跳到正文

#資料/訓練

RSS
今日 5 則
11月21日週六
  1. Dev.to Top Tech73

    GPT-5 用斯洛伐克語更耗 token,作者比較 204 種語言找原因

    同一句話用斯洛伐克語送進 GPT-5,可能比用英文花更多 token,讓費用增加,也更快用完上下文視窗。作者用相同的 1,012 句內容測試 204 種語言和 35 種 tokenizer,發現 GPT-5 切分斯洛伐克語所需的 token 是英文的 1.68 倍;作者認為,主要原因是訓練資料中的斯洛伐克語較少。文章也提醒,選模型時要把語言造成的 token 差異算進成本,並用實際 tokenizer 計算 RAG 文字分段;token 較省也不代表模型回答得比較好。

  2. Dev.to Top Tech61

    eMondrian 加入 JSON REST API,讓更多工具查詢語意模型

    過去,程式想從 eMondrian 查數字,通常得處理較難使用的 XMLA;這讓 Python、Node.js 和自動化工具不容易直接接上。Community 2026.11.20 起,eMondrian 也能透過 REST API 接收 MDX 或 DAX 查詢,並用 JSON 回傳表格資料。網站、筆記本或低程式碼工具因此能讀取模型裡的業務數字,例如銷售額,不必各自重寫計算方式。查詢仍會依使用者角色套用資料列許可權;API 只能讀取資料,不能修改模型或寫回資料。

  3. Dev.to Top Tech58

    AdamW 教學:為什麼把權重衰減和梯度分開,能修正 Adam 的問題

    用 Adam 加上 L2 正則化時,權重衰減會跟著每個引數的梯度變化,讓同樣大小的權重受到不同程度的縮減。AdamW 把縮減權重這一步移到 Adam 的自適應更新之外,讓權重依相同比例縮小,也能分開調整學習率和衰減強度。文章用公式和 PyTorch 範例說明兩者差異,並提醒切換到 AdamW 時要重新調整衰減值;學習率排程也會影響衰減效果。

  4. Rohan Paul62

    模型部署後想變得更好,通常得再花大量運算資源訓練一次。研究團隊讓 Qwen3.5-27B 檢視自己的權重、練習題答案和 Python 執行環境,並阻止它使用梯度;模型比較答對與答題超時時的內部狀態,再調整兩者之間的差異。在事先固定的 490 題測試中,正確率從 57.2% 提高到 63.8%。不過,2B 模型沒有做出修改,4B 和 9B 模型則把自己弄壞了。作者建議先讓模型提出權重修改,再用保留的測試題確認效果。

  5. Dev.to Top Tech63

    如何用 Nodus 分批產生數百萬筆檔案的嵌入向量

    檔案一多,逐筆產生嵌入向量會花很多時間,也可能因工作中斷而重做。這篇教學把資料切成固定小份,交給多個 GPU 工作同時處理;每份完成後各自存檔,工作重新啟動時就能跳過已完成的部分。作者也測試了中途強制停止再繼續執行,完成的向量與不中斷執行相同。文中估算,用 L40S 處理 1,000 萬筆、每筆 512 個 tokens 的檔案,GPU 費用約 $6.17;但自架模型和 API 的排序效果不同,仍要用自己的搜尋問題評估。

  6. Dev.to Top Tech65

    資料湖倉教學:欄位型別該在哪一層定義?

    資料湖倉的不同處理層若一再替同一欄位轉換型別,資料可能彼此不一致,後續的關聯和圖表也會出錯。作者建議在來源資料穩定後,盡早於 Bronze 層或最早可重用的乾淨資料層定義型別,Silver 和 Gold 層則沿用,專心處理商業規則。UNION 各分支為了對齊型別而轉換欄位可以保留,但要把轉換寫在 UNION 附近;Gold 層的未知資料列也要使用符合關聯欄位型別的值。團隊可用 lint 檢查多餘的 CAST;型別契約變更時,則要一併重建相依資料。

