- 综合排序
- 最热优先
- 最新优先
- 来自专栏大数据文摘
2016大数据发展7大趋势
因此，高级管理人员正在寻找其人力资源的确切数据，所以，2016年我们会看到人力资源分析将迈出一大步。 人力资源分析虽然是人事部门新的业务领域，但为了更好地提高人力资源的投资回报率，该业务增长极为迅速。 对于那些大的商业组织而言，大数据已经成为通用语言。在适应新趋势方面，政府是缓慢的，但是在2016年，我们会看到更多的国家、地区和地方政府会采用大数据技术来提高社会和公民的体验。 因此在未来一年，我们将在世界范围内看到越来越多的政府开发智能方案。我们也将看到更多的政府开放自己的数据集，应用开放的API（应用程序编程接口）使初创公司和企业够轻松地与政府部门对接。 7.智能机器带来的雾分析（Fog Analytic s)起步 ? 雾计算正在迅速地获得大量动力。雾计算是指推进连接到物联网的终端设备和存储数据的云计算之间的存储、传输和计算。 原文链接：https://datafloq.com/read/7-big-data-trends-for-2016/1699?
1.2K60发布于 2018-05-22 - 来自专栏华章科技
大数据7大最奇特应用
在客户体验与库存管理流程方面，大数据通常会发挥重要作用。下面盘点了7个最有趣、最独特的大数据应用，以及它们可能对我们的生活产生的影响。 1.大数据广告牌 户外营销公司Route正使用大数据在广告牌、长椅以及公交车两侧的广告空间上设定定价模式。 5.大数据天气预报 从手机到交通地图，很多应用长期以来就需要数据支持。名为WeatherSignal的应用可以利用Android手机中的传感器，提供实时的天气数据。 7.大数据胸罩 True&Co网站正利用大数据帮助女性寻找号码更合适的胸罩。统计数据显示，大多数女性都戴错了胸罩的号码，为此这家网站试图帮助解决这个问 题。 该公司的内部品牌甚至会基于用户的反馈和公司收集到的数据 开发和设计新式胸罩。 利用大数据的可能性是无穷无尽的，我们可能需要时间去寻找大数据的更多应用方式。你最近看到有趣或不同寻常的大数据项目吗?
94410发布于 2018-08-13 - 来自专栏数据分析师小熊
数据分析7大能力：梳理数据需求
顾名思义，数据需求，就是业务部门对数据分析产出的需求。有小伙会说：这还有需求呀，我们公司都是一通电话：“歪！给我个XX数据，快！”就完事了，根本不存在啥需求。 确实有这种无脑公司。 Who：数据使用者 When：数据使用时间 Where：数据使用场合 Why：使用数据原因 What：具体数据格式 三、who：谁使用数据 包括： 申请人：部门，姓名 审批人：领导签名、邮件回复 加上审批人 ，可以在一大堆需求塞车的时候，按领导等级高低排序给数。 不主动问数据用在哪里，结果业务拿着数据乱捅一波，捅完了就说：“诶呀，我们又不懂，都是数据提供的你去问他”……数据自然百口莫辩，死无全尸……所以不要吝啬语言，问清楚！ 六、why：为什么需要数据。 如果没有提前沟通好埋点/数据同步的问题，监控是没法按时上线的，更没法提供准确数据。相当多公司埋点管理混乱，就是因为数据、开发、业务相互不通气，信息不一致造成的。
1.3K21编辑于 2022-04-22 - 来自专栏施炯的IoT开发专栏
转贴-WP7开发资源大收集
文章作者: jason huang 文章标签: Microsoft, Windows Phone 7, WP7 转贴链接: WP7开发资源大收集 这里收集了大量的WP7应用开发文档和软件资源，相信对开发者会有很大的帮助 : Windows Phone 7 Series Programming Model Learning WP7 Blog; Charlie Kindel WP7 WP7 Channel 9: Windows Windows Phone 7 Coding Comparison WP7 Engadget: Windows Phone 7 In-Depth Preview WP7 Eqatec Analytics WP7 Microsoft public Windows Phone 7 Series link WP7 MSDN: Windows Phone Development MSDN WP7 Rob Tiffany WP7 WP7 Gesture Recognizer and Behavior / Triggers Gestures, Multitouch, Behavior, Trigger WP7 WP7 InputScope
