- 综合排序
- 最热优先
- 最新优先
- 来自专栏喔家ArchiSelf
面向数据产品的10个技能
【引子】本文源自和一个产品经理的对话。由于老码农经历过产研一体的磨砺， 鉴于个人对数据型产品感知，觉得一些数据科学的基础技能对产品经理或者普通的研发工程师都会有些帮助，遂成此文。 这里是老码农眼中的数据科学的基本知识概览，并非将读者塑造成专业的数据工程师。相反，目标是为那些对数据产品感兴趣，但又不需要深入其复杂细节的人士，提供一个基础性的理解框架。 另外，尤其是面向数据的产品经理应该掌握Python 的基础编程。 数据可视化基础 一个好的数据可视化一般由5个组件构成的，这些组件必须拼凑在一起才能生产出最终的数据产品: 1)数据组件: 决定如何可视化数据的重要的第一步是知道它是什么类型的数据，例如，分类数据，离散数据 总之，这些高级生产力工具会在数据工程领域为你带来优势。 10. 项目管理 在构建任何数据项目或者机器学习模型之前，仔细地坐下来并计划需要完成的目标任务是非常重要的。
50410编辑于 2024-06-27 - 来自专栏凹凸玩数据
盘点 10大 数据库！
大家好，我是小五 DB-Engines 最近发布了 2021 年 9 月份的数据库排名。该网站根据数据库管理系统的受欢迎程度对其进行排名，实时统计了 378 种数据库的排名指数。 前 30 名的排行情况详见下图，前10大数据库 用线段做了分割。同时在文末，会免费赠送给大家一些数据库书籍！ 跌幅榜情况 较去年同期，本月三霸主集体暴跌再次霸占了“同期跌幅榜”。 虽然各大开源类数据库百花齐放，然而，在 DB-Engines 全球数据库排行榜上，Oracle 和 MySQL 依然是世界上最受欢迎的商业和开源类数据库，而且领跑优势还在继续扩大。 小众数据库不可小觑 数据库相关从业人员可以将 DB-Engines 数据库排名作为参考，大数据时代发展速度之快超乎我们的想象，新的数据库产品仍然在不断诞生，如果你的需求比较特殊，大众数据库产品无法很好地满足你 每天数据增量十多亿，近百万次查询请求。 快手内部也在使用 ClickHouse，存储总量大约 10PB， 每天新增 200TB， 90% 查询小于 3S。
2.5K10发布于 2021-10-18 - 来自专栏个人分享
数据挖掘10大算法详细介绍
想初步了解下怎样数据挖掘，看到一篇不错的文章转载过来啦~ 转自:http://blog.jobbole.com/89037/ 在一份调查问卷中，三个独立专家小组投票选出的十大最有影响力的数据挖掘算法 只有这样之后 SVM 才有能力对新数据进行分类。 为什么我们要用 SVM 呢？ SVM 和 C4.5大体上都是优先尝试的二类分类器。 举个 AdaBoost 算法的例子：我们开始有3个弱学习器，我们将在一个包含病人数据的数据训练集上对他们做10轮训练。数据集里包含了病人的医疗记录各个细节。 在10轮结束的时候，我们剩下了一个带着不同权重的已经训练过的联合学习分类器，之后重复训练之前回合中被误分类的数据。 这是个监督还是非监督算法？ 第四步：计算其他类时也做类似的计算： 因为0.252大于0.01875，Naive Bayes 会把长形，甜的还是黄色水果分到香蕉的一类中。 这是个监督算法还是非监督算法呢？
2.3K40发布于 2018-09-06 - 来自专栏大数据
10大数据挖掘算法及其简介
