成式人工智能、企业技术创新与发明者协同：基于社会学习理论视角[J].经济研究,2025,60(09):156-176.序号属地大模型名称备案单位备案编号备案时间是否A

经管数据集
2026-08-24 08:50:16

 313

 7

#人工智能 #数据库
一次 API 调用搞定时序预测：时序大模型 TimechoAI 使用与能力全解析

过去几年，我陆续接触过不少工业物联网和能源项目，一个共同的感受是：企业从来不缺时序数据，缺的是分析时序数据的能力。电网调度台里跳动着的负荷曲线、风机上每秒采集上百次的振动信号、产线传感器回传的温度压力、服务器机房的 CPU/内存曲线——这些带时间戳的数据每天都在以亿级规模产生。存储侧的方案已经很成熟了，依托 TimechoDB 这类工业时序数据库（企业版官方链接：https://timecho.c

鸽芷咕
2026-08-23 17:34:38

 1.1w

 9

#数据库 #AI
用系统语言重写人工智能服务的性能收益怎样评估

这条链路跑通后，再根据热点位置决定是否下沉计算模块，而不是一开始就重写全部服务。

邵宇然
2026-08-23 13:56:42

 537

 8

#人工智能 #语言模型 #后端 +1
人工智能应用安全在版本更新后先测什么

讨论面向新版本的升级风险评估，关键不是罗列工具，而是回答一个更实际的问题：在 AI 应用安全：Agent 工具调用滥用、数据投毒与模型窃取防护的当前边界内，什么证据足以支持下一步动作。可用的观察对象包括不可信文本、工具权限、模型输出和外部数据源，但结论只能覆盖已经检查过的范围。

硅徒
2026-08-23 13:50:32

 523

 8

#人工智能 #语言模型 #数据库
人工智能编译优化与轻量推理引擎开发的协作边界

推进 AI 编译与推理引擎时，模型约束、输入契约和降级语义需要在需求、实现和运维之间形成同一份契约。产品侧说明可接受的结果与降级方式，研发侧说明输入限制和错误语义，运行侧说明观测与恢复入口。

邵宇然
2026-08-23 13:44:51

 492

 5

#人工智能 #语言模型 #后端 +1
人工智能增强型容器编排容器编排与服务治理深度实践：智能检索、知识增强与上下文编排：权限、密钥与供应链风险的安全防线

先盘点谁能读取、修改或发布资源。权限边界不清时，再完善的密钥工具也无法控制影响范围。服务账号按动作拆分，应用不共享运维凭证。密钥由受控配置注入，轮换和撤销应有明确步骤，代码、镜像层和日志里不留明文。

m0_50889382
2026-08-22 18:17:42

 531

 6

#人工智能 #语言模型 #后端 +1
人工智能应用基础设施构建与可观测性体系的分层测试

先区分要验证的逻辑、组件交互和真实部署路径。测试层级清楚，失败时才知道问题该由谁处理。单元测试覆盖请求 ID、提示词版本、检索结果与采样规则中可独立校验的逻辑；集成测试检查契约、配置和失败返回；端到端测试只保留关键路径，确认真实部署后的身份、网络与依赖能连通。

m0_50889382
2026-08-22 18:12:21

 835

 8

#人工智能 #语言模型 #后端 +1
人工智能应用安全的反模式

AI 应用安全：Agent 工具调用滥用、数据投毒与模型窃取防护里最容易被忽略的，是常见反模式、失败案例与修正方式背后的前提。团队可能拥有不可信文本、工具权限、模型输出和外部数据源，但这些材料的来源、时效和可见范围不同，不能混在一起得出一个笼统结论。

硅徒
2026-08-22 18:02:21

 673

 8

#人工智能 #语言模型 #数据库
云原生人工智能平台搭建与智能调度系统设计的渐进迁移

迁移的第一步不是切流量，而是找出旧系统的调用、数据和依赖边界。未知依赖应先被记录，再安排替换。先画出现有调用、数据读写和依赖关系，选择一条低风险路径并行运行。新旧行为对比应有固定输入和可查看结果，不能只凭主观感受判断迁移完成。

m0_50889382
2026-08-22 17:57:41

 1090

 5

#人工智能 #语言模型 #后端 +1
LDAP注入实战教程：小白也能学会的网络安全技能！收藏学习，提升你的安全知识！

网上关于这类漏洞的fuzz思路也比较久远了，第一次接触这种漏洞，若文章思路如果有什么不对的地方还请师傅们斧正。总结src挖掘基础src挖掘实战edusrc经典nday复现云安全&AI安全安全漏洞库介绍最新漏洞查看1day&0day分享EDU学校相关漏洞Web应用漏洞CMS漏洞OA产品漏洞中间件漏洞云安全漏洞人工智能漏洞其他漏洞安全面试库。

