-
大数据下BI产品如何发挥最大价值
所属栏目：[资源] 日期：2021-05-28 热度：117
看到这个题目，你是否总感觉云里雾里？你是否真正懂什么叫“大数据”？商业智能BI和大数据又有着什么千丝万缕的联系？为什么说商业智能BI能在大数据中发挥价值？ 大数据，指的是所涉及的数据资料量规模巨大到无法通过人脑甚至主流软件工具，在合理时间内达[详细]
-
帆软FineBI：人人可用的自助型BI，数秒呈现数据可视化
所属栏目：[资源] 日期：2021-05-28 热度：108
副标题#e# 今天给大家介绍一款上手度极低、可用做数据可视化的工具——帆软商业智能FineBI（www.finebi.com），它简单易用，人人可用，可以让业务人员自主、灵活、多样的可视化分析，无需任何技术，数秒实现数据可视化。借助FineBI，企业可以充分发掘数据价[详细]
-
数据处理（一）
所属栏目：[资源] 日期：2021-05-28 热度：64
在实际项目开发中，归档解档以及writetofile用的相对较少，但也必须了解一下。 归档解档 一、归档解档的理解如下： /** * 可以存储自定义模型对象 * 1.归档相对于polist存储而言，它可以直接存储自定义模型对象，而polist文件需要将模型转化为字典才可以存[详细]
-
PAT 1007 A除以B (20) （大数取余+除法）
所属栏目：[资源] 日期：2021-05-28 热度：175
思路：串的处理。 #includemap#includequeue#includecmath#includecstdio#includestack#includeiostream#includecstring#includealgorithm#define ll long long#define inf 0x3f3f3f3f#define eps 1e-8#includevector#define ls l,mid,rt1#define rs mid+1[详细]
-
BI数据仓库构建和BI数据分析应用
所属栏目：[资源] 日期：2021-05-28 热度：82
BI数据仓库是为了便于多维分析和多角度展示数据按特定模式进行存储所建立起来的关系型数据库。在商业智能系统的设计中，数据仓库的构建是关键，是商业智能系统的基础，承担对业务系统数据整合的任务，为商业智能系统提供数据抽[详细]
-
如何通过流程挖掘改进业务步骤
所属栏目：[资源] 日期：2021-05-28 热度：174
流程挖掘是一种方法，通过这种方法，组织可以从现有的系统中收集数据，以客观地可视化业务流程是如何运行的，以及如何改进它们。从流程挖掘中获得的分析洞察力可以帮助优化整个组织的数字化转型计划。 在过去，流程挖掘在制造业中的应用最为广泛，可以用来[详细]
-
基于3D彩票Knn算法的遗漏模式挖掘
所属栏目：[资源] 日期：2021-05-28 热度：176
作者：白于空 关于3D彩票的介绍：略 摘要:根据遗漏模型；建立期望遗漏，当前遗漏，平均遗漏，最大遗漏，遗漏方差进行knn分类；挖掘模式； 直接在代码中传递表达信息；结论预测精度比期望值约高20%； import numpy as npimport pandas as pddata = pd.read_[详细]
-
数据量太大？用Python处理数据密度过大障碍
所属栏目：[资源] 日期：2021-05-28 热度：87
副标题#e# 当我们需要观察比较2个变量间的关系时，散点图是我们首选图表。 可当数据量非常大，数据点又比较集中在某个区间中，图表没法看，密密麻麻的怎么看? 怎么办?这时候就得看密度图了 什么是密度图? 所谓的密度图 (Density Plot) 就是数据的分布稠密情[详细]
-
Spark日臻完善之小文件是否需要合并?
所属栏目：[资源] 日期：2021-05-28 热度：55
我们知道，大部分Spark计算都是在内存中完成的，所以Spark的瓶颈一般来自于集群(standalone, yarn, mesos, k8s)的资源紧张，CPU，网络带宽，内存。Spark的性能，想要它快，就得充分利用好系统资源，尤其是内存和CPU。有时候我们也需要做一些优化调整来减少[详细]
-
5个可以帮助Pandas进行数据预解决的可视化图表
所属栏目：[资源] 日期：2021-05-28 热度：67
数据科学和机器学习项目的结构化方法从项目目标开始。同一组数据点可以推断出一些有意义的信息。基于我们所寻找的，我们需要关注数据的另一个方面。一旦我们明确了目标，我们就应该开始考虑我们需要的数据点。这将使我们能够专注于最相关的信息集，而忽略[详细]
-
让你在10分钟内掌握如何用Python将数据批量的插入到数据库
所属栏目：[资源] 日期：2021-05-28 热度：177
副标题#e# 本文基于python, 使用pandas, pymysql等三方库实现了向数据库中高效批量插入数据，一方面提供被网上很多瞎转载的答案给坑蒙了的人(因为我也是)，一方面自己也做个笔记，以后方便查阅 需求原因 最近在处理一个需求，有关批量往数据库插入数据的，[详细]
-
大数据在疫情期间对货运运营商的安全不可估量
所属栏目：[资源] 日期：2021-05-28 热度：101
大数据对于避免许多危机非常重要。采用大数据应对冠状病毒疫情危机是一个很好的例子。越来越多的国家和组织正在使用大数据来促进社交距离，加强联系追踪并找到新的治疗方法。 在这场危机期间，某些行业比其他行业更依赖大数据来保障安全。这些包括货运运营[详细]
-
数据科学家vs数据分析师，到底有啥差异？
所属栏目：[资源] 日期：2021-05-28 热度：179
