- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器学习/数据可视化
数据平滑9大妙招
今天给大家分享9大常见数据平滑方法：移动平均Moving Average指数平滑Exponential Smoothing低通滤波器多项式拟合贝塞尔曲线拟合局部加权散点平滑LoessKalman滤波小波变换 它对最近的数据点给予较高的权重，而对较早的数据点给予较低的权重。这使得EMA更适合用于追踪快速变化的数据。 指数平滑的主要特点包括：加权平滑：指数平滑使用指数权重来平滑数据。较新的数据点获得更高的权重，而较旧的数据点获得较低的权重。这意味着它对最近的数据更为敏感，从而更好地捕获了数据的最新趋势。 7, 8, 9])y = np.array([10, 8, 7, 6, 5, 4, 3, 2, 1])# 三阶多项式拟合degree = 3coefficients = np.polyfit(x, y 曲线的形状由控制点的位置决定，控制点引导了曲线的弯曲和走势。三次贝塞尔曲线：三次贝塞尔曲线由四个点定义，分别是起始点（P0）、两个控制点（P1和P2），和结束点（P3）。
6.4K44编辑于 2023-10-13 - 来自专栏数据科学与人工智能
【数据】银行业9大数据科学应用案例
以下我们罗列银行业使用的数据科学用例清单，让您了解如何处理大量数据以及如何有效使用数据。 1 欺诈识别 2 管理客户数据 3 投资银行的风险建模 4 个性化营销 5 终身价值预测 6 实时和预测分析 7 客户细分 8 推荐引擎 9 客户支持 结论 1 欺诈识别 机器学习对于有效检测和防范涉及信用卡 这创建了TB级的客户数据，因此数据科学家团队的第一步是分离真正相关的数据。 9 客户支持 杰出的客户支持服务是保持与客户长期有效关系的关键。作为客户服务的一部分，客户支持是银行业中一个重要但广泛的概念。实质上，所有银行都是基于服务的业务，因此他们的大部分活动都涉及服务元素。 原文链接：https://activewizards.com/blog/top-9-data-science-use-cases-in-banking/ 版权声明：作者保留权利，严禁修改，转载请注明原文链接
4.1K30发布于 2018-07-30 - 来自专栏灯塔大数据
2015年大数据行业的9大关键词
而国内，国家也将大数据纳入国策。 我们在年底盘点了2015年大数据行业九大关键词，管窥这一年行业内的发展。 2 国家政策——战略 今年中国政府对于大数据发展不断发文并推进，这标志着大数据已被国家政府纳入创新战略层面，成为国家战略计划的核心任务之一：2015年9月，国务院发布《促进大数据发展行动纲要》，大力促进中国数据技术的发展 与传统数据库相比，DBaaS能提供低成本、高敏捷性和高可扩展性等云计算特有的优点。 9 数据科学家——性感 ? 数据科学家能够通过统计变成涉及、开发和调用算法而支持业务决策;管理海量数据;可视化数据以辅助理解。 内容来源：36大数据
1.7K60发布于 2018-04-10 - 来自专栏John Wong's Blog
修改Docker数据目录位置，包含镜像位置
Docker安装后默认下载的位置在/var/lib/docker ，如果/var分区没有独立分出来，Linux下默认是与/根分区在一起。 基于此情此景，我们都要把这个目录改一下 查看当前Docker目录位置 #展示当前docker的配置信息 docker info ------------------------------------- home/docker" } 保存退出，重启docker服务 sudo systemctl restart docker 验证 查看 docker info 查看 Docker Root 来验证目录位置 runc version: dc9208a3303feef5b3839f4323d9beb36df0a9dd init version: fec3683 Security Options: 127.0.0.0/8 Registry Mirrors: http://hub-mirror.c.163.com/ Live Restore Enabled: false 相比上边的，镜像位置已经修改完毕