网络安全筑盾者-燕子
2026-08-22 15:32:43

 199

 3

#安全 #web安全 #学习 +3
2026物联网设备接入平台怎么建？协议兼容如何处理

测试批量上线、证书错误、数据越界、乱序补传、网关重启、命令超时和固件差异，测消息吞吐、端到端延迟、丢失率与恢复。如果企业准备推进物联网设备接入与协议兼容平台，我会建议参考虎链科技对协议插件、设备模型、边缘网关、命令状态和规模压测的拆解方式，用过程成果判断供应商，而不是只听口头承诺。设备注册、认证、时间戳、单位、质量码、断线、补传、命令回执和版本升级没有处理，业务平台仍然无法稳定使用。MQTT、OP

qq_30888909
2026-08-22 13:38:34

 197

 4

#物联网 #网络 #数据库 +4
百度VectorDB：新一代向量数据库的全面解析

随着人工智能技术的飞速发展，特别是大语言模型（LLM）和生成式 AI的广泛应用，非结构化数据的处理需求呈爆炸式增长。传统的基于关键词的搜索和关系型数据库在处理图像、文本、音频等非结构化数据时显得力不从心。向量数据库应运而生，成为AI时代的关键基础设施。百度VectorDB作为国内领先的向量数据库产品，在AI原生应用开发中扮演着重要角色。本文将深入探讨百度VectorDB的核心作用、技术特点，并与其

 xy_0106
2026-08-21 17:45:46

 398

 7

#百度 #数据库 #dubbo
IoT设备数据采集架构设计：从MQTT消息到业务数据落库实践

IoT设备数据采集架构设计要点本文分析了物联网系统中设备数据采集、处理和存储的完整流程。传统直接写入业务接口的方式存在耦合度高、数据库压力大等问题，推荐采用分层架构：设备层→MQTT Broker→消息消费服务→数据处理→业务数据库→数据分析。关键设计包括：设备模型与数据模型分离、采集点独立管理、时间序列数据存储策略，以及处理重复数据、离线补传等实际问题。文章强调IoT平台的核心在于构建设备、数

 至此流年各天涯.
2026-08-21 10:28:22

 517

 11

#java #后端 #数据库 +2
国产数据库高并发选型指南：通用指标失效，时序与事务分化成破局点

如果重新评估业务内核后，发现自身的系统并非单纯的设备高频打点和时序查询，而是偏向复杂的账务流水、互联网弹性应用或传统的政企分析型业务，则在同一选型池中应转向成熟的通用关系型分布式方案。另一种则是工业制造、物联网领域中，海量设备持续产生带时间戳数据的高频写入与查询并发（时序数据），其核心特征表现为“写入极高、极少修改、按时间段查询”。需要提前明确的是，其核心使用边界限定于工业及物联网原生的时序数据管

 智塑未来
2026-08-21 08:43:37

 512

 2

#数据库
04-图像向量生成、特征入库、相似度匹配原理

本文详细介绍了图像向量生成、特征入库和相似度匹配的全流程。主要内容包括：图像向量生成流程：分为预处理、模型提取、特征向量生成和归一化四个步骤，重点讲解了图像缩放、归一化等预处理方法，以及ResNet、MobileNet和CLIP等模型的特点和适用场景。特征提取技术：详细说明如何使用深度学习模型（如ResNet50）提取特征向量，包括去掉分类层、获取高维特征向量并进行L2归一化的具体实现方法。

阿拉斯攀登
2026-08-20 19:15:41

 200

 6

#人工智能 #数据库 #程序人生 +1
AI入门系列：AI入门者的困惑：常见术语解释与误区澄清

本文梳理了 AI 入门阶段最常见的术语，包括 AI、机器学习、深度学习、模型、参数、训练、推理、大语言模型、生成式 AI、提示词、Token、微调、RAG、蒸馏、量化、Agent、多模态等，并澄清了「AI 有意识」「回答一定正确」「参数越大越好」「微调能解决一切知识更新」「AI 会取代所有工作」等常见误区。回顾这些术语，可以归为两条主线：一是“模型怎么来”，涉及训练、参数、微调、蒸馏、量化；二是“

