今天给大家推荐一款可视化开放平台——DatArt,支持报表、仪表板、大屏、分析和可视化数据应用的敏捷构建。
简介
DatArt 是新一代数据可视化开放平台,支持各类企业数据可视化场景需求,如创建和使用报表、仪表板和大屏,进行可视化数据分析,构建可视化数据应用等。
特征
数据连接与查询
DatArt 支持 SQL 查询和 ODBC/JDBC 标准,可以连接到各种关系型数据库,如 MySQL、PostgreSQL,以及 NoSQL 数据库如 MongoDB。同时,它还提供了对接 RESTful API 的能力,让数据导入变得更加便捷。
可视化构建器
DatArt 使用现代 Web 技术构建,基于 Vue.js 和 Ant Design,提供了丰富的图表类型,包括柱状图、折线图、饼图等,并允许自定义样式和交互。用户可以通过简单的拖放操作,快速构建出专业级别的数据报表。
协作与权限管理
项目级别的权限控制是 DatArt 的一大亮点。你可以为团队成员分配不同的角色,如管理员、编辑者或查看者,确保每个成员只能访问和修改他们被授权的内容。
多语言与国际化
DatArt 支持多语言界面,满足全球用户的使用需求,增强了用户体验。
优势
-
易用性: 零代码即可创建专业级数据可视化报表。
-
灵活性: 支持多种数据源,兼容广泛的数据类型。
-
协作性强: 团队协作功能,支持权限控制和版本管理。
-
定制化: 丰富的图表选择,可自定义样式和交互。
-
跨平台: Web 前端部署,可在任何地方访问。
使用
1、连接jdbc
DatArt 通过 JDBC 连接数据库、获取数据库信息和数据
2、数据视图
在数据视图中拼写sql
3、数据图表
点击开始分析创建数据图表
这边选择刚才创建的数据视图
在字段中添加想要的字段,生成图表。
4、仪表盘
仪表板拥有自动、自由两种布局类型
简单几步操作,一个功能强大的可视化分析报表就生成了。
虽然Datart本身是作为一个独立的平台,但它鼓励与其他系统的集成。例如,通过API接口或SDK,Datart能够融入企业的现有IT架构,如ERP、CRM系统,成为数据分析的一部分。
对于开发者来说,利用Datart的插件体系,可以开发特定的可视化组件或数据处理逻辑,进而丰富Datart的功能生态。此外,通过Spring Boot等框架的集成,Datart可轻松地成为微服务架构中的一员。
开源地址
https://gitee.com/running-elephant/datart
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。