- 综合排序
- 最热优先
- 最新优先
无代码：数字化转型的轻量化革命与实践路径
无代码平台的出现，以“可视化拖拽、零代码编程”为核心，打破了技术与业务之间的壁垒，成为推动数字化转型走向普惠的关键力量。 1.3 降低试错成本，增强组织灵活应变能力数字化转型过程中，企业往往面临需求不明确、市场变化快等问题，传统开发模式下，一旦需求调整，需要重新修改代码，成本高、风险大。 二、无代码的典型应用场景：从部门级工具到企业级系统无代码的应用范围已从最初的部门级轻量工具，逐步拓展至企业级核心业务系统，覆盖多个业务领域，成为企业数字化转型的“万能工具箱”：2.1 内部管理类应用：优化办公流程企业内部管理是无代码的核心应用场景之一 它让数字化转型从“技术驱动”转向“业务驱动”，让每一个有创新想法的人都能成为数字化的参与者和推动者。 随着技术的不断成熟，无代码将成为企业数字化转型的标配工具，帮助更多企业以更低成本、更高效率实现数字化升级，在数字经济时代抢占发展先机。
18810编辑于 2025-12-29无代码：数字化转型的轻量化落地路径与实践逻辑
本文将从无代码的崛起逻辑、应用场景、技术融合及落地要点出发，探讨其在数字化转型中的实践价值。 一、数字化转型的“轻量化”需求：无代码的崛起逻辑1.1 中小企业的数字化痛点：技术门槛与灵活适配矛盾传统数字化转型依赖专业开发团队，不仅需要投入大量人力成本，且开发周期通常以月为单位，难以适配中小企业“ 三、AI+无代码：技术融合下的效率升级3.1 AI赋能无代码的核心方向AI与无代码的融合并非“重技术叠加”，而是以“轻量化赋能”为核心，聚焦降低操作门槛和提升系统智能化水平。 3.2 轻量化融合的实践边界AI+无代码的应用需坚守“业务导向”原则，避免过度追求技术噱头。 随着AI等技术的轻量化融合，无代码将进一步降低数字化门槛，成为中小企业数字化转型的“普惠工具”。
22210编辑于 2025-12-15中小企业轻量化数字化转型：低代码高效落地指南
在数字经济浪潮下，数字化转型已成为中小企业生存发展的必选项，但技术人才稀缺、预算有限、业务需求灵活等痛点，让传统定制开发或标准化系统难以适配。 低代码平台凭借可视化开发、模块化搭建的核心优势，为中小企业提供了“省钱又好用”的数字化解决方案，无需大量专业开发人员，即可快速构建贴合业务需求的应用系统，成为破解转型困境的关键抓手。 二、中小企业低代码落地的关键实施策略2.1 前期：精准梳理需求，聚焦核心场景中小企业数字化转型需避免“大而全”的误区，应优先梳理核心业务痛点。 建议通过业务部门访谈、流程拆解等方式，明确亟待解决的场景需求，如客户管理、库存统计、审批流程自动化等，优先搭建覆盖核心场景的轻量化应用。 结语对于中小企业而言，低代码平台的核心价值在于以低成本、高效率的方式打破数字化转型壁垒，让技术真正服务于业务发展。
28010编辑于 2026-01-14腾讯云政府数字化转型实践：数据整合、智能服务与效能量化
直面政府数字化转型共性瓶颈 政府数字化转型中，跨部门协作效率、数据价值挖掘、民生服务体验提升面临明确瓶颈。 量化应用成效与客户价值落地 深圳市政务服务和数据管理局（市级大数据平台和数据库项目） 建设统一大数据湖：接入30+单位，累计汇聚超600亿条数据，支撑150个主题库专题库建设，918TB数据存储，通过大数据商城发布 量化效能验证：多客户实践验证效能，如深圳政数局数据汇聚600亿+、邯郸公积金满意度90%+、宝安区办理时长缩短35%（来源：第三章数据）。
14410编辑于 2026-04-11- 来自专栏韩曙亮的移动开发专栏
【Cubase】Cubase 量化设置 ( 量化预置 | 长度量化 | 快捷键设置 | 量化开头 | 量化 MIDI 事件结尾 | 量化 MIDI 事件长度 )