今天AI了吗
2026-08-20 16:43:00

 315

 4

#人工智能 #sql #数据库 +2
告别数据沉睡！时序大模型 TimechoAI，解锁海量时序数据的智能分析新能力

在工业物联网、电力能源、轨道交通、金融期货、气象监测等行业，每时每刻都有海量时序数据源源不断产生。传感器采集的设备振动、温度压力，电网的负荷波动，车辆的运行车况，期货市场的 Tick 行情，气象站点的观测指标，这些带时间戳的时序数据，记录着设备运行状态、业务变化规律，蕴藏着巨大的业务价值。很多企业已经完成时序数据底座建设，借助 TimechoDB 工业时序数据库，实现亿万级测点数据的采集、存储、查

 hanwangyyds
2026-08-20 15:45:38

 6314

 15

#数据库
深耕SVG静止无功发生器赛道，启点新能源以电力电子技术守护新型电力系统电能质量

技术创新是启点新能源发展的底层驱动力，公司研发人员占团队总人数 60%，核心骨干来自国际电气企业以及国内重点高校，与哈尔滨工业大学（深圳）建立长期稳定的产学研合作关系，围绕 SVG 控制算法、碳化硅功率变换、微网不平衡电压补偿、电网谐振抑制等课题开展联合技术攻关，多项科研成果直接转化到 SVG 量产设备之上，企业掌握碳化硅功率变换、智能防谐振、源侧并联、物联网远程运维等一系列核心技术，拥有全套软硬

 2601_96286015
2026-08-20 15:31:14

 187

 7

#数据库 #人工智能
拌合站监管软件：基建项目混凝土质量数字化管控方案

在公路、铁路、水利基建工程中，混凝土拌合站是把控工程实体质量的关键节点。传统拌合站依靠人工记录数据，存在数据篡改、配合比执行失控、质量问题难以追溯、多站点管理效率低下等痛点。拌合站监管软件依托物联网采集技术，实现拌合站生产全过程数字化监管，帮助项目部完成远程质量管控，降低混凝土质量事故风险。

薇***伊
2026-08-20 12:25:31

 199

 5

#数据库 #大数据 #数据库开发 +2
爬虫进阶必修课：验证码识别前的图像降噪与字符分割完全指南（纯Python实现）

在Python爬虫开发中，验证码（CAPTCHA）是绕不开的“拦路虎”。许多初学者一遇到验证码就立刻想到深度学习（CNN、RNN），但实际工程中，80%的验证码识别效果提升来自于预处理环节。一个经过良好预处理的验证码图像，甚至可以用简单的模板匹配或像素统计完成识别，而不需要任何神经网络。灰度化二值化中值滤波连通域分析。

移动开发经验汇总
2026-08-20 11:16:24

 291

#爬虫 #开发语言 #信息可视化 +2
万物拌合站信息化管理包括哪些方面

万物拌合站信息化管理是基建项目混凝土质量管控的重要手段，整体涵盖原材料物资管理、生产过程管控、试验检测协同、运输调度、全链路质量追溯、设备运维、物联网 AI 监管以及可视化报表统计等多个维度。系统通过对接拌合楼 PLC 实现生产数据自动采集，对配料超差、原料异常进行预警，建立一盘一档档案，打通物料‑生产‑试验‑运输全业务链条，既实现拌合站内部数字化管理，也支持项目部远程集中监管，满足公路、铁路工程

 薇***伊
2026-08-20 09:42:51

 280

 13

#人工智能 #数据库开发 #大数据 +2
预测性云监控怎么做？AI驱动的7大核心能力与落地路径

本文系统阐述了AIOps在云计算环境中的应用框架。针对传统监控在云原生场景的失效问题（静态阈值与动态资源矛盾），提出预测式智能运维的7大核心能力，包括动态异常检测、故障预测、自动修复等关键技术。通过伪代码示例说明自动修复的实现逻辑，强调"取证-处置-兜底"的安全原则。给出包含6个步骤的落地方法论，并针对数据质量、模型漂移等4大挑战提出解决方案。最后解答了模型选型、安全边界等实践

 运维行者_
2026-08-20 09:40:11

 211

 5

#人工智能 #python #开发语言 +4
Python爬虫进阶实战：验证码识别与自动输入完整指南

本文从验证码的基础类型出发，系统讲解了图像预处理、Tesseract OCR调优、商业打码平台接入、深度学习模型训练、爬虫集成、性能优化等全链路技术，形成了一套完整的验证码自动识别解决方案。主要结论如下：对于简单验证码，Tesseract+图像预处理可以达到70%左右的识别率，适合零成本入门对于中等以上难度验证码，商业打码平台是性价比最高的选择，识别率超过95%对于特定类型的大规模场景，自训练深度

