作者文章归档:course

通义大模型


通义大模型是阿里云自主研发的一系列大模型,以下是详细介绍:

模型体系

  • 通义千问:是通义大模型中的核心语言模型,能够在用户自然语言输入的基础上,通过自然语言理解和语义分析,在不同领域、任务内为用户提供服务和帮助,如创作文字、编写代码、语言翻译、角色扮演等。
  • 通义万相:文生图模型,支持中英文双语输入,重点风格包括水彩、油画、中国画、素描、扁平插画、二次元、3D卡通等。
  • 通义-VL:大规模视觉语言模型,支持各类视觉理解和推理任务,能处理各种分辨率和长宽比规格的图像,同时具备视频理解和多语言能力。
  • 通义-语音合成模型:名为CosyVoice,能将文本转为宛如真人的自然语音,支持流式输入文字与流...

Read more

CTA策略


CTA策略即商品交易顾问(Commodity Trading Advisors)策略,它主要是一种投资策略,在期货、期权等金融衍生品市场被广泛应用。

一、CTA策略的基本原理

  1. 趋势跟踪
  2. 这是CTA策略最常见的类型之一。它基于市场趋势会持续一段时间的假设。例如,在期货市场中,如果黄金价格呈现出明显的上升趋势,CTA策略会通过技术分析工具(如移动平均线)来识别这种趋势。当短期移动平均线向上穿过长期移动平均线时,这可能被视为一个买入信号。然后,只要趋势持续,策略就会持有多头仓位,以从价格的持续上涨中获利。
  3. 以股票指数期货为例,如果沪深300股指期货在过去一段时间内持续上涨,并且通过分析指标确...

Read more

解锁时间序列数据预测模型,预见未来趋势


解锁时间序列数据预测模型,预见未来趋势

一、时间序列数据与预测模型的魅力

在我们生活的这个数据驱动的时代,时间序列数据无处不在,它们就像隐藏在各个领域中的宝藏,等待我们去挖掘。在金融市场里,每日的股票价格波动,记录着市场的情绪与变化,投资者们试图从这些按时间顺序排列的数据中,寻找价格走势的规律,以便做出明智的投资决策。气象领域亦是如此,每月的降水量、气温变化等数据,对于气象学家预测未来天气、防范自然灾害起着关键作用。还有销售行业,每季度的产品销售额数据,能够帮助企业分析市场需求的变化趋势,合理安排生产与库存。

而时间序列预测模型,正是开启这些宝藏大门的钥匙。它能够从历史数据中发现规律,并...

Read more

时间序列预测模型-视频文字


时间序列预测模型是用于分析和预测时间序列数据的统计或机器学习模型。时间序列数据是按时间顺序排列的数据点序列,常见于金融、气象、销售等领域。以下是几种常用的时间序列预测模型:

1. 传统统计模型

  • ARIMA (自回归积分滑动平均模型)
    • ARIMA 是一种经典的时间序列预测模型,适用于线性数据。它结合了自回归 (AR)、差分 (I) 和移动平均 (MA) 三个部分。
    • 公式:ARIMA(p, d, q),其中 p 是自回归阶数,d 是差分阶数,q 是移动平均阶数。
  • SARIMA (季节性 ARIMA)
    • SARIMA 是 ARIMA 的扩展,适用于具有季节性特征的时间序列数据。
    • 公式:SA...

Read more

命令行添加白名单-后端模块-ONE


如果你使用的是 MongoDB 的命令行工具(Mongo Shell),可以按照以下步骤添加一条新记录:

实现代码:

use stock_database;
db.whitelist_emails.insertOne({
    email: 'newuser@example.com',
    description: '新用户的邮箱',
    created_at: new Date().toISOString()
});

代码解释: - use stock_database;:这条命令将当前操作的数据库切换为 stock_database。 -...

Read more

Figma-基于云的协作设计工具


Figma概览

截至2025年1月,Figma已经成为数字设计领域的重要工具,以其协作功能和强大的原型制作能力著称。Figma的最新版本是124.6.5,适用于Windows 7、8、10和11等多个操作系统Figma for PC Download (2025 Latest) - FileHorse。它也被标注为免费且安全下载,适用于UI和UX设计Figma - Download

最近的更新和功能

Figma在2025年的更新持续提升用户体验和功能。一个重要的更新包括引入更强大的AI工具,这些工具被设计为对新用户不会感到压倒性A new Figma update make the d...

Read more

股票分钟级别价格预测-LSTM-预测模块-ONE


使用LSTM(长短期记忆网络)进行股票价格预测,特别是分钟级别预测,通常涉及以下几个步骤:

1. 数据收集与预处理

首先,需要获取股票的历史价格数据,通常包括以下几个指标: - 开盘价(Open) - 收盘价(Close) - 最高价(High) - 最低价(Low) - 成交量(Volume)

数据源: 可以通过API获取数据,比如Yahoo Finance、Alpha Vantage、Quandl等,或者通过爬虫抓取股票数据。

import yfinance as yf

# 获取某个股票的分钟级别数据
ticker = 'AAPL'
data = yf.downlo...

Read more

滚动刷新功能-架构-ONE


要实现每查询出50条数据就刷新页面,直到所有数据都显示出来,可以采用分页加载或分批加载的方式。以下是一个常见的实现思路:

1. 后端分页查询

后端API支持分页查询,前端每次请求50条数据,直到所有数据加载完毕。

后端API设计

  • 请求参数:
  • page: 当前页码
  • pageSize: 每页数据量(例如50)
  • 响应数据:
  • data: 当前页的数据
  • total: 总数据量
  • page: 当前页码
  • pageSize: 每页数据量

前端实现

  1. 初始化请求:首次请求第一页数据。
  2. 递归或循环请求:根据总数据量和当前已加载的数据量,判断是否需要继续请求下一页。
  3. 更新页面:每次获取到新数据后,更新页面显...

Read more

mongoimport-MongoDB导入数据


mongoimport是一个用于将数据导入到MongoDB数据库的命令行工具。

一、基本语法

mongoimport --db <database_name> --collection <collection_name> --file <file_path>

  • --db:指定要导入数据的目标数据库名称。例如,如果你的数据库名为mydb,则在命令中写--db mydb
  • --collection:指定要将数据导入到其中的集合名称。假设你要将数据存入名为mycollection的集合,就写--collection mycollection
  • --file:...

Read more