  7. Dev.to Top Tech56

    如何用橋接表處理資料模型的多對多關係

    資料報表常會遇到同一批資料在不同頁面算出不同數字,尤其兩邊都能互相對應多筆資料時,直接攤平成一張表可能造成重複計算或漏資料。作者建議先說清楚每筆資料代表什麼,再用橋接鍵記錄兩邊的關係,並讓不同事實表共用同一套配對規則。完成後,還要檢查鍵值是否重複、是否有找不到對應資料的專案,並確認不同日期欄位的鍵值格式一致。先驗證資料模型,再重做報表頁面,能讓不同篩選下的數字比較容易對得起來。

11月20日週五
  1. Dev.to Top Tech70

    Dettato 用 20M 引數把音樂轉成 MIDI,表現勝過大型開源模型

    把一段音樂錄音轉成 MIDI,要找出每個音符何時開始、何時結束,還要分辨同時響起的不同樂器。獨立開發者做出開源模型 Dettato,用 20M 引數在多項測試中勝過引數量大 65 倍的 MuScriptor;不過在 RWC Classical 測試中,Mirelo A2M v1.1 Pro 的分數較高。作者說,訓練資料沒有使用受著作權保護的錄音。Dettato 輸出的是跟著演奏時間排列的 MIDI 音符,不是可閱讀的樂譜;若要分開樂器或處理少見的打擊樂音色,也要留意它的限制。

  2. Dev.to Top Tech57

    如何檢查訂閱服務的流失率,確認客戶是否真的離開

    部署後流失率突然升高,數字可能來自帳務資料或計算方式出錯,不一定代表客戶真的離開。文章用每月起始與下月起始的付費帳戶快照計算流失率,並提醒用固定的帳戶 ID 追蹤客戶;取消申請日和付費期限結束日也要分開記錄。若客戶還有另一筆有效訂閱,就仍算活躍。把預定取消、重複收到的通知和延遲修正等情況加入測試,再逐一核對帳戶,就能找出報表暴增的原因。

  3. Databricks Blog79

    Databricks 推出涵蓋 70 個產業的互動式參考架構

    規劃資料平臺時,通用架構圖常說不清各產業實際會用哪些系統和資料。Databricks 推出涵蓋 70 個產業的互動式架構圖,整理各行業的資料來源、格式、團隊和應用,也能切換雲端與檢查不同地區的產品供應狀況及發布階段。每張圖都能檢視說明、複製修改,或匯出成多種格式;如果要從業務描述開始,也可用 AI Architecture Assistant 找出接近的產業架構再編輯。這些圖適合作為規劃起點,仍要依各公司的系統和需求調整。

    推薦理由:這套架構把各產業常見的資料來源、團隊與應用放在同一張可編輯的圖上,也能查不同雲端和地區的產品供應情況。

  4. Dev.to Top Tech64

    Sumama-Jameel 公開 66 段真實程式開發過程,讓 AI 助理學會從錯誤中修正

    只看最後寫好的程式碼,AI 助理學不到遇到錯誤後怎麼繼續。Sumama-Jameel 整理出 66 段實際執行的程式開發過程:AI 助理在 Docker 沙盒裡處理真實專案任務,使用工具、碰到錯誤再修正,工具輸出和失敗紀錄都保留下來。每段資料都會檢查專案測試,也能在自己的電腦上重新驗證。作者公開與四份大型資料集的比較,並說明這份資料在規模和部分指標上落後;用它訓練的小型模型有一項分數從 43% 升到 80%,其他分數則退步。

  5. Solidot61

    阿里巴巴預測中國算力市場 2027 年和 2028 年最吃緊

    阿里巴巴表示,全球各地的算力政策變化,可能影響阿里雲資料中心的建設。公司正在評估是否下調原訂到 2032 年讓全球資料中心規模超過 20 吉瓦的目標,資本支出也可能減少;同時預測,中國算力市場在 2027 年和 2028 年會最吃緊。阿里巴巴管理層認為,美國商務部的新算力管制規定對 AI 產品進度的影響不會持久,並表示公司已用自行研發的晶片訓練下一代大型語言模型。

