Apache

在机器学习金融时间序列研究中,若只依赖于股价回归训练,模型容易吸收复权制度差异与短期交易噪声,使得事件信息含量与制度性尺度变化难以区分,导致回测失真;因为股价本身并不是时间序列,而是由事件驱动而导致的连锁反应。为了研究事件对股票市场的连锁反应的主要因素,以及什么方法更能捕获事件对股票市场的驱动能力,
390Python人工智能
Ozon商品证据采集通过浏览器桥接采集原商品页面保存标题、属性、图片、包装等客观资料支持失败重试、重新采集和替换选品1688供应商采集采集供应商商品、规格、价格和包装信息支持人工打开页面补采供应商缺失时只阻塞对应商品真实SKU锁定按颜色、尺寸、套装、数量锁定准确SKU唯一SKU可以直接锁定SKU歧义
760Caffe人工智能
带领团队基于Olist电商数据集(约9.5万条已交付订单)搭建端到端机器学习流程,预测订单延迟配送并分析其对客户满意度的影响。完成多表数据整合与特征工程,结合订单、客户、卖家、支付、评价及地理信息构建物流特征与卖家历史表现特征。设计基于时间顺序的滚动统计特征,避免数据泄漏,并使用时间划分方式完成训练
670Python人工智能
超级智能体开源项目
自主研发垂直领域情感AIAgent系统,基于ReAct+CoT混合推理,具备规划、记忆、工具调用能力,提供情感咨询、约会方案规划服务,支持多轮对话、持久记忆、RAG知识库、A2A多智能体协同。1.A2A多智能体协同架构:基于A2A通信拆分需求分析、检索、方案生成、文档输出多智能体,消息队列异步通信,
1050Java人工智能
当前智能制造、机器视觉、无人机控制、通信信号处理、新能源监测、网络数据采集多领域数字化需求爆发,工业产线质检、交通车辆检测、光伏储能运维、飞行器飞控、高速通信信号优化、网络信息抓取等场景均亟需AI算法与软件配套解决方案。传统单一功能系统通用性差,企业常需多套工具分别处理图像识别、数据采集、设备控制任
840Caffe人工智能
面向端侧推理的大语言模型知识蒸馏实验项目。选型CogLang——一个面向用药安全领域的专用大模型作为教师模型,通过激活迁移和层剪枝技术将其核心能力压缩为学生小模型,目标是在药名识别和相互作用判断任务上保持90%以上准确率的同时将推理延迟降低至端侧可接受范围。技术路线包括:教师模型特定层的激活值提取与
930Python人工智能
StarNest开源项目
项目概述:星巢是一套零外部依赖的AIAgent增强系统,将分布式认知架构封装为28个可独立运行的OpenCode安全/推理/编排插件。项目包含22,000行Python核心代码及配套TypeScript插件体系,196项自动化测试全部通过。核心功能模块:【安全层-5个插件】1.预执行安全校验—14条
1390Caffe人工智能
城市大脑开源项目
城市大脑(CityBrainSystem)是一种利用大数据、人工智能(AI)、物联网(IoT)、云计算和数字孪生等前沿技术构建的综合性智能平台。它被形象地比喻为城市的"智慧大脑"和"中枢神经系统",能够像人类大脑一样实时接收城市各项"体征"数据,进行思考、判断,并发出指令,驱动城市各系统高效联动。这
1200Caffe人工智能
分类模型检测开源项目
#ClassificationPost-ProcessingforHawk##OverviewAgenericONNXclassificationblockthatrunsafteranomalydetectioninHawk'spost-processingpipeline.Itclassifie
660Caffe人工智能
初级代码开源项目
最简单的计算器循环使用程序,可以计算五种例如加、减、乘、除、乘方等运算方式,但只有两个数,不能输入太多的数。仅限两个数字,总体使用感受位于中等偏下,有很多漏洞,还望各位提出改进建议。
870Caffe人工智能
OllamaTools是一款为Ollama本地大模型开发的增强版WebUI,让本地AI更好用。核心功能模块:1.15+Prompt模板库-涵盖代码/文案/翻译/周报/简历/小红书等场景,一键调用2.对话历史管理-自动保存对话,支持搜索、导出Markdown/PDF3.多模型对比-同时向多个模型提问,
1760Caffe人工智能
项目背景:本项目旨在构建一个高效、可扩展的电商实时数据湖仓,通过对海量电商业务数据的采集、清洗、转换和存储,为企业提供准确、全面的数据支持,助力业务决策与分析。项目职责与成果:•数仓建模:–ODS层:采用FlinkCDC搭建数据采集传输架构,支持MySQL、Kafka多源数据接入,将原始数据同步至P
1960Java电商
Solarbi-1开源项目
基于 Spring Boot + MyBatis + MySQL + AIGC + React 的智能数据分析平台,封装了讯飞星火模型接口,区别于传统 BI,用户只需要导入原始数据集、并输入分析诉求,就能自动生成可视化图表及分析结论,实现数据分析的降本增效; 后端自定义 Prompt 预设模板并封装用户输入的数据和分析诉求,通过对接 AIGC 接口生成可视化图表 json 配置和分析结论,返回给前端渲染; 由于 AIGC 的输入 Token 限制,使用 Easy Excel 解析用户上传的 XLSX 表格数据文件并压缩为 CSV,实测提高了 20% 的单次输入数据量、并节约了成本; 为保证系统的安全性,对用户上传的原始数据文件进行了后缀名、大小、内容等多重校验; 为防止某用户恶意占用系统资源,基于 Redisson 的 RateLimiter 实现分布式限流,控制单用户访问的频率; 考虑到单个图表的原始数据量较大,基于 MyBatis + 业务层构建自定义 SQL 实现了对每份原始数据的分表存储,提高查询性能 30% 和系统的可扩展性; 由于 AIGC 的响应时间较长,基于自定义 IO 密集型线程池 + 任务队列实现了 AIGC 的并发执行和异步化,提交任务后即可响应前端,提高用户体验; 由于本地任务队列重启丢失数据,使用 RabbitMQ(分布式消息队列)来接受并持久化任务消息,通过 Direct 交换机转发给解耦的 AI 生成模块消费并处理任务,提高了系统的可靠性; 基于 Ant Design Pro 脚手架快速搭建初始项目,并根据业务定制项目模板,如封装全局异常处理逻辑; 使用 TypeScript + ESLint + Prettier + Husky 保证项目编码和提交规范,提高项目质量; 使用 Umi OpenAPI 插件,根据后端 Swagger 接口文档自动生成请求 service 层代码,大幅提高开发效率; 选用兼容性较好的 Echarts 库,接收后端 Ai 生成的动态 json 自动渲染可视化图表。
2750Java大数据
项目描述:某外企内部AI智能监控系统无法访问,需要在redhat linux上重装此系统,厂家Vaidio不提供技术支持且厂家安装包只支持ubuntu系统。 主要职责:对厂家Vaidio安装包进行逆向分析,独立制作基于redhat linux的安装包,成功在客户服务器上完成安装。 项目成果:成功在客户服务器上安装AI智能监控系统,恢复原始监控数据,为客户节省成本3万元。
3260K8SVaidio
当前共14个项目more
×
寻找源码
源码描述
联系方式
提交