 移动开发经验汇总
2026-08-18 22:15:56

 362

#python #爬虫 #开发语言 +2
数据合规趋严，GEO企业用户数据采集红线在哪里？

最近这两年，数据合规的风声是越来越紧了。从《个人信息保护法》到《生成式人工智能服务管理暂行办法》，从数据出境安全评估到算法备案，监管的大网正在越收越密。

GEO源码部署
2026-08-18 19:44:05

 353

 8

#人工智能 #大数据 #知识图谱 +2
搭建最小可运行的人工智能应用基础设施

先做出一条可验证的最短路径，接口和职责随真实需求扩展。这样能避免一开始就被组件数量拖住。最小版本只保留入口、核心处理、状态存放和观测出口。组件写明输入、输出和失败语义；能在调用方完成的逻辑，不要过早拆成服务。

m0_50889382
2026-08-18 16:27:05

 511

 6

#人工智能 #语言模型 #后端 +1
深度学习基础-Harness：从评估框架到工程落地

在深度学习工程语境中，Harness 通常指一套模型评测与验证框架。它的核心目标是把「训练好的模型到底好不好」这件事从主观感受变成可重复、可量化的工程流程。统一的数据集加载接口，屏蔽不同数据来源的差异；标准化的推理流程，支持批量评测与单条调试；可扩展的评估指标，如准确率、困惑度、ROUGE、F1 等；结果记录与对比机制，便于多轮实验追踪。理解 Harness 之前，需要先回到它的上游基础：深度学习

 今天AI了吗
2026-08-18 16:26:42

 352

 8

#深度学习 #人工智能 #机器学习 +2
用系统编程语言迁移人工智能服务前先验证什么

本文聚焦“用 Rust 重写 Python AI 服务的性能收益：面向新版本的升级风险评估”。先明确涉及的模块、输入、状态与失败语义；不要用泛化流程代替对应对象的约束。

邵宇然
2026-08-18 16:20:15

 1250

 12

#人工智能 #语言模型 #后端 +1
人工智能应用安全如何与产品研发协作

AI 应用安全：Agent 工具调用滥用、数据投毒与模型窃取防护里最容易被忽略的，是跨团队协作中的 API 与责任边界背后的前提。团队可能拥有不可信文本、工具权限、模型输出和外部数据源，但这些材料的来源、时效和可见范围不同，不能混在一起得出一个笼统结论。

硅徒
2026-08-18 16:13:35

 511

 8

#人工智能 #语言模型 #数据库
云原生人工智能调度链路如何接入日志、指标与追踪

观测数据只有能关联到一次请求和一次变更时才有用。字段命名、采样和脱敏规则应在接入前确定。一次请求使用同一个请求 ID，日志、指标和 Trace 采用一致的服务与版本字段。日志记录事件上下文，指标看趋势，Trace 还原路径，三者不要混成一项。

m0_50889382
2026-08-18 16:09:45

 703

 13

#人工智能 #语言模型 #后端 +1
人工智能推理性能调优与大模型推理加速实践：上线后怎样观察真实使用情况

本文以推理服务中的典型故障链路说明排查和设计方法。文中的告警、数字与“线上”叙述如未给出来源，均应视为示例条件；落地前请在自己的版本、负载和资源约束下复测。：本文涉及的案例、图表和数值用于说明评估方法，不构成特定生产环境的性能承诺。复现时请记录模型与版本、推理后端、量化方式、GPU 型号与显存、提示词/数据集、并发和预热时长；在相同请求分布下报告 TTFT、TPOT、吞吐与 P95/P99。线上模

 继续商行
2026-08-18 16:09:05

 503

 5

#人工智能 #语言模型 #后端 +1
从批到流，实时监控预警——DolphinDB 工业物联网实时计算指南

如何用 DolphinDB 流计算引擎构建一套完整的实时监控体系，涵盖数据质量处理、实时告警以及在线推理，最终通过一个综合案例串联全流程。

DolphinDB智臾科技
2026-08-18 12:02:36

 208

 4

#物联网 #数据库
第21届全国大学生智能车竞赛华北赛区成绩与奖项

【比赛成绩与奖项】【比赛成绩与奖项】一、飞檐走壁1、本科组2、专科组二、疯狂电路三、蚂蚁搬家四、飞跃雷区五、走马观碑六、雁过留痕1、本科组2、专科组七、人工智能视觉八、人工智能模型九、卡丁快跑1、本科组2、专科组十、轮腿穿越十一、单车定向※统计与分析 ※。