  6. Dev.to Top Tech64

    教學:用 Python 整理 IKEA 傢俱資料,別把零件材質混在一起

    整理傢俱資料時,如果只留下材質名稱,AI 助理可能把椅腳的實木誤認成整座書櫃都是實木。作者用 IKEA 商品資料示範如何把零件名稱和材質一起存進資料庫,讓搜尋時能看出每種材質屬於哪個零件;缺少材質資料時,也保留為未知,不當成「沒有木材」。照護說明和使用備註則分開存放,避免拿來回答材質問題。這樣能提供較清楚的查詢依據,但仍不能保證回答正確,也無法證明商品頁列出了所有材料。

  7. Dev.to Top Tech58

    Netflix 和 Spotify 如何猜你接下來想看什麼、想聽什麼

    Netflix 和 Spotify 常能推薦合胃口的內容,但推薦也可能讓人一直看到相似的東西。這篇文章整理兩家的做法:Netflix 根據播放、暫停、跳過等行為安排片單,Spotify 則參考聽眾的播放與收藏紀錄、歌曲相關文字和音訊特徵來推薦音樂。文章也提供調整方式,例如對喜歡的歌曲按收藏、快速跳過不喜歡的歌,或搜尋平常不會選的內容,讓推薦多一點變化。

  8. Dev.to Top Tech60

    LoRA 白話解說:只訓練 2.11% 權重,能省多少空間?

    微調大型語言模型時,如果每學一項新技能都要儲存整份模型,檔案和訓練記憶體都會很吃緊。作者用一個小模型實測 LoRA:先凍結原本的權重,再加上一小組可以替換或合併回模型的修正值。這次只訓練 2.11% 的權重,LoRA 檔案是 0.51 MB,完整權重則是 23.44 MB;但在這項任務中,LoRA 的最好成績是 26%,完整微調是 44%。這個小模型的結果顯示,LoRA 能省下儲存和記憶體,學習效果則不一定追得上完整微調。

  9. Dev.to Top Tech52

    教學:先定義儀錶板指標,再決定要畫什麼圖表

    儀錶板上的同一個指標,可能因為計算方式不同,讓不同報表回答了不同問題。作者建議先說清楚指標怎麼算,例如「月銷售額」要算下單、完成訂單還是已收款,也要交代取消訂單、日期和幣別怎麼處理。接著用幾筆真實資料手動核對計算結果,並確認篩選條件會怎麼影響數字。把定義、資料來源、負責人和修改時間記下來,團隊才容易理解數字代表什麼,也能比較不同時期的結果。

  10. Silicon Republic56

    Isomorphic Labs 與 MSD 合作,運用 AI 尋找癌症候選藥物

    尋找新的癌症藥物需要大量研究與測試,Isomorphic Labs 和 MSD 將合作尋找一種癌症治療的候選藥物。Isomorphic Labs 會用電腦模擬來預測並設計小分子藥物,再把 MSD 的資料用於自家藥物設計引擎 IsoDDE;MSD 則負責後續的臨床前與臨床開發、製造和上市工作。合作能否找到合適藥物仍取決於研究與開發結果,Isomorphic Labs 也會依約取得前期款項,並有資格在達成指定里程碑後獲得款項。

  11. Dev.to Top Tech64

    新創公司需要青銅、白銀和黃金資料層嗎?作者建議先保留三件事

    新創公司常要整理來自不同系統的資料,但一開始未必需要照著青銅、白銀、黃金三層架構建出整套資料表。作者建議先保留原始資料、記下重要欄位的歷次變化,並寫清楚每張表代表什麼、數字怎麼計算。文中用帳務金額把美分誤當美元的例子說明,保留收到時的原始資料,修正程式後就能重新計算。等到不同系統的資料需要反覆對照,或其他團隊也要使用整理後的資料,再增加對應的資料層。