3.1K10编辑于 2021-12-23 - 来自专栏SAP供应链
SAP PM 初级系列9 - 定义功能位置的安装
SAP PM 初级系列9 - 定义功能位置的安装 1，关于这个配置，有如下的F1帮助信息： Define Installation at Functional Location In this step a functional location is allowed. 2，配置路径如下， 其中，字段’Inst.at FunctLoc.’的控制作用，在于决定指定类型的设备是否允许被安装在功能位置上
56820发布于 2021-02-02 - 来自专栏PPV课数据科学社区
【译文】数据科学家必须具备的9大能力
【陆勤看点】如何认识和理解数据科学家？一种很好的方法就是查看数据科学家职位的描述，即数据科学家在公司中负责什么？数据科学家需要什么样职能要求？本文是一个数据科学部门招聘数据科学家的描述，值得一看。 数据科学部门正在寻找有热情应用统计学、机器学习和分析从数据集中获得洞见的数据驱动人。 在数据科学部门中，我们通过把那些最优秀数据工程师和数据科学家召集在一起，并让他们帮助我们的顾客从它们的数据中提取他们所需的相关信息。 6、回复“答案”查看hadoop面试题题目及答案 7、回复“爱情”查看大数据与爱情的故事 8、回复“笑话”查看大数据系列笑话 9、回复“大数据1、大数据2、大数据3、大数据4”查看大数据历史机遇连载 专注大数据行业人才的培养。每日一课，大数据（EXCEL、SAS、SPSS、Hadoop、CDA）视频课程。大数据资讯，每日分享！数据咖—PPV课数据爱好者俱乐部！
87150发布于 2018-04-20 - 来自专栏博文视点Broadview
数据中台建设的9大误区，你中了几条？
目前，行业对数据中台存在诸多误解和理解偏差，因此在建设数据中台的过程中，错误的理解可能导致数据中台建设的失败。 下图为数据中台建设的9大误区，下面详细介绍每个误区。 图 数据中台建设的9大误区 01. 数据中台等同于数据工具的集合 数据工具的集合能有效地提高数据开发和使用的效率，实现让数据易用的目标。 因此，数据工具是数据中台建设的中间产物，而非终极目标。 02. 数据中台等同于数据平台 数据平台是数据中台的一部分功能，是实现数据好用的核心能力和基础设施。 建设数据中台是一项体系性工程，耗时长，花费大，用人多，需要企业自上而下推动，需要企业勠力同心，才能实现数据中台的真正价值。 活动方式：关注下方“博文视点Broadview”公众号，在后台回复“数据中台抽奖”参与活动，届时会在参与的小伙伴中抽取1名幸运鹅！ 活动时间：截至9月15日（周三）开奖。
47510编辑于 2023-05-06 - 来自专栏Lansonli技术博客
2021年大数据Spark（四十八）：Structured Streaming 输出终端位置
---- 输出终端/位置 Structured Streaming 非常显式地提出了输入(Source)、执行(StreamExecution)、输出(Sink)的3个组件，并且在每个组件显式地做到fault-tolerant ，需要两个参数：微批次的输出数据DataFrame或Dataset、微批次的唯一ID。 使用foreachBatch函数输出时，以下几个注意事项： 1.重用现有的批处理数据源，可以在每个微批次的输出上使用批处理数据输出Output； 2.写入多个位置，如果要将流式查询的输出写入多个位置，则可以简单地多次写入输出 但是，每次写入尝试都会导致重新计算输出数据（包括可能重新读取输入数据）。要避免重新计算，您应该缓存cache输出 DataFrame/Dataset，将其写入多个位置，然后 uncache 。 如果以连续模式写入数据，请改用foreach。
1.9K40发布于 2021-10-11 - 来自专栏CDA数据分析师
数据挖掘与数据建模的9大定律（深度长文 收藏细读！）