文章目录 一、要解决的问题 二、量化预置 三、长度量化 四、快捷键及设置 1、快捷键及设置 2、量化开头 3、量化 MIDI 事件结尾 4、量化 MIDI 事件长度 五、对 MIDI 进行量化操作 本博客中的所有设置都是在 ; 三、长度量化 ---- 长度量化 参数设置 : 在下图 处设置长度量化 , 如果设置成 " 1/16 " , 那么使用鼠标拖动时 , 音符的长度只能是 16 分音符的整数倍 ; 上述的 量化预置 ; 2、量化开头 量化开头 : 默认按键 " Q " 是量化开头 ; 将所有音符的开始位置对齐到 " 量化预制 " 对应的格子中 ; 该设置是系统自带的 , 不建议修改 ; 3、量化 MIDI 事件结尾 量化 MIDI 事件结尾 : 首先选中左侧的 " 量化类别 / 量化 MIDI 事件结尾 " , 点击右侧的 " 输入快捷键 " 下方的输入框 ; 输入快捷键后 , 点击 " 指定 " " 快捷键 , 量化音符长度 , 此时音符都排列整齐了 , 音符开头和音符长度进行了量化 , 音符结尾自然也进行了量化 ;
4.5K00编辑于 2023-03-28 小程序容器助力银行数字化转型：构建轻量化金融服务新生态
一、金融行业数字化转型的核心困境在监管要求趋严与用户需求升级的双重压力下，银行传统 IT 架构的弊端日益凸显。 10 分钟，引发 15% 的用户投诉· 适老化改造困难：为老年用户定制大字体、语音导航等功能需重构界面逻辑，某银行适老化版本开发耗时 3 个月二、小程序容器重构金融服务技术架构小程序容器技术通过 "轻量化运行 FinClip 作为专业的小程序容器服务商，其解决方案在某头部银行实践中，使新功能开发效率提升 70%，跨端适配成本下降 80%，成为银行数字化转型的核心技术底座。1. 跨端融合的轻量化开发体系FinClip 支持 "一次开发，多端运行" 的金融级适配：· 全渠道覆盖：微信小程序代码可直接运行于手机银行 APP、微信银行、智能柜台终端，某城商行借此整合 12 个业务系统 智能终端：拓展金融服务边界在新兴设备场景中，FinClip 实现轻量化部署：· 智能柜台适配：小程序容器体积仅 8MB，在老旧终端上运行内存占用降低 70%，某农商行 2000 台智能柜台升级成本下降
33410编辑于 2025-07-11- 来自专栏算法之名
量化交易
针对可交易的投资商品，理性地运用逻辑分析和回归统计判断市场趋势称为量化交易。 量化策略 量化策略就是赚钱"因子"，可以分为基本面和技术面。
47110编辑于 2024-08-21 - 来自专栏图像处理与模式识别研究所
图像量化
from skimage import data from matplotlib import pyplot as plt image=data.coffee()#原始图像 ratio=128#设置量化比率 range(image.shape[2]):#图片通道数 image[i][j][k]=int(image[i][j][k]/ratio)*ratio#对图像中的每个像素进行量化 本文的图像量化过程是将256级的彩色图像量化到2级的彩色图像。 量化等级越多，量化比率越低，所得图像层次越丰富，灰度分辨率越高，图像质量好，但数据量大；量化等级越少，量化比率越高，图像层次欠丰富，灰度分辨率低，可能会出现假轮廓，图像质量变差，但数据量较小。 图像量化的作用是在一定主观保真图像质量的前提下，丢掉对视觉影响不大的信息，以获得较高的压缩比。
78220编辑于 2022-05-28 Python 量化
Python 量化是指利用 Python 编程语言以及相关的库和工具来进行金融市场数据分析、策略开发和交易执行的过程。 Python 由于其简洁、易学、强大的生态系统和丰富的金融库而成为量化交易的首选编程语言之一。 量化交易在金融领域得到广泛应用，它允许交易者通过系统性的方法来制定和执行交易策略，提高交易效率和决策的科学性。 量化主要是通过数学和统计学的方法，利用计算机技术对金融市场进行量化分析，从而制定和执行交易策略。 更多 Python 量化内容可以查看：Python 量化交易。 实例应用 接下来我们先看一个 Python 量化简单的应用实例，可以使用移动平均策略，使用雅虎金融数据来实现。 该策略的基本思想是通过比较短期和长期移动平均线来生成买入和卖出信号。
33810编辑于 2025-12-16- 来自专栏机器学习、深度学习
模型量化
下图显示不同量化策略对速度的提升影响 ? 量化卷积过程 ? 加速策略： AND, XOR and bitcount operations 训练过程 ? 分类性能对比 ?