  12. Dev.to Top Tech55

    AI 系統怎麼檢查才能放心上線?五種工程做法

    AI 系統通過自動測試,還是可能漏做需求、捏造資料細節,或錯過重要錯誤。文章整理五種讓系統上線前後更容易檢查的做法:用熟悉工作流程的人準備測試案例,確認任務有沒有完成、回答能否找到資料根據,也檢查隱私、公平性、速度和成本;每次修改後重跑測試,並記下失敗、修正結果和核準紀錄。上線後還要留意品質變化,檢查多個 AI 助理交接時有沒有漏掉資訊,也確認系統在沒有許可權時會停止或要求人工審核。

  13. Dev.to Top Tech75

    PostgreSQL 19 解除了 MultiXact 成員數上限,但回收仍可能卡在 template0

    PostgreSQL 資料庫遇到大量重疊的資料列鎖時,MultiXact 成員空間可能快速增加;即使升級,也不代表舊空間會自動回收。作者在 PostgreSQL 18.7 和 19.0 重做測試,發現 19 移除了 2^32 個成員的停止點,但 MultiXact ID 仍有 2^31 上限。回收要等所有資料庫處理到足夠新的位置,template0 也算在內;另一個資料庫裡閒置且持有資料列鎖的交易,也可能卡住整個叢集。測試中,把子資料列分批寫入、縮短交易內的等待時間、分散熱門資料列,都能降低每筆資料造成的成員數。作者也指出,升級到 19 會重寫並縮小保留的 MultiXact 成員資料。

  14. aihot73

    騰訊混元 Hy4 正式開源,並發布 System Card

    想試用或自行部署 Hy4 的人,需要先找到模型下載方式,也要了解相關安全評估。騰訊混元宣佈 Hy4 正式開源,可從 GitHub、Hugging Face、ModelScope 和 GitCode 下載部署,並同步發布 Hy4 的安全評估卡片 System Card。官方也表示,混元 LLM 模型已全部開源,未來會持續更新並開源。

    推薦理由:Hy4 開源與安全評估卡片同步發布,讓讀者能直接取得模型,也能檢視官方提供的安全評估內容。

  15. Dev.to Top Tech39

    Fireworks Index 如何整理 31 個國家的 4,714 家煙火製造商資料

    各地的煙火製造商名稱和資料格式不一,整理成名單時容易重複,也不容易確認資料從哪裡來;近 5,000 家公司若只按字母排列,也很難找到想看的地區。Fireworks Index 做了一份中英雙語名錄,把每家公司用固定編號辨認,並把各地語言的名稱另外記錄;每筆資料也附上公開登記資料、公司官網或產業協會等來源,方便查核更新。名錄再按國家和產煙火的城鎮分組,搭配產品分類、品牌和批發採購指南,讓人更容易按地區查詢,也看得懂各種分類。

  16. Dev.to Top Tech37

    Test-Time Training 如何讓 AI 助理在推論時邊讀邊學

    一般模型上線後,內部引數就固定了;新資料只能暫存在對話裡,對話結束後就留不下來。Test-Time Training(TTT)讓模型讀到新內容時,也替內部一個小型記憶網路更新引數,把眼前的規則或程式資訊記起來,再接著回答。像 Titans 這類架構會特別留意出乎意料的新資訊,讓重要內容更容易寫進記憶,同時保留原本的基礎知識。這種做法希望讓模型遇到陌生任務時能更快調整,也減少長對話中遺失細節的問題。

  17. Dev.to Top Tech58

    CAVEDU 說明 SO-101 如何從模擬走到真機機器人控制

    機器人在模擬環境中能完成任務,不代表換到真實機器人上也會成功,因為鏡頭、馬達和碰撞情況都可能不同。CAVEDU 整理 SO-101 的開發流程,從校正手臂、模擬操作和收集資料,到訓練 GR00T VLA、測試真機;Cosmos 在這條路徑中用來增加訓練資料的變化。文章也說明另一條路:把經過訓練的 Cosmos 3 Edge 機器人策略部署到 Jetson AGX Thor 上。兩條路各有分工,不能直接當成接上 SO-101 就能使用的整合方案,仍要在真實機器人上評估表現。

