- 综合排序
- 最热优先
- 最新优先
- 来自专栏程序你好
数据科学的前6大语言
2012年的《哈佛商业评论》(Harvard business review)正确地将数据科学列为“21世纪最性感的工作”。即使在这份报告发表6年后的今天，《商业评论》仍被证明是正确的。 随着人工智能和机器学习的出现，“数据科学”一词在精通技术的人中间流行起来。用最简单的话说，数据科学是一种利用科学技术和算法从数据中挖掘知识的方法，无论是结构化的还是非结构化的。 无论您是数据科学领域的新手还是专业人士，您需要记住的一些基本内容包括分析数据、应用编程工具(如对数据进行序列和选择)以及执行简单的数据可视化。 Java虚拟机(JVM)是数据科学的一个很好的工具。如果我们看一下Java中最近的开发，就会发现有两个很大的改进:Lambda支持(有助于减少冗长)和REPL支持。 SQL 结构化查询语言(SQL)用于处理大型数据库。特别是，它有助于管理结构化数据。学习SQL可以很好地提高数据科学家的语言技能。这种语言的缺点是缺乏可移植性。
1.2K30发布于 2018-09-29 - 来自专栏CDA数据分析师
数据分析不能碰的6大禁区!
1 没有明确分析数据的 要分析一个数据，首先要明确自己的目的，为什么要收集和分析这样一份数据。只有明确了目的之后，才能够把握好接下来应该收集哪些数据，应该怎么收集数据，应该分析哪些数据等。 2 没有合理安排时间 数据分析也要合理安排时间，一般有几个步骤，收集数据、整理数据、分析数据、美化表格。在做这些之前，要预估每一个步骤需要花多少时间，哪一步比较重要，需要花更多的时间等。 数据分析重点应该在于分析，应该以最快的速度收集完数据，才有更多的时间整理和分析，最后经过分析的数据才是最有价值的。 5 不懂得分析哪些数据 这是比较普遍的问题，收集了数据后不知道要分析哪些项目，哪些数据点才能体现出分析的目的。 6 表格不美观，不清晰 做数据分析一般使用的是excel表格记录，一份美观清晰的表格不仅使我们可以清楚的看到这份数据的重点，方便查到所想要的数据。在收集数据的过程中，也可以提高收集和分析数据的效率。
71160发布于 2018-02-11 - 来自专栏机器学习/数据可视化
Python入门-6大数据类型操作
Python的6种数据类型操作总结 本文对Python中常见6种数据类型的操作进行了汇总： Numbers（数字） String（字符串） List（列表） Tuple（元组） Dictionary（字典 = 1.3常用函数 取绝对值：abs 四舍五入：round 取整：int 转浮点数：float 二、字符串String 字符串是Python中常见的数据类型之一，能够使用str函数将其他类型的数据强制转成字符类型 2.1键盘输入 终端中通过input函数输入的任何内容都是字符串数据 2.2三种方法生成 通过3种方法生成字符串数据： 单引号：`python` 双引号：“python” 三引号：一般字符串内容较长时使用 列表元素重复：* 返回列表中的最值（比较ASCII码）：max、min 3.3常见操作 索引和切片操作（类比字符串） append：将整体追加到列表的末尾 extend：列表中的每个元素进行合并，组成一个大的列表 ，字典是无序的数据类型，主要是用来存放具有一定映射关系的数据。
71220编辑于 2023-08-23 - 来自专栏华章科技
数据分析不能碰的6大禁区