1.3K80发布于 2018-01-10 - 来自专栏云计算D1net
7大云计算数据仓库
云计算数据仓库通常包括一个或多个指向数据库集合的指针，在这些集合中收集生产数据。云计算数据仓库的第二个核心元素是某种形式的集成查询引擎，使用户能够搜索和分析数据。这有助于数据挖掘。 关键价值/差异： •微软公司在2019年7月发布了Azure SQL数据仓库的主要更新，其中包括Gen2更新，提供了更多的SQL Server功能和高级安全选项。 •Oracle的SQL Developer功能是另一个关键功能，它集成了数据加载向导和数据库开发环境。 (6)SAP Data Warehouse Cloud 潜在买家的价值主张。 •对于现有的SAP用户，与其他SAP应用程序的集成意味着可以更轻松地访问本地以及云计算数据集。 (7)Snowflake 对潜在买家的价值主张。 7个顶级云计算数据仓库对比图表 ? （来源：企业网D1Net）
7.5K30发布于 2019-09-26 - 来自专栏PPV课数据科学社区
大数据专家：大数据7大最奇特应用
在客户体验与库存管理流程方面，大数据通常会发挥重要作用。近来，我盘点了7个最有趣、最独特的大数据应用，以及它们可能对我们的生活产生的影响。 1.大数据广告牌 户外营销公司Route正使用大数据在广告牌、长椅以及公交车两侧的广告空间上设定定价模式。 7.大数据胸罩 True&Co 网站正利用大数据帮助女性寻找号码更合适的胸罩。统计数据显示，大多数女性都戴错了胸罩的号码，为此这家网站试图帮助解决这个问题。 该公司的内部品牌甚至会基于用户的反馈和公司收集到的数据开发和设计新式胸罩。 利用大数据的可能性是无穷无尽的，我们可能需要时间去寻找大数据的更多应用方式。你最近看到有趣或不同寻常的大数据项目吗? 知识无极限 6、回复“啤酒”查看数据挖掘关联注明案例-啤酒喝尿布 7、回复“栋察”查看大数据栋察——大数据时代的历史机遇连载 8、回复“数据咖”查看数据咖——PPV课数据爱好者俱乐部省分会会长招募 9、
1.2K50发布于 2018-04-20 - 来自专栏数据科学与人工智能
【数据】金融领域7大数据科学案例
管理客户数据 对于金融公司来说，数据是最重要的资源。因此，高效的数据管理是企业成功的关键。今天，在结构和数量上存在大量的金融数据：从社交媒体活动和移动互动到市场数据和交易细节。 人工智能工具，特别是自然语言处理，数据挖掘和文本分析有助于将数据转化为智能数据治理和更好的业务解决方案，从而提高盈利能力。 过去，金融公司不得不聘用能够开发统计模型并使用历史数据来创建预测市场机会的交易算法的数学家。然而，今天人工智能提供了使这一过程更快的技术，而且特别重要的是 - 不断改进。 ? 我们认为，我们主要关注金融领域的7大数据科学用例，但还有很多其他值得一提的。 如果您有任何进一步的想法，请在评论部分分享您的想法。 原文链接： https://medium.com/activewizards-machine-learning-company/top-7-data-science-use-cases-in-finance
1.7K00发布于 2018-07-30 - 来自专栏Spark学习技巧
金融领域7大数据科学案例