88110发布于 2019-05-26 - 来自专栏小明的博客
量化交易
量化投资没有确切的定义，它泛指通过数学分析、挖掘价格波动规律，或者通过对相关宏观经济、财务数据、量价关系、资金交易等数据进行建模，寻找数据之间的关系，以获得稳定利润为目标，持续计算生成定量化的投资信号 多资产多策略配置: 对冲风险更高收益 技术信息理论的三大假设 市场行为包容消化一切信息 市场运行以趋势方式演变 历史会重演（我们可以通过历史数据来推断未来走势 绩效评估指标 绩效指标也被称为风险指标，它们也是量化投资的基石
2.7K20编辑于 2022-09-06 - 来自专栏算法码上来
【白话模型量化系列一】矩阵乘法量化
然后整数矩阵 的数值范围其实就是有符号整数的表示范围 ， ，为了实现的简单，我们只量化到 ，这样就和 一样关于零点左右对称了。 如果我们强行还按照 的范围来量化relu结果 的话会怎么样呢？这样会导致整数区间 永远不会有数字，因为根本没有负数浮点数的存在。这样就白白浪费了127个整数，就会导致量化的精度大大受损。 总结 如果矩阵乘法两个输入的范围都是关于零点对称的，那么计算公式为： 「量化：」 「反量化：」 如果矩阵乘法其中一个输入是relu的结果，那么计算公式为： 「量化：」 「反量化：」 当然还有很多其他情况 此外为了减小量化的损失，还需要在模型结构中插入伪量化节点，然后进行量化感知训练（QAT）。接着还需要将finetune后的模型存储为int8格式。然后还需要开发加载int8模型的推理加速库代码。 网上关于量化的优秀教程非常多，我不会讲太多理论上的量化知识，只会从实践的角度来白话一下我们在Transformer模型量化过程中做的一些尝试。
1.3K20发布于 2021-12-02 - 来自专栏PPV课数据科学社区
十年量化老兵谈量化：玩转量化投资你需要这些技能
量化能看到更多的机会，比如说现在A股有将近3000只股票，如果不用量化，靠一个人的力量最多管理到300只已经很难了，但量化，30000只的管理和3000只几乎没什么差异。 【投研体系】“量化老兵投资体系三大支柱” 问：您这些年一直是做量化投资的，能否讲讲您的量化投资体系？ 持有封基：我入市整整十年，一直是量化投资。基本面、技术面，只要能吃饱的都是一碗好面。 “构建量化模型的四个步骤：猜想、建模、回测、实战” 问：具体而言，您是如何构建量化模型的吗？如何确定量化因子的？ 持有封基：量化四步骤——猜想、建模、回测、实战。 “做好量化投资：有数学天赋很重要” 问：你做量化差不多十年了，在您看来要做好量化投资，需要做些什么准备？ 持有封基：除了热爱投资，还需要热爱数学，热爱量化，这是最根本的。 因为量化投资是一条充满荆棘的道路，只有真正热爱才会浸润在量化中以此为乐。
2.6K61发布于 2018-04-24 - 来自专栏NetCore
平民化量化平台-刚米量化
目前国内量化基金规模已经越来越庞大，量化投资的规模更是巨大，计算机的运行速度已经远远超过我们大脑，虽然说无法做到每次投资都赚钱，但只要数据够大，胜率超过50%以上，甚至60%以上，经过长时间的复利，就能达到很好的效果 量化交易具有以下几个方面的特点： 1、纪律性。根据模型的运行结果进行决策，而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点，也可以克服认知偏差，且可跟踪。 2、系统性。 普通人是否适合量化？ 1 其实普通人很难进行量化，因为量化的基础是基于历史大数据，如果实盘还需要实时数据，这些都是很耗费人工和资金的。 那普通人想要尝试量化，该如何做呢？ 在刚米量化平台你可以做什么？
87830编辑于 2022-09-16 - 来自专栏量化小白上分记
量化学习资源分享（十一）：FOF量化专题
这次整理了一些基金或者说FOF量化相关的研报，后台回复“FOF报告”获取报告合集。
70421编辑于 2023-03-19 - 来自专栏AI算法与图像处理
Pytorch量化入门之超分量化（一）