没有明确分析数据的目的 要分析一个数据，首先要明确自己的目的，为什么要收集和分析这样一份数据。只有明确了目的之后，才能够把握好接下来应该收集哪些数据，应该怎么收集数据，应该分析哪些数据等。 没有合理安排时间 数据分析也要合理安排时间，一般有几个步骤，收集数据、整理数据、分析数据、美化表格。在做这些之前，要预估每一个步骤需要花多少时间，哪一步比较重要，需要花更多的时间等。 数据分析重点应该在于分析，应该以最快的速度收集完数据，才有更多的时间整理和分析，最后经过分析的数据才是最有价值的。 不懂得分析哪些数据 这是比较普遍的问题，收集了数据后不知道要分析哪些项目，哪些数据点才能体现出分析的目的。 表格不美观，不清晰 做数据分析一般使用的是excel表格记录，一份美观清晰的表格不仅使我们可以清楚的看到这份数据的重点，方便查到所想要的数据。在收集数据的过程中，也可以提高收集和分析数据的效率。
36430发布于 2018-08-13 - 来自专栏探码科技
2019年Web应用开发的6大趋势转变！
人工智能、AR、智能语音等技术的风靡，将在2019年为web软件应用开发带去更多功能上的改善。作为软件开发人员的我们，需要了解更多新的趋势方向！ 随着机器学习，跨平台框架和更多样化的开发人员基础的使用越来越多，软件开发行业将会因为新技术的兴起发生更多的改变。下文是对2019年软件开发的趋势预测。 在过去，分析提供了更多的被动方法：记录数据，然后将其用于下一个版本。2019年及以后将通过推动网站改变并适应这一点来捕获关于如何使用您的应用程序的数据并改善用户体验。 这意味着，根据用户可用的数据，应用程序将能够像变色龙一样行动并改变自身，为他们提供理想的用户体验。这将创建真正个性化的网站，其行为不同，并根据使用它的个人显示不同的功能。 这意味着将来，所有开发人员都可以成为Web开发人员，无论编程语言如何。 更加追求小而美的应用程序 我们将开始尝试开发人员尝试尽可能减少应用程序。以前，应用程序的大小将是Web开发人员最关注的焦点。
1.1K00发布于 2019-01-24 - 来自专栏人工智能
深入Spring AI：6大核心概念带你入门AI开发
其核心原理是通过抽象层封装不同模型的通信细节，开发者仅需关注业务逻辑。 简单的说，提示词就是用来引导大模型生成在特定输出结构的输入，也就是当你使用AI大模型为你工作的时候，你在输入框里面输入的文本。 发送到模型的提示的特定数据格式存在相当大的变化。提示最初从简单字符串开始，现在已经发展到包含多条消息，其中每条消息中的每个字符串代表模型的不同角色。 6、Tokens（令牌）Tokens serve as the building blocks of how an AI model works. 图片结构化输出将模型的自由文本响应转换为特定数据结构（如 JSON），它允许开发者将 AI 模型生成的自由文本响应自动转换为预定义的 Java 对象结构。
1.9K01编辑于 2025-03-31 - 来自专栏灯塔大数据
6位大数据人物浅谈未来三年大数据的发展
新工具，新视角 维珍传媒（Virgin Media）洞察分析部负责人马克·查普曼（Mark Chapman） （维珍传媒：英国第一家通信、电视全业务运营商，欧洲最大的移动虚拟网络运营商，也是英国第二大付费电视公司 我认为企业利用的数据类型将发生重大变化，不论是内部数据的开源数据集，还是社交媒体等产生的非结构性数据集，这些数据类型都将发生巨变。 《通用数据保护条例》让你重新审视数据战略 英国桑斯博里公司（Sainsbury’s）首席数据官安德鲁·戴（Andrew Day） （桑斯博里公司：英国最大的连锁食品商店，创办于1869年） 越来越多渠道获得的大量数据为开发数据应用提供了广泛的市场 数据整合是成功关键 联合利华信息分析副总裁柯尔斯顿·穆迪（Kjersten Moody） （联合利华：跨国消费品公司，总部设在荷兰鹿特丹和英国伦敦，世界第三大消费品公司，世界上最大的涂抹食品生产商，最古老的跨国公司之一 联合利华目前专注于整合不同渠道数据，对客户数据体验进行重新定义，建立互动性更高的数据联系。这样一来，我们就能让客户深度发掘数据信息，并做出正确的行动决策。 翻译：灯塔大数据
93180发布于 2018-04-08 - 来自专栏互联网大杂烩