最简单的解释可以概括为“数据是困难的”，经常采用自动化减轻这个“问题”的数据获取、数据清理、数据转换等数据预处理各部分的工作量。 这是数据预处理重要的原因，并且在数据挖掘过程中占有如此大的工作量，这样数据挖掘者可以从容地操纵问题空间，使得容易找到适合分析他们的方法。 有两种方法“塑造”这个问题空间。 第一种方法是将数据转化为可以分析的完全格式化的数据，比如，大多数数据挖掘算法需要单一表格形式的数据，一个记录就是一个样例。 有五种因素说明试验对于寻找数据挖掘解决方案是必要的： 数据挖掘项目的业务目标定义了兴趣范围（定义域），数据挖掘目标反映了这一点； 与业务目标相关的数据及其相应的数据挖掘目标是在这个定义域上的数据挖掘过程产生的 数据挖掘者应该在模型不损害业务理解和适应业务问题的情况下关注预测准确度、模型稳定性以及其它的技术度量。 9 变化律：所有的模式因业务变化而变化。 数据挖掘发现的模式不是永远不变的。
1.8K50发布于 2018-02-11 - 来自专栏code人生
Solidity：数据存储位置
在 Solidity 中，有三种数据存储位置：storage、memory 和 calldata。这三者的差异主要在于它们的数据保存位置和存储周期。 2.Memory: Memory 数据在临时内存中存储，当前函数执行完毕后，这部分数据就会被清除。Memory 数据不会被永久写入区块链，使用 Memory 比 Storage 成本低。 下面的示例中展示了三种数据存储位置： // SPDX-License-Identifier: MIT pragma solidity ^0.8.25; contract DataLactionsTest 理解这三种数据存储位置之间的差异以及它们如何影响合约的成本，能帮助我们更有效地编写和优化智能合约。 如果需要长期存储数据，那么数据应被存储在 storage；否则，如果数据是临时的，它应在 memory 中存储。对于外部函数参数，应优先考虑使用 calldata 来降低 gas 成本。
89510编辑于 2024-05-28 - 来自专栏java一日一条
未来编程的9大猜想
二进制协议再崛起 基于REST协议在JOSN数据包中传送数据至少比老一套的XML数据及标签的90%有效负载而言要简单很多；但极其注重效率的程序员可能会质疑，为什么必须将二进制数据转换为字符串才能在JSON 物联网将产生比以往更多的数据,许多设备将使用大量编码要求更严格的小数据包。当效率成为硬性要求,程序员会想方设法为数据库添加更高效的二进制协议。 3. 数据库更大、更强 不错，搜索引擎可以作为网页的索引，而如今已经存在可以作为世界索引的数据库了，这都得归功于新一代定位应用和自动驾驶汽车不断扩张的市场需求。 数据库之精细令人叹为观止，比如自动驾驶汽车可以输入红路灯、报纸自动售卖机和消防栓的位置数据，好保证行程的安全。数据规模之庞大，为自动驾驶汽车所用绝对绰绰有余。 9. 指手画脚的BOSS让人抓狂 这算不上是展望，因为他们已经做到了——这些上司们在速成班里学了点编程，就觉得自己成了行家，程序员于是就这样“被帮助”了。 “你要用一个变量吗？”
1.2K20发布于 2018-09-18 - 来自专栏数据猿
从数据到智慧——拓尔思发布9大新品
9月21日，大数据和人工智能的领军企业拓尔思在北京举办新产品发布会，在这场题为“大数·云·智”的发布会上，拓尔思正式发布了9大新产品。 记者 | Jimmy 官网 | www.datayuan.cn 微信公众号ID | datayuancn 导语：9月21日，大数据和人工智能的领军企业拓尔思在北京举办新产品发布会。 在这场题为“大数·云·智”的发布会上，拓尔思正式发布了9大新产品，分别涵盖技术基础平台、行业应用产品及数据智能云服务三大类别，并与政府、媒体、安全、金融等多个行业的用户及业内专家约500多人分享了最新实践经验和应用案例 本次发布会拓尔思发布的九大新品包括：大数据时代的检索引擎TRS Hybase海贝大数据管理平台V8.0、代表“人工智能皇冠上的明珠”的TRS DL-CKM基于深度学习的自然语言处理引擎V7.0、全球最快的分布式数据库 当天，拓尔思集团旗下的9家成员企业和生态伙伴也同场亮相，天行网安、金信网银、科韵大数据、耐特康赛、八爪鱼·大数据、极海、有数金服、智齿客服、数知科技等公司分别展示了各自的业务概览，涵盖网络信息安全、金融监管科技