  18. Dev.to Top Tech52

    如何為非洲 AI 系統設計可信任的上線架構

    AI 模型在展示時表現不錯,到了金融、醫療或農業等實際場景,卻可能因資料有誤、模型不確定或環境改變而做出不可靠的判斷。作者整理一套從輸入到上線後監控的做法:先檢查資料,再依模型信心決定是否交給人覆核,並記錄重要決策、監看模型表現與安全狀況。以詐欺偵測為例,高風險交易可送交分析人員調查,後續再用確認過的結果評估模型是否需要更新。文章也提醒,發現資料或模型變化時應先調查,不能直接假設重新訓練就會改善。

  19. MarkTechPost49

    Meta FAIR 的 Self-Improving Memory 學會自己整理記憶,測試平均分數達 56.0

    AI 助理做一串工作時,常會忘記前面學到的事;如果每次都靠人先寫好記憶方法,也不一定適合每種任務。Meta FAIR 做出 Self-Improving Memory,讓 AI 助理先從工作中找出整理和讀取筆記的方法,再把這些本領教進模型。像處理程式專案時,它會保留快速入門說明、問題索引和各項修正紀錄,之後接手工作時就能查閱。 在 3 種測試任務中,AI 自己找到的記憶方法平均得到 56.0 分,高於人寫的方法 44.6 分;程式專案任務的分數更高出 20.6 分。把部分本領教進模型後,即使改用一般提示詞,平均仍有 43.1 分,高於直接用一般提示詞訓練的 37.6 分。這表示 AI 找到的整理方法能帶來幫助,但不是每次嘗試都有效:44 次修改中有 37 次沒有超過前一次的最佳結果。

  20. Databricks Blog78

    Databricks 測試 Genie One:集中管理業務定義,讓不同團隊得到一致答案

    同一個「損失率」可能因部門採用的演算法不同,出現方向相反但都正確的答案。Databricks 用虛構的保險公司測試 Genie One,結果顯示,只有團隊各自整理的 AI 助理時,整體答對率是 83%;再加入集中管理的計算方式與業務說明後,兩次測試達到 93% 到 95%。這些資料讓 Genie One 知道每個部門採用哪種定義,也讓直接回答或轉交 AI 助理時都能找到一致的演算法。團隊檔案仍要靠 AI 助理提供,因此兩者搭配才能同時處理定義和檔案問題。

    推薦理由:這項測試呈現各部門對同一指標各有合理定義時,集中管理計算方式與業務說明如何提升 Genie One 的答題一致性。

  21. Databricks Blog76

    Databricks 推出 Genie ZeroOps 公開測試版,自動找出資料管線問題並提出修正

    資料管線出錯時,工程師常得花好幾個小時翻查紀錄和相關資料,安靜發生的問題還可能拖到報表出錯才被發現。Databricks 的 Genie ZeroOps 現已開放公開測試版,會監看管線、查詢可能原因、在安全環境測試修正方式,再通知團隊;對使用 Git 的工作流程,也能建立附上問題資訊的 PR。它不會未經人員同意就更動程式碼或正式資料。Databricks 表示,私下測試期間觀察了超過 80,000 起客戶問題,發現超過一半需要了解各公司的做事方式,因此新增自訂指示等功能,協助團隊依自己的流程判斷問題。

    推薦理由:這次公開測試讓團隊可從告警、查詢原因一路看到修正提案,並依 80,000 多起客戶問題說明自訂公司知識對判斷的重要性。

  22. Dev.to Top Tech68

    教你用 OLake Go 和 AWS Glue,把 MySQL 變更同步到 Redshift

    MySQL 每天整批匯入 Redshift,資料可能不夠即時,整批過載也不容易帶上刪除紀錄。這篇教學示範用 OLake Go 讀取 MySQL 的變更紀錄,把資料寫進 AWS Glue 管理的 Iceberg 表,再讓 Redshift、Athena 和 DuckDB 讀取同一份資料。作者實測新增、修改和刪除資料後,Redshift 不用重新整理就能查到更新結果。這種做法適合需要讓多種工具共用資料的情境,但查詢會讀取 S3 檔案,速度不等同於 Redshift 原生資料表;若同步工作停太久,超過 MySQL 的變更紀錄保留時間,就需要重新複製資料。