来源:AIWakler 最近Happy在尝试进行图像超分的INT8量化，发现：pytorch量化里面的坑真多，远不如TensorFlow的量化好用。 背景 量化在不同领域有不同的定义，而在深度学习领域，量化有两个层面的意义：(1) 存储量化，即更少的bit来存储原本需要用浮点数(一般为FP32)存储的tensor；(2) 计算量化，即用更少的bit 对于量化后模型而言，其部分或者全部tensor(与量化方式、量化op的支持程度有关)将采用INT类型进行计算，而非量化前的浮点类型。 Training Static Quantization：静态量化，训练后静态量化，这是CV领域应用非常多的一种量化方式； Quantization Aware Training：感知量化，边训练边量化 ，一种比静态量化更优的量化方式，但量化时间会更长，但精度几乎无损。
3.4K22发布于 2021-02-05 - 来自专栏量化小白上分记
从零开始学量化（一）：量化如何入门
作为在校生，进入量化行业的途径一般是首先自己在学校能掌握一定的量化基础，然后去企业找实习，最终通过实习/秋招留用。实习一般是去卖方研究所金工组、买方私募公募资管自营等各种机构，这里不介绍，可百度。 关于量化基础，实际上可以总结为三方面的能力：金融背景、数学功底和编程能力，编程能力是门槛，编程不好，什么都白谈。 接下来分别从量化、数学、金融三个角度说明。 ? 数据可视化能力 不论是做数据分析还是量化，可视化都是非常重要的，不过量化方向可视化要求相对低一些，毕竟逻辑和结果更重要。 这方面需要会的东西包括： - 宏微观经济学：了解刻画宏观经济运行的各种经济指标的含义，以及公布的时间点，频率等等，这在量化建模中非常重要，现在有很多研究所都在从宏观基本面做量化择时和经济周期预测，至于课本里学的
15.5K97发布于 2019-04-24 腾讯AI技术赋能燃气行业智能化服务转型：从场景痛点到量化成效
剖析燃气行业服务升级共性瓶颈 燃气行业在数字化转型中面临多重战略困境：知识管理复杂导致应答准确性不足，人工客服工作量大且服务效率低；用户连接分散，精细化运营能力弱；数据孤岛现象突出，一线人员数据分析门槛高 量化AI应用驱动业务效能提升 腾讯AI技术在燃气及相关行业的量化成效显著，核心指标如下： 智能客服效率：某知名车企案例中，智能在线客服机器人独立解决率从37%提升为84%，月均自动解决客户咨询问题1.7
8010编辑于 2026-04-09腾讯云智能制造与能源行业数字化转型：解决方案与量化价值实践
破解制造与能源企业数字化转型共性瓶颈 制造与能源行业面临战略转型关键期，理想与现实的差距集中体现为四大核心挑战： 业务增长模式切换：传统制造从增量市场转向存量竞争，成本上升、利润承压（如合力叉车受贸易摩擦 量化验证业务效率与价值增长实效 关键客户价值与数据（来源：腾讯云客户案例集） 长飞先进：通过零信任接入与企业微信安全网关，实现所有办公设备安全接入，基于腾讯会议、企业微信构建协同生态，加速多地高效协同安全办公 —— 中国化学五环公司（国家高新技术企业） 腾讯云赋能制造与能源转型的核心优势 选择腾讯云的核心逻辑在于技术确定性+行业深度+生态协同： 连接与协同基因：企业微信（4亿+用户）、腾讯会议（全球覆盖 行业深耕实践：WeMake工业互联网平台（合力叉车AGV调度）、能源解决方案（南方电网数字电网）沉淀头部客户案例（国家电网、远景科技等），量化效果经多行业验证。
2700编辑于 2026-04-15- 来自专栏AI算法与图像处理
Pytorch量化入门之超分量化（二）
来源：AIWalker 最近Happy在尝试进行图像超分的INT8量化，发现：pytorch量化里面的坑真多，远不如TensorFlow的量化好用。 准备工作 在真正开始量化之前，我们需要准备好要进行量化的模型，本文以EDSR-baseline模型为基础进行。 ，比如X86平台应该采用fbgemm方式进行量化，而ARM平台则应当采用qnnpack方式量化。 也就是说完成了初步的量化工作，因为接下来的测试论证很关键，如果量化损失很严重也不行的。 量化模型测试 接下来，我们对上述量化好的模型进行一下测试看看效果。 下图给出了DIV2K训练集中0018数据采用第二种量化组合效果对比，可以感知到明显的量化损失。 ?
1.6K20发布于 2021-02-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号