Naive Bayes 10. CART 1.C4.5 C4.5以决策树的形式构造了一个分类器。为了做到这一点，C4.5给出了一组已经分类的数据。 分类器是数据挖掘中的一个工具，它取一堆数据来表示我们想要分类的东西，并试图预测新数据属于哪个类。 例如，假设在患者数据集中。 4.Apriori Apriori算法学习关联规则，并应用于包含大量事务的数据库。 关联规则学习是一种数据挖掘技术，用于学习数据库中变量之间的相互关系和关系。 例如，假设我们有一个超市交易数据库。 在统计数据中，EM算法迭代并优化了查看观测数据的可能性，同时评估未观测变量的统计模型参数。 10.CART CART代表分类和回归树。它是一种决策树学习技术，它输出分类或回归树。和C4.5一样，CART是一个分类器。 分类树是否像决策树?分类树是决策树的一种类型。分类树的输出是一个类。
1.2K70发布于 2018-01-19 - 来自专栏ATYUN订阅号
10大数据挖掘算法及其简介
Naive Bayes 10. CART 1.C4.5 C4.5以决策树的形式构造了一个分类器。为了做到这一点，C4.5给出了一组已经分类的数据。 分类器是数据挖掘中的一个工具，它取一堆数据来表示我们想要分类的东西，并试图预测新数据属于哪个类。 例如，假设在患者数据集中。 4.Apriori Apriori算法学习关联规则，并应用于包含大量事务的数据库。 关联规则学习是一种数据挖掘技术，用于学习数据库中变量之间的相互关系和关系。 例如，假设我们有一个超市交易数据库。 在统计数据中，EM算法迭代并优化了查看观测数据的可能性，同时评估未观测变量的统计模型参数。 10.CART CART代表分类和回归树。它是一种决策树学习技术，它输出分类或回归树。和C4.5一样，CART是一个分类器。 分类树是否像决策树?分类树是决策树的一种类型。分类树的输出是一个类。
1.2K130发布于 2018-03-06 - 来自专栏GIS与遥感开发平台
数据集 | 10米分辨率全球土地覆盖产品
高分辨率的土地覆盖产品是我们对小区域进行研究时不可或缺的数据。清华大学的宫鹏教授团队发布过一套10m分辨率的地物覆盖产品。并且这一套产品面向全球公开。 数据的下载地址为： http://data.ess.tsinghua.edu.cn/fromglc10_2017v01.html 打开网址我们就可以看到包含所有地物覆盖数据的表格： 第一个文件是对像元值所代表的地物进行介绍 ： 但是，这全球10m分辨率的地物覆被的数据量挺大的。 如果我们想下载全球的数据又不可能一个一个的去点击下载。 虽然我也不知道下载全球数据有什么用，但就是喜欢自己硬盘装的满满的感觉，哈哈哈。 不过应该是可以把所有10m分辨率地物覆盖数据都下载下来的！
1K10编辑于 2022-04-29 - 来自专栏腾讯云中间件的专栏
腾讯云消息队列产品10月产品动态
10月动态 消息队列 RocketMQ 版 【商业化】消息队列 RocketMQ 版专享集群正式商业化。基于开源RocketMQ打造，兼容社区SDK，具有低延迟、高性能、高可靠、万亿级消息吞吐等特点。 ★ 消息队列 RabbitMQ 版 【商业化】10月9日起，消息队列 RabbitMQ 版专享集群正式商业化。 【新功能】支持流出数据到时序数据库（CTSDB）和分析型数据库 Doris。 【新功能】MariaDB数据订阅、TDSQL-C MYSQL数据订阅支持订阅多库多表，并分发到不同topic。 往期 推荐 《腾讯云微服务引擎 TSE 9月产品动态》 《百万级 Topic，Apache Pulsar 在腾讯云的稳定性优化实践》 《预告|ArchSummit 全球架构师峰会杭州站即将盛大开幕》 《 PolarisMesh北极星 V1.11.3 版本发布》 《Spring Cloud Tencent 1.7 版本最新发布》 《腾讯云微服务引擎 TSE 产品动态》 《千亿级、大规模：腾讯超大 Apache