  23. Databricks Blog54

    Databricks 說明合作夥伴如何用 Genie 免費額度在 Azure Databricks 推廣 AI

    企業想讓更多員工使用 AI,常會擔心人數增加後費用難以掌握。Databricks 說明,Azure Databricks 每位使用者每月有 $10 的 Genie 免費額度,並可設定預算門檻,超額使用時發出提醒或擋下新請求。Genie One 和 Genie Agents 對使用者免費至 2027 年 1 月 31 日;之後每月 $10 額度會由三種 Genie 服務共用。預算追蹤接近即時,但只是估算,實際費用可能略高或略低,進行中的請求也會完成;SQL 倉儲運算費另計。文章也介紹 Genie 如何連線 Microsoft Teams、Microsoft 365 Copilot、Excel 和 Copilot Studio,並沿用 Unity Catalog 的資料存取許可權。

  24. Dev.to Top Tech73

    作者分享租用 GPU 微調語言模型,如何減少浪費與訓練成本

    租用 GPU 按整臺機器的使用時間收費,資料沒整理好或流程出錯,都可能讓訓練花很多錢。作者用 Crimean Tatar 語言模型的實際經驗說明,短對話若補到固定長度,GPU 會花大量時間計算空白內容;把對話裝進較密實的區塊後,有效運算比例從 5% 提高到 99%,原本估計第二階段要花 $331 到 $413,後來降到 $14 到 $17。他也建議先在家完整演練流程、確認雲端機器真的租得到,並把儲存、設定和故障處理時間算進總費用。

  25. Dev.to Top Tech57

    教學:用 pgvector 把 Sherlock 查到的資料存成 AI 助理記憶

    查到的公開帳號資料如果寫入太慢,或相似度排序出錯,AI 助理之後就可能找錯人。作者把 Sherlock 當成帳號搜尋工具,再把確認過的個人檔案網址和簡短內容整理後存進 PostgreSQL 的 pgvector,供之後查詢。大量工作同時寫入會卡住索引,所以作者改用有容量上限的批次佇列;向量也會先縮放成固定長度,避免不同模型版本的資料讓排序跑掉。佇列滿了就暫緩或捨棄新資料,作者認為錯誤的相似結果比少存一筆更糟。

  26. Dev.to Top Tech52

    Datopian 解說全球參考資料為什麼不只需要郵遞區號

    企業要驗證地址、計算運費或整理各地區資料時,常發現郵遞區號無法解決所有問題。Datopian 團隊分享建置全球郵遞區號與行政區資料的經驗:有些地方沒有郵遞區號,有些程式碼只在特定資料系統中才有意義,行政區名稱也可能有多種語言。文章建議把程式碼和所屬系統一起記錄,讓不同資料能正確串接;名稱沒有可靠來源時,留白比機器翻譯出錯好。企業還可能需要另外加入稅務區域、偏遠地區和自家配送範圍等資料。

  27. Dev.to Top Tech51

    Senda 如何處理寫入逾時,避免遠端操作重複執行

    遠端寫入遇到逾時時,操作可能已經成功;如果馬上重試,就可能重複執行。作者分享自己打造的 Senda,這套早期原型會先把操作意圖記錄在 PostgreSQL,再對遠端系統寫入。若結果不明,Senda 會先檢視遠端狀態;仍無法確認時,就停下來交由人工檢查。作者表示,Senda 使用 Python 和 PostgreSQL,並以本機模擬器執行了 306 項測試。

  28. Dev.to Top Tech73

    Sumama-Jameel 示範如何公平比較五種格式不同的資料集

    資料集的格式和每筆資料代表的東西都不同,直接把數字放進同一張表,容易把蘋果和石頭當成同一種東西來比。Sumama-Jameel 分享一套比較方法:先寫清楚每列代表什麼,沒有的資料標成 N/A,再用同一套分詞工具計算,並同時呈現每筆資料和每 1k tokens 的數量。文章也列出資料大小、工具執行紀錄、錯誤後是否重試等檢查專案;作者用自己在意的「錯誤後成功修正」指標比較資料集,也公開自己落後的專案。這套做法著重檢查資料本身,不宣稱哪一組資料能讓模型表現更好。

