中软国际数据治理专业服务解决方案实践

选择数据类型 高效数据类型，主要包括以下三方面： 尽量使用执行效率比较高的数据类型 一般来说整型数据运算(包括=、＞、＜、≧、≦、≠等常规的比较运算，以及group by)的效率比字符串、浮点数要高。 尽量使用短字段的数据类型 长度较短的数据类型不仅可以减小数据文件的大小，提升I

查看更多 →

选择数据类型 高效数据类型，主要包括以下三方面： 尽量使用执行效率比较高的数据类型 一般来说整型数据运算(包括=、＞、＜、≧、≦、≠等常规的比较运算，以及group by)的效率比字符串、浮点数要高。 尽量使用短字段的数据类型 长度较短的数据类型不仅可以减小数据文件的大小，提升I

查看更多 →

选择数据类型 高效数据类型，主要包括以下三方面： 尽量使用执行效率比较高的数据类型 一般来说整型数据运算(包括=、＞、＜、≧、≦、≠等常规的比较运算，以及group by)的效率比字符串、浮点数要高。 尽量使用短字段的数据类型 长度较短的数据类型不仅可以减小数据文件的大小，提升I

查看更多 →

选择数据类型 高效数据类型，主要包括以下三方面： 尽量使用执行效率比较高的数据类型 一般来说整型数据运算(包括“=”、“＞”、“＜”、“>=”、“<=”、“!=”等常规的比较运算，以及group by)的效率比字符串、浮点数要高。 尽量使用短字段的数据类型 长度较短的数据类型不仅

查看更多 →

选择数据类型 高效数据类型，主要包括以下三方面： 尽量使用执行效率比较高的数据类型 一般来说整型数据运算(包括“=”、“＞”、“＜”、“≧”、“≦”、“≠”等常规的比较运算，以及group by)的效率比字符串、浮点数要高。 尽量使用短字段的数据类型 长度较短的数据类型不仅可以减

查看更多 →

确保满足业务需求，然后将其部署和调用，用于实际应用。 预测大模型选择建议 选择合适的预测大模型类型有助于提升训练任务的准确程度。您可以根据模型适用场景，选择合适的模型，从而提高模型的整体效果，详见表1。 表1 预测大模型的类型 模型名称 适用场景 说明 Pangu-Predict-Table-Cla-2

查看更多 →

模型理解人类语言的基本结构。 微调 关注专业性：微调是对预训练模型的参数进行调整，使其在特定任务中达到更高的精度和效果。微调的核心在于利用少量的特定任务数据，使模型的表现从通用性向具体任务需求过渡。 使用小规模的特定任务数据：微调通常需要小规模但高质量的标注数据，直接与目标任务相

查看更多 →

转发策略的状态显示为“故障”的原因是什么？ 可能的原因是：如果创建了相同的转发策略（出现转发策略冲突），则会出现转发策略故障，此时即使把前面创建的转发策略删除，后面的转发策略依然会显示故障。 解决办法：将出现冲突的转发策略全部都删除后再重新添加，即可恢复正常。 父主题： 监听器

查看更多 →

确保满足业务需求，然后将其部署和调用，用于实际应用。 CV大模型选择建议 选择合适的CV大模型类型有助于提升训练任务的准确程度。您可以根据模型适用场景，选择合适的模型，从而提高模型的整体效果，详见表1。 表1 CV大模型的类型 模型名称 适用场景 说明 Pangu-CV-ObjectDetection-N-2

查看更多 →

存储量数据查询的是主账号下所有桶的数据。 账号中存在SFS 3.0的桶，总存储量数据不包含该类型的桶，而标准存储量、低频访问存储量、归档存储量数据包含该类型的桶。 总存储量数据 >= （标准存储量+低频访问存储量+归档存储量） 账号中存在深度归档类别的桶数据，总存储量数据包含该类

查看更多 →

选择合适的镜像 Alpine容器镜像内置的musl libc库与标准的glibc存在以下差异： 3.3版本及更早版本的Alpine不支持search参数，不支持搜索域，无法完成服务发现。 并发请求/etc/resolve.conf中配置的多个DNS 服务器 ，导致NodeLocal DNSCache的优化失效。

