张俊浩的留言板

Portfolio-Management

项目组合管理接口项目 状态： 最后编辑：3/15/21 贡献者：陈杰克，威廉·帧，文森特·兰，阿尼鲁达·杜塔，张俊浩，塞缪尔·佩列比科夫斯基 介绍 欢迎使用我们项目的README文件！ 该项目的目标是创建一个包含有关股票数据的仪表板，以便价值投资者可以一次比较多个公司的属性。 我们通过Yahoo Finance的抓取工具获取数据，然后将该信息发送到我们的Web界面，该界面允许用户选择要查看的股票并与我们的界面进行交互。 我们的项目提供了一种更有效的解决方案，可以同时比较不同股票的特定属性。 用法 该项目与用户进行交互的方式如下：用户将从Web界面输入并受到输入菜单的欢迎。 从那里开始，有两种基于用户偏好的“用例”。 首先是单个股票的更详细视图。 用户可以输入他们想获得更多具体信息的公司的股票代码。 输入代码后，Web界面会将该代码发送到我们的抓取工具，该抓取工具会找到数据并将其发送回Web

人身关系”流变考(上)【民法论文】.docx

人身关系”流变考(上)【民法论文】.docx

论文研究-Circle-based multi-label propagation algorithm for community detection.pdf

基于圈子的多标签传播社区检测算法，马千里，张俊浩，近年来，社区检测引起了复杂网络领域研究者的极大关注。过去十年以来，已经出现了许多种社区检测算法，这其中，标签传播算法(LPA)�

科技成果进场交易前，评估备案环节需要准备哪些材料？.docx

科易网基于40亿+科创知识图谱数据库，深度探索AI技术在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景，研究科技创新领域的AI+数智化解决方案，推动科技创新与产业创新智能化发展。

人工智能基于类型化方法的训练数据获取与处理体系：构建数据中心化AI治理框架

内容概要：本文从类型化视角系统研究了人工智能训练数据的获取与处理体系，提出应构建多元化、高质量、合规有序的数据供给体系。文章首先分析数据获取的三种类型：来源类型（网络公开抓取、开源数据集、多源协同）、合规性类型（合法性困境与制度供给）以及产业组织类型（“隐身劳动”到多元协作）。随后构建数据处理的类型化体系，包括四方面：阶段类型（从“生语料”到“归档数据集”的五阶段流程）、操作类型（形成包含采集、清洗、标注、脱敏、去重、切片、向量化等在内的“数据操作工具箱”）、范式类型（推动从“模型中心”向“数据中心”的范式转型），以及管理类型（建立覆盖全生命周期的治理框架）。最后指出，AI治理正迈向以数据为中心的新范式，需通过制度完善、产业协同、技术创新与监管强化实现系统性突破。; 适合人群：从事人工智能研发、数据治理、算法合规及相关政策研究的专业人员，尤其适用于AI企业技术管理者、数据科学家、法律合规从业者及政府监管部门人员。; 使用场景及目标：①理解AI训练数据获取的合法路径与产业协作模式；②掌握数据处理的全流程阶段划分与核心技术操作；③推动“数据为中心”的AI开发范式转型；④构建符合法律与伦理要求的全生命周期数据治理体系。; 阅读建议：此资源理论与实践结合紧密，建议读者结合实际项目中的数据采集、清洗、标注与合规流程进行对照学习，并重点关注“数据操作工具箱”与“数据中心AI”范式，以提升数据工程化能力和治理水平。