副标题#e# 数据科学和机器学习两个领域很容易混淆，从职责描述上还是大家的普遍印象里，这两个职位都差不多。相较之下，数据科学和数据分析这两个职位更容易区分。它们虽有关键差别，但也有相似之处。 有人会说，要成为一名数据科学家，要先从数据分析的工[详细]
-
大数据和物联网是如何相辅相成的？
所属栏目：[资源] 日期：2021-05-28 热度：139
物联网传感器持续接收来自大量连接的异构设备的数据。随着联网设备数量的增加，物联网系统需要具有可伸缩性，以适应数据的流入。分析系统处理这些数据并提供有价值的报告，这将使企业具有竞争优势。由于数据是基于其类型挖掘的，因此必须对数据进行分岔以[详细]
-
粉碎二八法则！每个数据科学家都得会一点SparkMagic
所属栏目：[资源] 日期：2021-05-28 热度：132
著名的帕累托法则，即80/20定律，告诉我们：原因和结果、投入和产出、努力和报酬之间存在着无法解释的不平衡。即使是21世纪最具吸引力的工作，数据科学依然逃不脱这一定律。 商业数据科学家80%的时间都花在查找、清洗和准备数据上，这是数据科学家工作中效[详细]
-
据挖掘中所需的概率论与数理统计知识
所属栏目：[资源] 日期：2021-05-28 热度：86
据挖掘中所需的概率论与数理统计知识 ??（ 关键词：微积分、概率分布、期望、方差、协方差、数理统计简史、大数定律、中心极限定理、正态分布） 导言：本文从微积分相关概念，梳理到概率论与数理统计中的相关知识，但本文之压轴戏在本文第4节（彻底颠覆以[详细]
-
【轰炸】大数据分析2015年中国留学生回国就业蓝皮书
所属栏目：[资源] 日期：2021-05-28 热度：162
副标题#e# 本文摘自数据观 前几日，教育部公布了《中国留学回国就业蓝皮书2015》。蓝皮书中介绍，1978年至2015年底，我国累计出国留学人数404.21万，年均增长率19.06%，累计回国人数221.86万。留学回国就业人员的基本特征有哪些?就业情况怎么样?一起跟天道[详细]
-
找出一个整数数组中的第二大数
所属栏目：[资源] 日期：2021-05-28 热度：192
可能以故事形式：如从第一层到第十层电梯每层停一次，如何找到第二个大的钻石 ?1?#includestdio.h??2?#includeassert.h??3?#define?MINNUMBER?-32768??4?int?find_sec_max(int?arr[],int?size)??5?{??6?????assert(arr);??7?????int?maxnumber=arr[0];??8?[详细]
-
社交大数据如何助力社会风险问题？
所属栏目：[资源] 日期：2021-05-28 热度：89
副标题#e# 在网络空间治理中运用社交大数据 当今社会，社交媒体已经成为用户内容获取与危机风险传播的主要渠道。根据艾瑞咨询发布的《2019年中国移动社交行业研究报告》，我国移动社交媒体用户规模预计2020年将达到8.2亿。社交媒体的传播生态越来越呈现出全[详细]
-
讲师大课堂-Vertica大数据实时分析平台
所属栏目：[资源] 日期：2021-05-28 热度：95
副标题#e# ?点击上方“ HPE大数据”关注我们！ 讲师介绍 刘定强 Hewlett Packard Enterprise资深大数据架构师 课程下载 想要下载完整课件PPT和讲解录音，请点击文章最后“ 阅读原文”或直接浏览器访问 http://pan.baidu.com/s/1skCwXpr 课堂录音支持在线收[详细]
-
大爆料：互联网大数据处理中的隐秘事件
所属栏目：[资源] 日期：2021-05-28 热度：84
点击上方蓝色字体关注。 您还可以搜索公众号“D1net”选择关注D1net旗下的各领域（云计算，数据中心，大数据，CIO，企业协作，网络数通，信息安全，企业移动应用，系统集成，服务器，存储，呼叫中心，视频会议，视频监控等）的子公众号。 ======= 从来没有[详细]
-
技术向：如何设计企业级大数据分析平台？
所属栏目：[资源] 日期：2021-05-28 热度：79
副标题#e# 传统企业的OLAP几乎都是基于关系型数据库，在面临“大数据”分析瓶颈，甚至实时数据分析的挑战时，在架构上如何应对？本文试拟出几个大数据OLAP平台的设计要点，意在抛砖引玉。 突破设计原则 建设企业的大数据管理平台（Big Data Management Plat[详细]
-
【机器学习】数据处理中白化Whitening的作用图解分析
所属栏目：[资源] 日期：2021-05-28 热度：178
之前在看斯坦福教程中whiteining这一章时，由于原始图像相邻像素值具有高度相关性，所以图像数据信息冗余，对于白化的作用的描述主要有两个方面：1，减少特征之间的相关性；2，特征具有相同的方差（协方差阵为1）；但是为什么这么做，以及这样做对于算法或[详细]
-
数据集成--Informatica PowerCenter
所属栏目：[资源] 日期：2021-05-28 热度：65
概要 随着数据呈现单位级别的递增，从海量的数据中分析出有价值的数据，对未来的事情进行一些预测，显得更能体现出BI的优越性了，但这也同时考验着数据处理ETL的性能和安全。这几天大体调查了一下informatica公司的PowerCenter，在国内市场上使用的挺早的[详细]
-
美团机器学习中的数据清洗与特征挖掘实践
所属栏目：[资源] 日期：2021-05-28 热度：108
综述 如上图所示是一个经典的机器学习问题框架图。数据清洗和特征挖掘的工作是在灰色框中框出的部分，即“数据清洗=特征，标注数据生成=模型学习=模型应用”中的前两个步骤 灰色框中蓝色箭头对应的是离线处理部分。主要工作是： 从原始数据，如文本、图像[详细]
浙公网安备 33038102330477号