3.7K20编辑于 2022-11-02 - 来自专栏用户5909132的专栏
产品动态 | 图片智能处理 10月产品更新
随着数据数字化的推广普及，很多客户在业务上会有一些新的突破与尝试。为帮助客户更高效的打造专业化解决方案，腾讯云在 AI 处理能力方面不断深耕，助力各行各业的数字化、智能化转型。 腾讯云对象存储 COS 作为云上数据存储的大本营，基于数据万象的多媒体数据处理能力，打造了云上一站式的数据处理平台。 10月，数据万象联合腾讯云 AI 和腾讯优图实验室推出了一些新的功能，针对存储在腾讯云对象存储 COS 上的图片，以更高效、更便捷的方式进行智能化处理。 总结 腾讯云存储产品通过产品优化，提供专业化的解决方案，协助企业更好地实现业务扩张，更加平滑地将数据上云，助力各行各业的数字化、智能化转型。
82130发布于 2021-11-15 - 来自专栏腾讯云存储
产品动态 | 图片智能处理 10月产品更新
随着数据数字化的推广普及，很多客户在业务上会有一些新的突破与尝试。为帮助客户更高效的打造专业化解决方案，腾讯云在 AI 处理能力方面不断深耕，助力各行各业的数字化、智能化转型。 腾讯云对象存储 COS 作为云上数据存储的大本营，基于数据万象的多媒体数据处理能力，打造了云上一站式的数据处理平台。 10月，数据万象联合腾讯云 AI 和腾讯优图实验室推出了一些新的功能，针对存储在腾讯云对象存储 COS 上的图片，以更高效、更便捷的方式进行智能化处理。 总结 腾讯云存储产品通过产品优化，提供专业化的解决方案，协助企业更好地实现业务扩张，更加平滑地将数据上云，助力各行各业的数字化、智能化转型。
73430发布于 2021-11-12 - 来自专栏腾讯云智能·AI公有云
产品动态 | 腾讯云AI 10月产品更新
10月，文字识别OCR、语音识别、图片标签推出新功能。 图片标签 功能介绍 产品新增两个图像标签版本，并输出详细标签的分类信息，覆盖8个大类、六十多个子类、数千个标签。 涵盖各种日常场景、动植物、物品、美食、卡证等 应用场景 图像标签广泛应用于相册图片分类、信息流内容理解、图库图片检索等场景，对图像进行多维度的理解、结构化，为用户画像、推荐系统、广告算法等提供数据
1.8K42发布于 2019-11-19 - 来自专栏五分钟学算法
10 大算法
与早期的排序算法相比(如冒泡算法)，这些算法将排序算法提上了一个大台阶。也多亏了这些算法，才有今天的数据发掘，人工智能，链接分析，以及大部分网页计算工具。 02 傅立叶变换 和快速傅立叶变换 ? 9 数据压缩算法 数据压缩算法有很多种，哪种最好？这要取决于应用方向，压缩mp3，JPEG和MPEG-2文件都不一样。 哪里能见到它们？不仅仅是文件夹中的压缩文件。 你正在看的这个网页就是使用数据压缩算法将信息下载到你的电脑上。除文字外，游戏，视频，音乐，数据储存，云计算等等都是。它让各种系统更轻松，效率更高。 10 随机数生成算法 ?