6大设计原则
所有引用基类的地方必须能透明地使用其子类对象。 只要父类能出现的地方子类就可以出现。
39330发布于 2018-08-22 - 来自专栏木东居士的专栏
数据团队思考：小型数据团队发展的6大建议
数据团队思考：小型数据团队发展的6大建议 0x00 前言 最近遇到了不少待在小型数据团队的朋友在吐槽自己的团队如何如何的坑，比如说： 基础建设特别差，用什么没什么！ 鉴于这些吐槽的内容，居士将从如下几个方面来分享本篇的主题：小型数据团队发展的6大建议 为什么你的团队是一个小型的数据团队？ 小团队会面临什么样的难题？ 很多大公司的数据团队可能也是很少的几个人。这里面有两种可能： 公司本身并不需要特别强大的数据支撑，或者还没有重视。 另一种可能是一个大的公司的各个部门里面，都会有自己的小的数据团队。 比如说： 环境的安装笔记 一些权限申请的说明 数据分析的套路 一些关键表的汇总 表的开发流程 任务的配置方式 ...... 另外，数据挖掘本来也是数据团队的工作内容，这里的6个建议同样适用。 补充说明一点：本文是从团队的角度来考虑，并不是个人的角度。 最后，欢迎大家提出你的意见，批评也很欢迎，一起讨论才会有进步。
1.1K10发布于 2019-11-12 - 来自专栏云计算D1net
关于SaaS和数据恢复的6大谬误
这里有六个关于SaaS应用的谬误，会可能导致你天真地相信你公司云端的数据是安全的。而事实上它们却处于严重的风险之中，并且如果没有数据保护的解决方案的话，将可能会永久的失去。 谬误一：你总是可以恢复你的云端数据 云计算提供商确实能提供不同程度的恢复，但是有一个问题：这种备份并非旨在将所有数据都能提供给客户。 提供数据保护。虽然这两种技术有一些重叠的特性，但是它们在根本上是不同的两种方法： ·件同步和共享是建立在用户内容的实时协作基础上的，但它不是用于在用户错误、数据损坏或面对勒索软件所采取的数据恢复。 数据被全方位所保护着，包括用SaaS应用程序进行文件存储，并且在设备一旦丢失或被盗的情况下，其附加的功能够帮助组织跟踪设备，和/或远程删除企业的数据。 另外，原生的云内容分析能力可以帮助你更为深入地了解在横跨多个数据源的时候，潜在的数据和合规方面的风险。
74850发布于 2018-03-27 - 来自专栏新智元
智能音箱2017大爆发，6大数据看懂亚马逊与谷歌之争
厨房是Echo最频繁的使用场景之一； 6. 亚马逊将发布带屏幕的Echo。 相信以上结论会对国内暗流涌动的智能音箱之战会有较强的借鉴意义。 6月24日，Fortune报道。 Ad Age 公布的一份最新研究表明，谷歌的智能音箱 Home 比起亚马逊的 Alexa 要更可靠，对正确地回答用户命令这一任务进行量化的结果显示，双方有6倍的差异。 在所提供的答案的正确性上，谷歌的虚拟助理是亚马逊的6倍。 这一结果有些出乎意料。但是，考虑到两家公司在语音助理技术上的不同路径，这也是能理解的。 与此同时，亚马逊通常会选择与信息和内容合作伙伴协作，来获得数据。对于随机用户来说，特别是现在许多AI 业务都是在云上完成，谷歌和亚马逊的搜索结果可能不会有本质的区别。但是，搜索引擎的数据集是海量的。 但是根据新的数据，这一数字上升到了1.5到1.6台。 虽然数字没有那么精确，但是Echo的统治力是毋庸置疑的。
848120发布于 2018-03-28 - 来自专栏数说工作室
【SAS Says】基础篇：6. 开发数据（二）