1.6K80发布于 2018-04-24 - 来自专栏sktj
Kubernetes(9:数据)
作用是在Pod中共享数据 创建Pod，volumeMounts ? image.png emptyDir是Host上创建的临时目录，其优点是能够方便地为Pod中的容器提供共享存储，不需要额外的配置。
46020发布于 2019-09-24 重构大交通AI决策引擎：基于位置大数据的民航商旅实践洞察
专家信息：航班管家数据商业部总经理 王磊 剖析立体交通格局冲突：客流分化与“旺丁不旺财”双重挑战 在民航与高铁“双高速”竞合模式下，大交通出行领域正面临深度的结构性挑战与收益瓶颈。 企业决策亟需从传统的经验主义向精准的数据洞察转型，当前行业的两大核心痛点日益凸显： 高铁网络虹吸加剧客流分化：高铁网络的贯通对中短途民航市场产生显著冲击。 携手腾讯地图位置大数据，构建了覆盖航空、铁路、公路的大交通AI决策新引擎： 全景客流归因与需求识别：引入腾讯地图位置大数据，捕捉城市间人口流动的轨迹、强度与周期性规律。 物流调度场景（效率优化）：基于货运航班计划数据与实时位置追踪，协助货主全程监控动态并制定最优发运计划。 沉淀时空轨迹底座，实现“数据驱动”战略跨越 引入腾讯地图位置大数据，是构建大交通AI引擎的关键变量。
25210编辑于 2026-04-20- 来自专栏面经
【大模型学习】现代大模型架构（二）：旋转位置编码和SwiGLU
RoPE / SwiGLU前言✍ 上一篇我们把现代大模型的两件“基础设施”——GQA 注意力 和 RMSNorm + Pre-Norm 细讲了一遍，从多头注意力的演化一路讲到归一化的升级。 不同位置对应不同旋转角度。 直观理解： 不同位置的 token 被“旋转”到了不同方向上，注意力点积在比较两个向量时，自然就带上了相对位置差。 （真实面经）RoPE 用旋转把位置编码进 Q/K，使注意力只依赖“相对位置差”；编码函数本身是显式可计算的，任意位置都能算；相对位置 + 平滑旋转，让模型在没见过的更长上下文上，比传统绝对 PE 更容易 为什么大模型更喜欢用 SwiGLU？标准 FFN 只是一条 MLP 路径，所有通道共享同一个激活函数。
1.2K30编辑于 2025-11-20 - 来自专栏企鹅号快讯
2018全球9大科技趋势展望
以下为德勤对2018年全球科技市场做出的9大预测： 1.2018年，全球将有超过10亿智能手机用户至少拥有一次创作增强现实（AR）内容的经历。 1/5的北美家庭将通过手机移动网络进行全部的互联网数据接入。 9。得益于新的芯片和更好的软件工具，2018年企业测试和部署机器学习技术的努力将增加一倍。 以上文字来源于德勤
93470发布于 2018-03-02 - 来自专栏PHP在线
PHP中9大缓存技术总结
该种方式可以用于如商城中的商品页； 3、数据缓存 顾 名思义，就是缓存数据的一种方式；比如，商城中的某个商品信息，当用商品id去请求时，就会得出包括店铺信息、商品信息等数据，此时就可以将这些数据缓存 到一个 ； 4、查询缓存 其实这跟数据缓存是一个思路，就是根据查询语句来缓存；将查询得到的数据缓存在一个文件中，下次遇到相同的查询时，就直接先从这个文件里面调数据，不会再去查数据库；但此处的缓存文件名可能就需要以查询语句为基点来建立唯一标示 ； 试想，如果对商品页不缓存，那么每次访问一个商品就要去数据库查一次，如果有10万人在线浏览商品，那服务器压力就大了； 6、内存式缓存 提到这个，可能大家想到的首先就是Memcached；memcached 一般的使用目的是，通过缓存数据库查询结果，减少数据库访问次数，以提高动态Web应用的速度、 提高可扩展性。 ，默认60 memory_limit = 128M ; 每个PHP页面所吃掉的最大内存，默认8M 9、Opcode缓存 我们知道，php的执行流程可以用下图来展示： ?