52840发布于 2019-06-03 - 来自专栏架构狂人
介绍10款ChatGPT替代产品
价格 –使用免费试用计划，每月最多可以免费制作 10,000 个word。每月支付 12.67 美元，最多可以提供 47,500 个word。 它为营销广告、推文创意、产品描述和一般内容撰写标题和正文。 Peppertype.ai 利用人工智能 (AI) 和撰稿人的专业知识来帮助您制作更成功的内容。 特性： 您可以使用它来制作社交媒体帖子、博客帖子、网站文章、产品评论、网站博客帖子等等。 使用 Peppertype，您可以一次制作数十甚至数百篇文章。 具有 1760 亿个参数 它比革命性的 GPT-3 语言模型多了 10 亿个参数。 价格：每月 499 美元至 4799 美元 9. Google Bard 基于最近提供的数据，而 ChatGPT 基于明显更旧的数据，其当前的 GPT3 模型仅允许在 2022 年之前获取的数据。 Q2：高级 ChatGPT 提供哪些功能？
3.3K40编辑于 2023-08-16 - 来自专栏创作是最好的自我投资
10分钟了解腾讯云混元大模型AIGC系列产品
每一家大厂商都有属于自己的AIGC产品，那么今天在这里主要是科普一下腾讯系的AIGC产品-腾讯云混元大模型系列。 基于腾讯混元大模型，腾讯云推出了文本生成、图像创作、视频创作产品方案，轻松打造全场景AIGC应用。 那么下面再来说一说腾讯云混元大模型基于以上产品方案的产品能力及应用场景。 在正式投用腾讯云混元大模型AIGC系列产品之前，或者说在AIGC技术生成内容之前，需要对大量的文本、图像、音频或视频数据进行预处理。 这包括数据清洗、分词（针对文本）、特征提取等步骤，以便模型能够更好地学习和理解数据。 经过预处理的数据被用作训练集，通过神经网络模型进行训练。 那么这里作为一篇科普腾讯云混元大模型AIGC系列产品的博文，这里建议企业或者个人可以根据个人的实际业务场景来选择针对特定场景的腾讯云混元大模型产品。
2.5K30编辑于 2024-10-16 - 来自专栏LiveEdu在线科技教育平台
2017编程趋势预测：10大技术大热，10大技术遇冷
SVG和HTML包含了一大堆标签，Web开发者使用起来往往更方便，现在还有了大的APIs，让你可以在画布对象上详细地绘画图形，通常还会提供视频卡来帮助你使用。 新的Web应用程序是从前端到有大量内容的大数据库。当Web应用程序需要信息时，它就从数据库中提取信息并将信息注入到本地的模具中。 现在没有必要使用Web附加设备所需要的所有东西来标记数据，以便创建一个网页了。数据层是完全独立于演示和格式层。 10. 在线即时教育成趋势，四年传统教育不再是主流 以计算机为媒介的课程已经不是新玩意了，每个人正在享受着观看视频讲座的好处。 因此，你可以在这个网站上学习某种编程语言的基础知识，也可以学习某个产品，工具甚至是整个项目的开发，看看优秀的开发者是如何写代码，除错，创建框架等等。
1.7K100发布于 2018-05-21 - 来自专栏CDA数据分析师
【干货】数据挖掘的10大分析方法
其缺点是：在构造树的过程中，需要对数据集进行多次的顺序扫描和排序，因而导致算法的低效。 将修改过权值的新数据集送给下层分类器进行训练，最后将每次训练得到的分类器最后融合起来，作为最后的决策分类器。 同时，NBC模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。理论上，NBC模型与其他分类方法相比具有最小的误差率。 10.CART:分类与回归树 CART,ClassificationandRegressionTrees。在分类树下面有两个关键的思想。 第一个是关于递归地划分自变量空间的想法；第二个想法是用验证数据进行剪枝。
2K80发布于 2018-02-11 - 来自专栏算法channel
盘点 Python 10 大常用数据结构（下篇）
Python 常用数据结构 此专题《盘点Python10大常用数据结构》目录： 学习目的 学习目标 1 list 2 tuple 3 set 4 dict 5 deque 6 Counter 7 OrderedDict 8 heapq 9 defaultdict 10 ChainMap 总结 学习目的 这个专题，尽量使用最精简的文字，借助典型案例盘点Python常用的数据结构。 下面根据定义的这三个阶段，总结以下10种最常用的数据结构： 1 list 基本用法 废话不多说，在前面单独有一个专题详述了list的使用【添加文章链接】 使用场景 list 使用在需要查询、修改的场景， 10 ChainMap 基本用法 如果有多个dict想要合并为一个大dict，那么ChainMap将是你的选择，它的方便性体现在同步更改。 总结 以上就是Python常用的10种数据结构，4种常用的基本结构，6种基于它们优化的适应于特定场景的结构，对它们的学习我将它们总结为三步。