本节目录： 6.1 使用SET语句复制数据集 6.2 使用SET语句堆叠数据 6.3 使用SET语句插入数据集 6.4 一对一匹配合并数据 6.5 一对多匹配合并数据 6.6 合并统计量与原始数据 6.7 将一个观测值变成多个 6.13 proc transpose：将观测值转变为变量 6.14 使用SAS内置变量 ---- 【SAS Says】基础篇：6. 开发数据（复制、合并、更新、输出、转置） 6.1 使用SET语句复制数据集 SET语句可以复制数据集。 由于每辆车的最大乘客数为6人，现在想知道一列火车上，平均每两汽车的乘客数是多少，可以在数据中插入一列，但这不在原始数据中计算，而是在一个新数据集中计算： ? 结果如下： ? 如上图显示的那样，左边是主数据，右边是交易数据，现在 id=2的数据出现了更新，第二个变量变成了2； id=3的数据，第一个变量需要更新成b； 另外数据还要更新的是增加了id=5的数据。
2.8K30发布于 2018-03-28 - 来自专栏逻辑熊猫带你玩Python
Python | 6大数据类型方法归纳总结（中）
撰文编辑：逻辑熊猫 | 图片：网络与截图 - 正文 - ▼ -01- 概述 | 六中数据类型 Python提供的基本数据类型有六种： · 数字（Number） · 字符串（String） · 元组 6、set.discard()：如果它是一个成员，从集合中移除一个元素。如果元素不是成员，则什么都不做。 7、set.intersection()：将两个集合的交集作为一个新集合返回。
94140发布于 2018-08-30 - 来自专栏逻辑熊猫带你玩Python
Python | 6大数据类型方法归纳总结（下）
撰文编辑：逻辑熊猫 | 图片：网络与截图 如需转载，请后台联系授权 往期内容 Python 自助篇 “6大数据类型方法归纳总结（上）” “6大数据类型方法归纳总结（中）” - 正文 - ▼ -01 - 概述 | 六中数据类型 Python提供的基本数据类型有六种： · 数字（Number） · 字符串（String） · 元组（Tuple） · 集合（Sets） · 列表（List） · 字典（ 6.L.index(value, [start, [stop]]) ：返回value的第一个索引。如果value不存在，就会引发ValueError。可以使用start和stop制定检索的范围。 6.D.pop(key[,default]) ：删除指定的键并返回相应的值。如果没有找到该键，则返回默认值，否则会引发KeyError。
99120编辑于 2023-03-18 - 来自专栏逻辑熊猫带你玩Python
Python | 6大数据类型方法归纳总结（中）
撰文编辑：逻辑熊猫 | 图片：网络与截图 如需转载，请后台联系授权 往期精彩内容 Python | 自助篇 Python | "6大数据类型方法归纳总结（上）" - 正文 - ▼ -01- 概述 | 六中数据类型 Python提供的基本数据类型有六种： · 数字（Number） · 字符串（String） · 元组（Tuple） · 集合（Sets） · 列表（List） · 字典（Dictionary 6、set.discard()：如果它是一个成员，从集合中移除一个元素。如果元素不是成员，则什么都不做。 7、set.intersection()：将两个集合的交集作为一个新集合返回。
53120编辑于 2023-03-18 数据清洗6大核心方法，一文讲透！
我做数据这么多年，总是会听到："我快被这个月的数据搞疯了！上周做的销售报表，今天业务部门说数据对不上，差了好几十万。""数据一直对不上，是不是数据源有问题？"" 你想，如果你的销售数据里混入了测试数据，或者客户年龄出现了负值，基于这些数据制定的市场策略，怎么可能正确呢？ 第一步：理解数据与诊断问题在动手之前，先为数据做一次全面体检。使用描述性统计查看数据的基本分布，检查是否有明显的异常值，查看数据的前几行和后几行，对数据有个直观感受。 文本清洗：包括去除首尾空格、统一大小写、纠正拼写错误、将同义词统一。数据类型转换：确保每一列的数据类型是正确的，比如把存储为字符串的数字，转换为数值类型，才能进行数学运算。 数据离散化：将连续数据分段，变成类别数据。比如将年龄分为青年、中年、老年。
