今天給大家推薦一款可視化開放平臺——DatArt，支持報表、儀表板、大屏、分析和可視化數據應用的敏捷構建。

簡介

DatArt 是新一代數據可視化開放平臺，支持各類企業數據可視化場景需求，如創建和使用報表、儀表板和大屏，進行可視化數據分析，構建可視化數據應用等。

特征

數據連接與查詢

DatArt 支持 SQL 查詢和 ODBC/JDBC 標準，可以連接到各種關系型數據庫，如 MySQL、PostgreSQL，以及 NoSQL 數據庫如 MongoDB。同時，它還提供了對接 RESTful API 的能力，讓數據導入變得更加便捷。

可視化構建器

DatArt 使用現代 Web 技術構建，基于 Vue.js 和 Ant Design，提供了豐富的圖表類型，包括柱狀圖、折線圖、餅圖等，并允許自定義樣式和交互。用戶可以通過簡單的拖放操作，快速構建出專業級別的數據報表。

協作與權限管理

項目級別的權限控制是 DatArt 的一大亮點。你可以為團隊成員分配不同的角色，如管理員、編輯者或查看者，確保每個成員只能訪問和修改他們被授權的內容。

多語言與國際化

DatArt 支持多語言界面，滿足全球用戶的使用需求，增強了用戶體驗。

優勢

• 易用性： 零代碼即可創建專業級數據可視化報表。

• 靈活性： 支持多種數據源，兼容廣泛的數據類型。

• 協作性強： 團隊協作功能，支持權限控制和版本管理。

• 定制化： 豐富的圖表選擇，可自定義樣式和交互。

• 跨平臺： Web 前端部署，可在任何地方訪問。

使用

1、連接jdbc

DatArt 通過 JDBC 連接數據庫、獲取數據庫信息和數據

2、數據視圖

在數據視圖中拼寫sql

3、數據圖表

點擊開始分析創建數據圖表

這邊選擇剛才創建的數據視圖

在字段中添加想要的字段，生成圖表。

4、儀表盤

儀表板擁有自動、自由兩種布局類型

簡單幾步操作，一個功能強大的可視化分析報表就生成了。

雖然Datart本身是作為一個獨立的平臺，但它鼓勵與其他系統的集成。例如，通過API接口或SDK，Datart能夠融入企業的現有IT架構，如ERP、CRM系統，成為數據分析的一部分。

對于開發者來說，利用Datart的插件體系，可以開發特定的可視化組件或數據處理邏輯，進而豐富Datart的功能生態。此外，通過Spring Boot等框架的集成，Datart可輕松地成為微服務架構中的一員。

開源地址

https://gitee.com/running-elephant/datart

如何學習大模型 AI ？

由于新崗位的生產效率，要優于被取代崗位的生產效率，所以實際上整個社會的生產效率是提升的。

但是具體到個人，只能說是：

“最先掌握AI的人，將會比較晚掌握AI的人有競爭優勢”。

這句話，放在計算機、互聯網、移動互聯網的開局時期，都是一樣的道理。

我在一線互聯網企業工作十余年里，指導過不少同行后輩。幫助很多人得到了學習和成長。

我意識到有很多經驗和知識值得分享給大家，也可以通過我們的能力和經驗解答大家在人工智能學習中的很多困惑，所以在工作繁忙的情況下還是堅持各種整理和分享。但苦于知識傳播途徑有限，很多互聯網行業朋友無法獲得正確的資料得到學習提升，故此將并將重要的AI大模型資料包括AI大模型入門學習思維導圖、精品AI大模型學習書籍手冊、視頻教程、實戰學習等錄播視頻免費分享出來。

第一階段（10天）：初階應用

該階段讓大家對大模型 AI有一個最前沿的認識，對大模型 AI 的理解超過 95% 的人，可以在相關討論時發表高級、不跟風、又接地氣的見解，別人只會和 AI 聊天，而你能調教 AI，并能用代碼將大模型和業務銜接。

• 大模型 AI 能干什么？

• 大模型是怎樣獲得「智能」的？

• 用好 AI 的核心心法

• 大模型應用業務架構

• 大模型應用技術架構

• 代碼示例：向 GPT-3.5 灌入新知識

• 提示工程的意義和核心思想

• Prompt 典型構成

• 指令調優方法論

• 思維鏈和思維樹

• Prompt 攻擊和防范

• …

第二階段（30天）：高階應用

該階段我們正式進入大模型 AI 進階實戰學習，學會構造私有知識庫，擴展 AI 的能力。快速開發一個完整的基于 agent 對話機器人。掌握功能最強的大模型開發框架，抓住最新的技術進展，適合 Python 和 JavaScript 程序員。

• 為什么要做 RAG

• 搭建一個簡單的 ChatPDF

• 檢索的基礎概念

• 什么是向量表示（Embeddings）

• 向量數據庫與向量檢索

• 基于向量檢索的 RAG

• 搭建 RAG 系統的擴展知識

• 混合檢索與 RAG-Fusion 簡介

• 向量模型本地部署

• …

第三階段（30天）：模型訓練

恭喜你，如果學到這里，你基本可以找到一份大模型 AI相關的工作，自己也能訓練 GPT 了！通過微調，訓練自己的垂直大模型，能獨立訓練開源多模態大模型，掌握更多技術方案。

到此為止，大概2個月的時間。你已經成為了一名“AI小子”。那么你還想往下探索嗎？

• 為什么要做 RAG

• 什么是模型

• 什么是模型訓練

• 求解器 & 損失函數簡介

• 小實驗2：手寫一個簡單的神經網絡并訓練它

• 什么是訓練/預訓練/微調/輕量化微調

• Transformer結構簡介

• 輕量化微調

• 實驗數據集的構建

• …

第四階段（20天）：商業閉環

對全球大模型從性能、吞吐量、成本等方面有一定的認知，可以在云端和本地等多種環境下部署大模型，找到適合自己的項目/創業方向，做一名被 AI 武裝的產品經理。

• 硬件選型

• 帶你了解全球大模型

• 使用國產大模型服務

• 搭建 OpenAI 代理

• 熱身：基于阿里云 PAI 部署 Stable Diffusion

• 在本地計算機運行大模型

• 大模型的私有化部署

• 基于 vLLM 部署大模型

• 案例：如何優雅地在阿里云私有部署開源大模型

• 部署一套開源 LLM 項目

• 內容安全

• 互聯網信息服務算法備案

• …

學習是一個過程，只要學習就會有挑戰。天道酬勤，你越努力，就會成為越優秀的自己。

如果你能在15天內完成所有的任務，那你堪稱天才。然而，如果你能完成 60-70% 的內容，你就已經開始具備成為一名大模型 AI 的正確特征了。

這份完整版的大模型 AI 學習資料已經上傳CSDN，朋友們如果需要可以微信掃描下方CSDN官方認證二維碼免費領取【保證100%免費】

本文來源：https://blog.csdn.net/m0_59163425/article/details/141870305