李斌 阿里云容器服务 全民双十一 基于容器服务的大促备战 关注“阿里巴巴云原生”公众号 回复 1124 获取 PPT我是谁挑战在哪里？ 极限并发 人为失误 系统瓶颈 雪崩 单点失效 成本控制 用户体验 最终一致性 稳定性 资源不足 资源利用率 安全风险备战工具箱 服务化 开发运维一体化 弹性 极致性能 高可用 全站上云 安全加固 人工智能 大数据

北京航空航天大学 高研院 助理教 授 清华大学新闻学院与人工智能学 院双聘教授 沈阳团队博士后 何静 能做什么？ 要怎么做？ 效果如何？ 一 能做什么？ 数据挖掘 数据分析 数据采集 数据处理 数据可视化 AIGC 数据应用 通过编写爬虫代码、访问数据库、读取文件、调用API等方式，采 集社交媒体数据、数据库内容、文本数据、接口数据等。 通过数据清洗、数据集成、数据变换、特征工程等方式，实 数据挖掘深度较浅 Kimi k1.5  数据挖掘能力出色  快速读取文件数据，提取网址链接  长文本数据处理能力突出  爬虫数据采集存在代码错误问题  数据分析能力相对较弱 数据应用情况总结 新思路：优势互补，协同应用 Claude+DeepSeek 数据处理的“洗髓易筋” Claude 3.5 Sonnet 在文本提取 上较稳定，可用于数据清洗， DeepSeek R1强大的中文理解能力，自动识 别并修复古籍中的破损文字，同时生成准确的 注释和解释，帮助修复难以辨认的古籍内容。 • 中 文 法 律 文 本 分 析 与 生 成 ： 基于 DeepSeek R1的中文数据处理能力，快速分 析法律文本，提取关键信息，自动生成合同草 案、法律意见书等，提高律师工作效率。 • 智能医疗数据分析与诊断：构建智能医疗 平台，分析病历、检查报告和基因数据，帮助 医生提供更准确的诊断与治疗方案。

不完备、标注人员能力不够、标注错误等问题，不仅会影响模型算法准确度、 可靠性、有效性，还可能导致训练偏差、偏见歧视放大、泛化能力不足或输出 错误。 （d）数据泄露风险。人工智能研发应用过程中，因数据处理不当、非授 权访问、恶意攻击、诱导交互等问题，可能导致数据和个人信息泄露。 3.1.3 系统安全风险 （a）缺陷、后门被攻击利用风险。人工智能算法模型设计、训练和验证 的标准接口、特性库和 图片、音频、视频等高仿真内容，可能绕过现有人脸识别、语音识别等身份认 证机制，导致认证鉴权失效。 （c）不当使用引发信息泄露风险。政府、企业等机构工作人员在业务工 作中不规范、不当使用人工智能服务，向大模型输入内部业务数据、工业信息， 导致工作秘密、商业秘密、敏感业务数据泄露。 （d）滥用于网络攻击的风险。人工智能可被用于实施自动化网络攻击或- 6 - 人工智能安全治理框架 提高攻击效率，包 现实域风险应对 （a）根据用户实际应用场景设置服务提供边界，裁减人工智能系统可能 被滥用的功能，系统提供服务时不应超出预设应用范围。 （b）提高人工智能系统最终用途追溯能力，防止被用于核生化导等大规 模杀伤性武器制造等高危场景。 4.2.3 认知域风险应对 （a）通过技术手段判别不符合预期、不真实、不准确的输出结果，并依 法依规监管。 （b）对收集用户提问信息进行关联分析、汇聚挖掘，进而判断用户身份、

mmap —内存映射文件支持 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 909 19 互联网数据处理 913 19.1 email —电子邮件与 MIME 处理包 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 如果实参是字符串，则它必须是包含十进制数字的字符串，字符串前面可以有符号，之前也可以有空 格。可选的符号有 '+' 和 '-' ；'+' 对创建的值没有影响。实参也可以是 NaN（非数字）、正负无穷 大的字符串。确切地说，除去首尾的空格后，输入必须遵循以下语法： 1 解析器只接受 Unix 风格的行结束符。如果您从文件中读取代码，请确保用换行符转换模式转换 Windows 或 Mac 风格的换行符。 numeric_value 这 里，floatnumber 是 Python 浮 点 数 的 字 符 串 形 式， 详 见 floating。 字 母 大 小 写 都 可 以， 例 如，“inf”、“Inf”、“INFINITY”、“iNfINity”都可以表示正无穷大。 另一方面，如果实参是整数或浮点数，则返回具有相同值（在 Python 浮点精度范围内）的浮点数。如 果实参在 Python 浮点精度范围

mmap —内存映射文件支持 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 909 19 互联网数据处理 913 19.1 email —电子邮件与 MIME 处理包 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 如果实参是字符串，则它必须是包含十进制数字的字符串，字符串前面可以有符号，之前也可以有空 格。可选的符号有 '+' 和 '-' ；'+' 对创建的值没有影响。实参也可以是 NaN（非数字）、正负无穷 大的字符串。确切地说，除去首尾的空格后，输入必须遵循以下语法： 1 解析器只接受 Unix 风格的行结束符。如果您从文件中读取代码，请确保用换行符转换模式转换 Windows 或 Mac 风格的换行符。 numeric_value 这 里，floatnumber 是 Python 浮 点 数 的 字 符 串 形 式， 详 见 floating。 字 母 大 小 写 都 可 以， 例 如，“inf”、“Inf”、“INFINITY”、“iNfINity”都可以表示正无穷大。 另一方面，如果实参是整数或浮点数，则返回具有相同值（在 Python 浮点精度范围内）的浮点数。如 果实参在 Python 浮点精度范围