77810编辑于 2025-11-22- 来自专栏逻辑熊猫带你玩Python
Python | 6大数据类型方法归纳总结（下）
撰文编辑：逻辑熊猫 | 图片：网络与截图 - 正文 - ▼ -01- 概述 | 六中数据类型 Python提供的基本数据类型有六种： · 数字（Number） · 字符串（String） · 元组 6.L.index(value, [start, [stop]]) ：返回value的第一个索引。如果value不存在，就会引发ValueError。可以使用start和stop制定检索的范围。 6.D.pop(key[,default]) ：删除指定的键并返回相应的值。如果没有找到该键，则返回默认值，否则会引发KeyError。
1.5K31发布于 2018-08-30 - 来自专栏逻辑熊猫带你玩Python
Python | 6大数据类型方法归纳总结（上）
撰文编辑：逻辑熊猫 | 图片：网络与截图 - 正文 - ▼ -01- 概述 | 六中数据类型 Python提供的基本数据类型有六种： · 数字（Number） · 字符串（String） · 元组 6.islower()：如果字符中至少包含一个能区分大小写的字符，并且这些字符都是小写则返回True,否则返回Flase 。
2.1K41发布于 2018-08-30 - 来自专栏代码世界
6大设计原则总结
6大设计原则总结 一、单一职责原则 单一职责原则：英文名称是Single Responsiblity Principle，简称是SRP。定义：应该有且仅有一个原因引起类的变更。 可维护性提高，可读性提高，那当然更容易维护了； 变更引起的风险降低，变更是必不可少的，如果接口的单一职责做得好，一个接口修改只对相应的实现类有影响，对其他的接口无影响，这对系统的扩展性、维护性都有非常大的帮助 ”，而不是“肥嘟嘟”的一大堆方法； 已经被污染了的接口，尽量去修改，若变更的风险较大，则采用适配器模式进行转化处理； 了解环境，拒绝盲从。 一个展示数据的列表，按照原有的需求是6列，突然有一天要增加1列，而且这一列要跨N张表，处理M个逻辑才能展现出来，这样的变化是比较恐怖的，但还是可以通过扩展来完成变化，这就要看我们原有的设计是否灵活。 2、元数据（metadata）控制模块行为 编程时使用元数据来控制程序的行为，减少重复开发。用来描述环境和数据的数据，通俗地说就是配置参数，参数可以从文件中获得，也可以从数据中库中获得。
97190发布于 2018-04-12 - 来自专栏程序那些事
Fabric的6大特性
什么是Hyperledger Fabric 为了满足现代业务需求，IBM与其他公司合作，共同开发了一个开放源代码，可立即投入生产的业务区块链框架，称为Hyperledger Fabric™，这是由LinuxFoundation 在考虑准入的网络时，您应该考虑您的区块链用例是否需要遵守数据保护法规。许多用例（尤其是在金融部门和医疗保健行业）受数据保护法律的约束，这些法律要求了解网络的成员是谁以及谁在访问特定数据。 6）当提交peer节点收到一批事务时 7）验证是否符合背书策略，并检查读/写集以检测冲突的事务。如果两项检查均通过，则该块将提交到账本，并且每个事务的状态更新都将反映在状态数据库中。 3 需要了解的数据 由于竞争力，保护法和个人数据机密性的规定，企业需要对某些数据元素进行隐私保护，这可以通过在区块链上进行数据分区来实现。 6 保护数字钥匙和敏感数据 HSM（硬件安全模块）提供了对数字密钥的高级保护。对于涉及身份管理的方案，HSM可以更好的保护密钥和敏感数据。 更多教程请参考 flydean的博客
1.7K20发布于 2020-07-08
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