卓晴
2026-07-29 10:38:50

 5201

 6

#音视频 #自动驾驶 #人工智能 +1
美股交易必知：夏令时/冬令时切换全解析 —— 基于 QuantDash 的 Python 量化数据时区处理实战

美股数据获取必须考虑夏令时与冬令时切换核心要点：美股交易时间以美东时间为准，存在夏令时（北京时间21:30-04:00）和冬令时（北京时间22:30-05:00）的差异 QuantDash服务端自动处理时区转换，输出标准化的UTC/本地时间序列多市场数据（A股/港股/美股）可实现原生时区对齐传统方案需手动处理时区，容易引入错误和未来函数问题解决方案优势：自动处理夏令时切换，避免时间轴错

 quantdash_cc
2026-08-18 07:11:14

 632

 22

#python #开发语言 #大数据 +1
SSD202 SDK在Ubuntu 22.04下编译失败怎么办？完整环境搭建与解决方法

SSD202 SDK 在 Ubuntu 22.04 下编译，最需要注意的是环境兼容性。↓检查Python版本↓修改scripts/dtc/Makefile↓增加 HOSTCFLAGS += -fcommon↓安装32位兼容库及SDK依赖↓执行build.sh↓生成系统镜像↓进入ISP / U-Boot / TFTP / U盘升级阶段SDK编译 → U-Boot → 烧录 → 系统启动 → GPIO

wonders1188
2026-08-17 20:54:47

 363

 8

#数据库 #服务器 #运维
Python进阶 - math模块常用数学运算函数

本文介绍了Python中math模块的核心数学函数，涵盖基础常数（π、e）、三角函数、指数对数运算、取整方法以及组合数学工具。通过代码示例演示了圆周率计算、角度弧度转换、指数增长建模、对数应用（如投资翻倍时间估算）和阶乘运算等实用场景。文章强调使用标准库函数替代手动计算以提高精度，并对比了不同取整方法的差异（如ceil、floor与round）。适合需要高效数学计算的开发者学习参考，所有函数均基于

 Jinkxs
2026-08-17 17:00:00

 1742

 17

#python #android #数据库
基于Python的健康饮食推荐系统（源码+讲解视频+LW）

基于Python的健康饮食推荐系统随着居民生活水平的持续提升与健康意识的不断增强，大众饮食消费理念逐步从饱腹型向营养型、健康型转变，科学合理的饮食搭配成为保障身体健康、改善体态体质、预防日常慢病的重要方式。当前网络饮食资源繁杂零散，各类饮食方案、食材搭配、营养科普信息参差不齐，普通用户缺乏专业营养知识，难以根据自身年龄、体质、身体状况、饮食禁忌、运动习惯制定适配的饮食计划。传统饮食推荐方式多为通用

 QQ3295391197
2026-08-17 14:58:43

 287

 16

#python #数据库 #开发语言
基于Python的高校毕业生招聘信息推荐系统（毕设源码+文档）

基于Python的高校毕业生招聘信息推荐系统当前高校毕业生就业人数持续增长，就业市场岗位资源繁杂、信息冗杂，毕业生普遍面临求职信息筛选困难、岗位适配度低、求职方向模糊等问题。传统招聘信息获取方式多依赖综合招聘平台、校园公示栏、社交社群等渠道，存在招聘信息针对性差、推送内容同质化严重、优质岗位挖掘难度大、信息更新不及时等弊端，毕业生往往需要耗费大量时间筛选匹配岗位，求职效率低下。同时高校传统就业管理

 QQ__1795806396
2026-08-17 12:18:17

 303

#python #数据库
基于Python的出行路线规划与推荐系统（毕设源码+文档）

基于Python的出行路线规划与推荐系统随着大众自助出游、日常短途出行需求日益增长，用户对出行效率、路线合理性、游玩体验的要求不断提升。传统出行规划主要依靠人工查阅地图、网友攻略、零散导航工具，存在路线规划单一、无法结合景点偏好与出行时长智能适配、路线信息更新不及时、多条路线难以对比、出行方案缺乏个性化推荐等问题。多数用户在出行前需要花费大量时间筛选路线、整合景点与交通信息，规划效率低，且容易出现

 QQ__1795806396
2026-08-17 12:16:11

 456

 4

#python #数据库
test program调试：良率异常先别怪工艺

本文针对半导体制造中testprogram调试导致的良率异常问题，提出了一套工程化解决方案。通过分析传统教科书方法的三大缺陷（理论脱离实际、局部优化陷阱、缺乏量化思维），作者团队开发了包含现场调研、方案设计和小范围试点三个步骤的闭环方法。方案采用Python+Excel+钉钉的技术组合，实现了虚报率降低80%、异常检出率提升26%、处置时间缩短81%的显著效果，每月减少报废成本25万元。文章还总结

 感觉不爽
2026-08-17 09:01:50

 309

 3

#大数据 #算法 #人工智能 +2