TATECHATLAS
◎ Русский
TECHNOLOGY / KNOWLEDGE / PRACTICE

Результаты: data

Практические руководства по искусственному интеллекту, Python, Git, SQL, Web/API, SAP/ERP и математическим моделям: объяснения, примеры кода, источники и ограничения.

Все слова должны встречаться в статье. Кавычки задают точную фразу.

Результаты

1-15 / 15 материалов Сбросить

PostgreSQL INSERT ON CONFLICT: Правильный Upsert с Уникальными Целями, DO NOTHING vs DO UPDATE

Используйте ON CONFLICT для атомарной вставки или обновления строк на основе уникальных ограничений. Укажите точную цель конфликта, обрабатывайте повторяющиеся входные данные и понимайте, что исключенные значения заменяют, а не накапливают.

postgresql / sql / upsert / insert / on-conflict / unique-constraint / concurrency / database

Сериализация datetime и Decimal в JSON с явным контрактом на Python

Используйте строки ISO временных меток и десятичные строки, затем восстанавливайте поля явно. Полный пример стандартной библиотеки показывает проверки часового пояса, точность и предсказуемые сбои.

JSON / Serialization / Deserialization / Datetime / Decimal / Python / Data Contract / Type Handling

Выбор границ и перекрытий фрагментов для RAG для сохранения контекста раздела

В этой статье объясняется, как выбирать эффективные границы и перекрытия фрагментов в системах RAG (Retrieval-Augmented Generation), сравнивая стратегии фиксированного размера и ориентированные на документы. Используя гипотетический пример служебной записки, демонстрируются риски разделения семантических единиц и показывается, как метаданные и перекрытия могут сохранить контекст. Рекомендации основаны на документации Microsoft Azure по фрагментации в векторном поиске и рабочих процессах RAG.

RAG / chunking / Azure AI Search / information retrieval / document processing

Почему валидация JSON Schema необходима для выходных данных LLM

Техническое руководство, объясняющее, почему синтаксически корректного JSON от больших языковых моделей (LLM) недостаточно для производственных систем и как JSON Schema обеспечивает необходимые структурные и типовые гарантии.

LLM / JSON / JSON Schema / Data Validation / Software Engineering / Python

Оценка точности и полноты ИИ на малых наборах данных

Узнайте, как эффективно оценивать точность и полноту моделей ИИ, особенно при работе с небольшими наборами данных вопросов. Это руководство охватывает концепции, методы расчета и практические соображения с использованием scikit-learn.

ai / precision / recall / evaluation / small dataset / machine learning / scikit-learn / classification

Надежное чтение CSV-файлов в Python: обработка BOM, диалектов и символов перевода строки

Руководство по использованию модуля csv в Python для автоматического определения разделителей, обработки маркеров порядка байтов (BOM) с помощью utf-8-sig и управления различиями в символах перевода строки с помощью класса Sniffer и правильных параметров открытия файла.

python / csv / data-processing / encoding / utf-8-sig / automation

Python: Чтение JSON из строк и файлов, и обработка ошибок декодирования

Узнайте, как анализировать JSON-данные в Python как из строковых литералов, так и из файлов, а также как эффективно обрабатывать потенциальные ошибки декодирования с помощью встроенного модуля json.

python / json / parsing / decoding / file handling / error handling / pathlib / data serialization

Относительные пути в Python: запуск из терминала, IDE и служб

Разрешение относительных путей в Python зависит от рабочего каталога процесса, который различается в зависимости от способа запуска. В этом руководстве показано, как проверить рабочий каталог, выбрать и задокументировать явную базу путей, а также понять, почему __file__ не всегда можно доверять.

Python / pathlib / relative paths / working directory / __file__ / os.getcwd

SQL: WHERE против HAVING - Различия в фильтрации строк и групп

Подробный технический разбор различий между предложениями WHERE и HAVING, с акцентом на порядок выполнения, совместимость с агрегатными функциями и стратегии оптимизации производительности.

SQL / PostgreSQL / Database / Query Optimization / Data Analysis