查看更多 →

如何选择合适的数据盘 在选择合适的数据盘大小时，需要结合以下考虑综合计算： 在拉取镜像过程中，会先从镜像仓库中下载镜像tar包然后解压，最后删除tar包保留镜像文件。在tar包的解压过程中，tar包和解压出来的镜像文件会同时存在，占用额外的存储空间，需要在计算所需的数据盘大小时额外注意。

查看更多 →

] } 数据去冗余算子（RRD算子） 可以依据用户设置的比例去除差异最大的数据。 图5 RRD效果图 表2 高级参数说明 参数名 是否必选 默认值 参数说明 sample_ratio 否 0.9 数据留下的百分比。取值范围为0~1。例如0.9表示保留百分之90的原数据。 n_clusters

查看更多 →

，您可以选择新要素进行训练。请注意，所选的数据集必须包含您想要添加的新要素。此外，您还可以通过训练更改所有的模型参数，以优化模型性能。 微调：微调是将新数据应用于已有模型的过程。它适用于不改变模型结构参数和引入新要素的情况。如果您有新的观测数据，可以使用微调来更新模型的权重，以适应新数据。

查看更多 →

批量数据库对象选择 功能介绍 迁移之前，选择需要迁移的数据库或者表。 调试 您可以在 API Explorer 中调试该接口，支持自动认证鉴权。API Explorer可以自动生成SDK代码示例，并提供SDK代码示例调试功能。 接口约束 仅实时迁移、实时同步支持对象选择。 任务创建成

查看更多 →

大模型微调需要的数据有要求吗？ AI原生应用引擎用于大模型微调的数据集任务领域为“ 自然语言处理 ”、数据集格式为“对话文本”。 文件内容要求为标准json数组，例如： [{"instruction": "aaa", "input": "aaa", "output": "aaa"},{"instruction":

查看更多 →

设置或读取在数据主体系统上的Cookie前（如用于营销或广告），应提供获取数据主体同意及撤销的机制。 修改用户个人空间的行为（如系统或应用配置变更、下载软件、对用户系统或软件升级），须得到用户的同意。 对未成年人提供服务或收集了包含年龄信息的个人信息时，需要实现从未成年人的监护人处获取同意的功能。 数据控

查看更多 →

通过首页左上角九宫格菜单中数据大屏，进入数据大屏列表页，选择对应的空间和目录 图1 新增大屏 填写大屏相关信息： 大屏名称：根据业务场景，配置大屏名称 大屏描述：根据业务场景，填写大屏相关描述，更清晰的描述大屏业务场景 大屏尺寸：支持预置尺寸和自定义尺寸，适配不同终端展示 图2 填写大屏相关信息 OneSketch

查看更多 →

单击“模型选择”代码框左侧的图标，运行代码。 运行结果如下所示： 特征推荐：学件推荐的特征，除了一些通用的特征（最值、均值等），还有一部分是专门为类似KPI做的异常检测效果比较好的特征。通常采用滑窗的方式做异常检测。目前所有窗口的长度，是根据数据的周期性、样本数、周期的个数等数据特点推荐的。窗口的长度

查看更多 →

语种选择 图元展示 参数介绍 语种选择图元的参数如下图所示。 图元参数说明如下： 节点类型：语种选择，不可以修改。 节点名称：画布上显示的图元名称。 选择语种：语种选择，可以将后续流程根据语种区分不同的分支。当前支持中文、英文、葡萄牙语、泰语和西班牙语、法语、阿拉伯语，可选值由音视频资源管理中配置的语种决定。

查看更多 →

级联选择 选项信息是一对多的关系，且具有层次性和联动性，多用于创建主类目和所属下级子类目的场景，多用于部门选择，城市选择（比如省市区）等包含有层次关系的场景，以下拉框的形式展示。 在表单开发页面，从“高级组件”中拖拽“级联选择”组件至表单设计区域，如图1。 图1 级联选择 属性

查看更多 →