asynchat —异步 socket 指令/响应处理器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 736 18 互联网数据处理 741 18.1 email —电子邮件与 MIME 处理包 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . nan 会分别被格式化为 inf, -inf, 0, -0 和 nan，无论精度如何设 定。 精度 0 会被视为等同于精度 1。默认精度为 6。 'G' 常规格式。类似于 'g'，不同之处在于当数值非常大时会切换为 'E'。无穷与 NaN 也 会表示为大写形式。 'n' 数字。这与 'g' 相似，不同之处在于它会使用当前区域设置来插入适当的数字分隔字 符。 '%' 百分比。将数字乘以 100 并显示为定点 的上界。 这三个返回匹配部分占字符总数的比率的方法可能由于不同的近似级别而给出不一样的结果，但是 quick_ratio() 和 real_quick_ratio() 总是会至少与 ratio() 一样大： >>> s = SequenceMatcher(None, "abcd", "bcde") >>> s.ratio() 0.75 >>> s.quick_ratio() 0.75 >>> s.real_quick_ratio()

asynchat —异步 socket 指令/响应处理器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 736 18 互联网数据处理 741 18.1 email —电子邮件与 MIME 处理包 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . nan 会分别被格式化为 inf, -inf, 0, -0 和 nan，无论精度如何设 定。 精度 0 会被视为等同于精度 1。默认精度为 6。 'G' 常规格式。类似于 'g'，不同之处在于当数值非常大时会切换为 'E'。无穷与 NaN 也 会表示为大写形式。 'n' 数字。这与 'g' 相似，不同之处在于它会使用当前区域设置来插入适当的数字分隔字 符。 '%' 百分比。将数字乘以 100 并显示为定点 的上界。 这三个返回匹配部分占字符总数的比率的方法可能由于不同的近似级别而给出不一样的结果，但是 quick_ratio() 和 real_quick_ratio() 总是会至少与 ratio() 一样大： >>> s = SequenceMatcher(None, "abcd", "bcde") >>> s.ratio() 0.75 >>> s.quick_ratio() 0.75 >>> s.real_quick_ratio()

asynchat —异步 socket 指令/响应处理器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 736 18 互联网数据处理 741 18.1 email —电子邮件与 MIME 处理包 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . nan 会分别被格式化为 inf, -inf, 0, -0 和 nan，无论精度如何设 定。 精度 0 会被视为等同于精度 1。默认精度为 6。 'G' 常规格式。类似于 'g'，不同之处在于当数值非常大时会切换为 'E'。无穷与 NaN 也 会表示为大写形式。 'n' 数字。这与 'g' 相似，不同之处在于它会使用当前区域设置来插入适当的数字分隔字 符。 '%' 百分比。将数字乘以 100 并显示为定点 的上界。 这三个返回匹配部分占字符总数的比率的方法可能由于不同的近似级别而给出不一样的结果，但是 quick_ratio() 和 real_quick_ratio() 总是会至少与 ratio() 一样大： >>> s = SequenceMatcher(None, "abcd", "bcde") >>> s.ratio() 0.75 >>> s.quick_ratio() 0.75 >>> s.real_quick_ratio()

--- 内存映射文件支持 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 957 20 互联网数据处理 961 20.1 email --- 电子邮件与 MIME 处理包 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 如果实参是字符串，则它必须是包含十进制数字的字符串，字符串前面可以有符号，之前也可以有空 格。可选的符号有 '+' 和 '-' ；'+' 对创建的值没有影响。实参也可以是 NaN（非数字）、正负无穷 大的字符串。确切地说，除去首尾的空格后，输入必须遵循以下语法： sign ::= "+" | "-" infinity ::= "Infinity" | "inf" nan ::= "nan" numeric_value numeric_value 这 里，floatnumber 是 Python 浮 点 数 的 字 符 串 形 式， 详 见 floating。 字 母 大 小 写 都 可 以， 例 如，“inf”、“Inf”、“INFINITY”、“iNfINity”都可以表示正无穷大。 另一方面，如果实参是整数或浮点数，则返回具有相同值（在 Python 浮点精度范围内）的浮点数。如 果实参在 Python 浮点精度范围

--- 内存映射文件支持 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1016 19 互联网数据处理 1021 19.1 email --- 电子邮件与 MIME 处理包 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 如果实参是字符串，则它必须是包含十进制数字的字符串，字符串前面可以有符号，之前也可以有空 格。可选的符号有 '+' 和 '-' ；'+' 对创建的值没有影响。实参也可以是 NaN（非数字）、正负无穷 大的字符串。确切地说，除去首尾的空格后，输入必须遵循以下语法： sign ::= "+" | "-" infinity ::= "Infinity" | "inf" nan ::= "nan" numeric_value numeric_value 这 里，floatnumber 是 Python 浮 点 数 的 字 符 串 形 式， 详 见 floating。 字 母 大 小 写 都 可 以， 例 如，“inf”、“Inf”、“INFINITY”、“iNfINity”都可以表示正无穷大。 另一方面，如果实参是整数或浮点数，则返回具有相同值（在 Python 浮点精度范围内）的浮点数。如 果实参在 Python 浮点精度范围