  29. Databricks Blog71

    Databricks Genie Code 可一次把整個資料夾的 Tableau 和 Power BI 報表搬到 AI/BI

    把多年累積的 Tableau 或 Power BI 報表逐份搬家,可能得花上好幾個月。Databricks 現在讓 Genie Code 一次處理整個資料夾:先把報表放進 Unity Catalog volume,再從草稿儀錶板執行 /importBI,選好目錄和資料表綱要後,系統就會在背景逐份轉成 AI/BI 儀錶板。每份報表都有進度可追蹤,也能個別檢查和修改。完成不代表數字一定相同;切換使用者前,仍要比對原報表的數字、篩選條件和圖表。

    推薦理由:Databricks 說明如何把整個資料夾的 Tableau 或 Power BI 報表一次匯入 AI/BI,也提醒遷移後要逐份核對數字與篩選條件。

  30. Dev.to Top Tech68

    實測 PostgreSQL JSONB 資料表:資料列改寫幾次後,拆出欄位才划算?

    資料表裡常有很少變動的大段內容,也有一天會改好幾次的小欄位;每次更新時,這些資料要不要放在同一列,會影響寫入紀錄的大小。作者用兩種資料表設計和不同大小的內容做實測:小內容留在資料列時,每次更新都得一起寫,拆到另一張表可省下不少寫入;大內容則會移到 PostgreSQL 的 TOAST 儲存區,原本就不必每次重寫整段內容,但拆開後每次更新仍可少寫一些。作者的測試顯示,大內容通常要改寫兩次以上,拆表才划算;這個結論只適用於欄位沒有建索引、資料頁有空間等測試條件。

11月19日週四
  1. Rohan Paul65

    用 Claude Code 或 Codex 做出的儀錶板,可能只留在某個人的聊天視窗裡,資料也不一定會更新。Deepnote 推出 Apps,讓這些內部應用在連著公司資料來源的資料筆記本上執行,數字會保持最新,舊版本也會留下來。同事可以透過連結開啟,並依各自的許可權檢視內容。

    推薦理由:Deepnote Apps 把內部應用接上公司資料與許可權,並保留舊版本,呈現它和聊天視窗中臨時做出的儀錶板有何不同。

  2. Dev.to Top Tech50

    如何看懂邏輯斯迴歸和勝算比

    想知道某件事發生的機率會不會受其他因素影響,常會用邏輯斯迴歸;但它算出的「勝算比」很容易被誤當成「風險比」。例如,100 位接觸某因素的人有 40 位發生結果,另 100 位沒接觸的人有 20 位發生結果,風險比是 2,勝算比卻約是 2.67,表示直接把勝算比當成風險比,會把影響看得比較大。結果越常見,兩種數字就越可能差得多。 邏輯斯迴歸會把各種因素合起來估算事件機率,預測值會落在 0 到 1 之間。解讀結果時,除了看勝算比,也要看不同情況下的實際機率;如果資料太少、因素太多,或資料彼此有關,模型也可能給出不可靠的結果。選對方法並檢查模型,才能避免被一個看起來很大的數字誤導。

  3. Dev.to Top Tech51

    如何整理適合訓練模型的 CBCT 影像資料集

    CBCT 影像來自不同掃描器,畫面也可能有金屬或動作造成的雜訊;如果標註不一致,或同一位病人的影像同時放進訓練和測試資料,模型表現就可能失準。作者分享整理這類資料的方法:先決定模型要協助哪種臨床工作,再選合適的標註方式,寫清楚標註規則並先小規模試做。整理資料時要去除個人資訊、統一影像格式,並按病人分組;分割時也可用程式確認同一位病人沒有出現在不同資料組。這些步驟能讓標籤品質和模型測試結果更可靠。