1.1K30发布于 2020-08-04 - 来自专栏算法channel
盘点 Python 10 大常用数据结构（上篇）
学习目的 这个专题，尽量使用最精简的文字，借助典型案例盘点Python常用的数据结构。 学习目标 学习数据结构第一阶段：掌握它们的基本用法，使用它们解决一些基本问题； 学习第二阶段：知道何种场景选用哪种最恰当的数据结构，去解决题问题； 学习第三阶段：了解内置数据结构的背后源码实现，与《算法和数据结构 下面根据定义的这三个阶段，总结以下10种最常用的数据结构： 1 list 基本用法 废话不多说，在前面单独有一个专题详述了list的使用列表专题 使用场景 list 使用在需要查询、修改的场景，极不擅长需要频繁插入 以上4种数据结构相信大家都已经比较熟悉，因此我言简意赅的介绍一遍。接下来再详细的介绍下面6种数据结构及各自使用场景，会列举更多的例子。 5 deque 6 Counter 7 OrderedDict 8 heapq 9 defaultdict 10 ChainMap
1.1K30发布于 2020-08-04 - 来自专栏华章科技
因为大数据 10大行业正在改变……
来源：36大数据 去年十月，在埃森哲和通用电气联合发布的调研报告中突破性地指出了这一紧迫性。89%的调查者认为，一家没有大数据战略的企业将在明年就遭到市场份额和发展势头方面的损失。 大约一年后，将会有10个行业因大数据战略而迅速变革。事实上，84%的企业认为大数据将在未来一年重塑竞争版图。所以即使你所处的行业不在其列，留意下周围那些正在经历这场巨变的公司也没有坏处。 10、能源产业 技术和物联网颠覆了能源产业。从微观上看，有像Quirky公司的Aros这样的智能空调设备，它不但可以利用数据学习用户习惯和温度偏好，保持屋内凉爽和舒适，而且几乎不需要浪费多少能源。 T-Mobile 合并了所有的客户数据集，将其分为六大类，以此来进行完整的客户行为分析，最终分析使得客户流失率降低了50%。 1、数据存储业 最后是数据存储业。由于数据量很大而且在各行各业都有其不同的特性，亟需找到一种存储入库数据的方法，这种方法不需要大量服务器的要求也没有笨重的CRM系统。 Box 的解决方案应运而生。
59920发布于 2018-08-13 - 来自专栏热爱IT
五大数据分析模型，产品经理必会
在这个数据为王的时代，作为一个产品经理或者增长黑客，数据分析是必修课之一。 二、五大数据分析模型 1. PEST分析模型 ? （1）政治环境 包括一个国家的社会制度，执政党性质，政府的方针、政策、法令等。不同的政治环境对行业发展有不同的影响。 （1）产品 能提供给市场，被人们使用和消费并满足人们某种需求的任何东西，包括有形产品、服务、人员、组织、观念和它们的组合。 （2）价格 购买产品时的价格，包括基本价格、折扣价格、支付期限等。 三、总结 五大数据分析模型的应用场景根据数据分析所选取的指标不同也有所区别。 PEST分析模型主要针对宏观市场环境进行分析，从政治、经济、社会以及技术四个维度对产品或服务是否适合进入市场进行数据化的分析，最终得到结论，辅助判断产品或服务是否满足大环境。
1.3K32发布于 2019-07-15 - 来自专栏CSDN技术头条
2016年大数据在金融领域的10大趋势
在低端市场，一些中小型的公司（经纪、资产管理、区域银行、顾问等）能够更快速的适应大数据平台（云平台和本地部署），这些都帮助他们构建能够支撑复杂业务的大型系统，同时这些系统也都是比他们大的竞争对手所必须面对的 这块市场因此能够快速成长（对比那些大银行所关注的长期而规范的和成本为主的项目）能够马上看到更加直接收入贡献和战略（概念/实验）项目 。 我们预计，在中等的商业风险评估与性能相关的大数据的商业行为将迅速增加。更进一步，我们将看到关于如何切实带来后台功能的更深层次的交流(合作等)。 10. 一个简单的跨界就是基金的配置（大型共同基金经理）从财富顾问网络和经纪人相互作用来改善数据收集的过程,同时也提高产品利用率。 原文：Top 10 Big Data Trends in 2016 for Financial Services 译者：袁璞，圣特尔•E店宝大数据架构师，关注高性能或可用架构、大数据技术、机器学习。
1.3K100发布于 2018-02-11
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