2K50发布于 2018-03-08 - 来自专栏NewBeeNLP
聊聊大模型位置编码及其外推性
但是由于显存资源的限制，这些大模型在真正在训练过程中不一定要训练这么长的文本，通常在预训练时只会设计到4k左右。 因此 如何确保在模型推理阶段可以支持远远超过预训练时的长度 ，是目前大模型的核心问题之一，我们将这一问题归为 大模型的外推性 。 大模型的外推性目前主要在这两个方面考虑，也是提升最有效的两个角度： 寻找或设计合适的位置编码； 设计局部注意力机制。 本文从这两方面进行深度探讨大模型的位置编码和外推性问题。 begin{array}{cc} \cos n \theta & -\sin n \theta \\ \sin n \theta & \cos n \theta \end{array}\right) 在第2大节中已经介绍了 三者注意力混合起来后得到第四张图，这也是普遍训练超长文本大模型时采用的方法。
2.7K41编辑于 2023-09-15 - 来自专栏深入浅出区块链技术
深入Solidity数据存储位置
数据位置 → 概述 数据位置 → 规则 函数参数的规则 函数主体的规则 数据位置 → 行为 映射的（边缘）情况 总结 参考文献 简介 作为一个对自己事业充满热情的人，一个工业炉的建造者和翻新者，我的父亲决定把我送到工业工厂去工作 其中一些操作码指示 EVM 从/向不同的位置读写数据。EVM 需要这些多个数据位置来正确完成其工作。 在一个工厂里，操作工作和材料可以在多个地方找到。 数据位置 → 概述 本文旨在对这些不同的数据位置做一个很好的概述，数据可以被写入和读出。我们将看到，有些位置是只读的，不能写入，而其他位置是可变的，里面存储的值可以被编辑。 EVM 有五个主要的数据位置： 存储（Storage） 内存（Memory） 调用数据（Calldata） 堆栈（Stack） 代码（Code） EVM 中可用的数据位置概览，来源：精通以太坊 [9] 主要 EVM 数据位置的基础知识也在以太坊黄皮书 第 9 章节中有说明[10] 存储 智能合约的存储相当于工业机库上的存储架单元，Petrebels[11] on Unsplash 在以太坊中，每个特定地址的智能合约都有自己的
1.6K10编辑于 2022-11-07 - 来自专栏nginx遇上redis
9大项目管理领域
项目范围管理(Project Scope Management) 其作用是保证项目计划包括且仅包括为成功地完成项目所需要进行的所有工作。范围分为产品范围和项目范围。产品范围指将要包含在产品或服务中的特性和功能，产品范围的完成与否用需求来度量。项目范围指为了完成规定的特性或功能而必须进行的工作，而项目范围的完成与否是用计划来度量的。二者必须很好地结合，才能确保项目的工作符合事先确定的规格。因此选项B是正确的。 项目时间管理(Project Time Management) 其作用是保证在规定时间内完成项目。因此选项C是错误的。 项目成本管理(Project Cost Management) 其作用是保证在规定预算内完成项目。因此选项D是错误的。 项目质量管理(Project Quality Management) 其作用是保证满足承诺的项目质量要求。 项目人力资源管理(Project Human Resource Management) 其作用是保证最有效地使用项目人力资源完成项目活动。 项目沟通管理(Project Communications Management) 项目沟通管理, 是在人、思想和信息之间建立联系, 这些联系对于取得成功是必不可少的。参与项目的每一个人都必须准备用项目“语言”进行沟通, 并且要明白, 他们个人所参与的沟通将会如何影响到项目的整体。 项目沟通管理是保证项目信息及时、准确地提取、收集、传播、存贮以及最终进行处置。 其作用是保证及时准确地产生、收集、传播、贮存以及最终处理项目信息。 项目风险管理(Project Risk Management) 项目风险管理, 需要的过程有识别、分析不确定的因素, 并对这些因素采取应对措施。？项目风险管理要把有利事件的积极结果尽量扩大, 而把不利事件的后果降低到最低程度。其作用识别、分析以及对项目风险作出响应。 项目采购管理(Project Procurement Management) 其作用是从机构外获得项目所需的产品和服务。项目的采购管理是根据买卖双方中的买方的观点来讨论的。特别地，对于执行机构与其他部门内部签订的正式协议，也同样适用。当涉及非正式协议时，可以使用项目的资源管理和沟通管理的方式解决。
64220编辑于 2023-02-10
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