管理客户数据 对于金融公司来说，数据是最重要的资源。因此，高效的数据管理是企业成功的关键。今天，在结构和数量上存在大量的金融数据：从社交媒体活动和移动互动到市场数据和交易细节。 人工智能工具，特别是自然语言处理，数据挖掘和文本分析有助于将数据转化为智能数据治理和更好的业务解决方案，从而提高盈利能力。 过去，金融公司不得不聘用能够开发统计模型并使用历史数据来创建预测市场机会的交易算法的数学家。然而，今天人工智能提供了使这一过程更快的技术，而且特别重要的是 - 不断改进。 ? 我们认为，我们主要关注金融领域的7大数据科学用例，但还有很多其他值得一提的。 如果您有任何进一步的想法，请在评论部分分享您的想法。 原文链接： https://medium.com/activewizards-machine-learning-company/top-7-data-science-use-cases-in-finance
2.7K40发布于 2018-06-22 - 来自专栏灯塔大数据
每周学点大数据 | No.7大数据规模的算法分析
No.7期 大数据规模的算法分析 Mr. 王：这样的时间界限记为O(1)，我们称之为常数时间算法，这样的算法一般来说是最快的，因为它与输入规模完全无关，不论输入规模n多么大，我们都可以用一个与输入规模n无关的常数时间得出结论，相比于巨大的n来说 另外，与大O记号类似，常用的记号还有Θ，Θ(g(n)) 表示函数f(n)构成的集合，存在n0，c1，c2。当n≥n0时，0≤c1g(n)≤f(n)≤c2g(n)。 它们与大O记号和Ω记号类似，只是在大小关系上不包含等于。 小可：嗯，听到这里，我理解了如何进行算法的分析和几种记号表示的含义了。 Mr. 内容来源：灯塔大数据
74240发布于 2018-04-09 - 来自专栏数据分析师小熊
数据分析师7大能力：梳理标签体系
上期分享了数据分析师必备能力：打标签。这次分享一个更高级能力：构造标签体系。在提升能力的顺序上，当然是先会打一个标签，再会搞整个体系了。 一、什么是标签“体系”？ 说“做数据的来分析分析……”分析啥呀，连对象都没统一呢！ 所以，为了保住饭碗为了有效推动业务工作，更得体系化设计了。 然后任由他们自说自话，最后：请数据分析给一个公平公正公开所有人都能接受的完美方案……这么搞，最后就是做数据的小可怜儿改了几十版，还是被某些人吐槽：不完美呀。天啊，我要打住了，再吐槽下去要歪楼了。 沟通不好，一切白费，因此下一篇我们来分享《数据分析7大能力之沟通能力》敬请期待哦。
87310编辑于 2022-04-22 - 来自专栏博文视点Broadview
7大类数据分析报告写作指南
根据一个人对报告内容的熟悉程度来分，有7种类型，一一介绍如下： 类型一：介绍型报告 介绍型报告适用于：向不了解情况的人，做第一次汇报时使用。介绍型报告一般采用总分式结构，分若干个角度进行介绍。 因此探索型报告必须有较强的逻辑性，得解释清楚自己列举的数据与给出的结论之间有啥逻辑关系。最后的提示/建议，也是建立在坚实的数据基础上的。 （七大类型选一个） 3、他是否了解我说的东西？（不了解的先做介绍） 4、他的意见是否会影响结果（特别是预测/评估报告） 这样有的放矢，就能让数据报告切中对方痛点，解答对方的疑问，减少质疑。 避免毫无意义地铺陈数据。 最常见的，比如想向大领导安利一个方案，为了确保内部详细，会安排好几个模块： 1、先介绍背景（介绍型报告） 2、再介绍当前走势（监控型报告） 3、再介绍当前问题（诊断型报告） 4、再介绍计划方案（探索型报告
78130编辑于 2023-04-04 - 来自专栏张善友的专栏
开发人员应该知道Windows 7的十大技巧
Windows 7. 这里指的开发人员就是像你我这样的.NET开发人员, 作者列出了10个你可能已经知道的问题列表: Windows 7内部包含.NET 3.5 SP1: 为Windows 7开发的应用程序就不用安装那个高达 可以使用Powershell为你开发工作写些自动化的脚本辅助工作。 还有一个广泛的Windows 7 UX指南，提供PDF版本下载 即将推出的Windows 7的书（"Windows 7 Inside Out," "Windows 7 Resource Kit" and Windows 7 Developer Guide Windows 7 Training Kit
75650发布于 2018-01-30 - 来自专栏企鹅号快讯
2018年7大预测
也正因为是以“共享”和“分享”为基，导致信息极易泄露，数据安全得不到有效保护。 兆信股份使用慧聪私有云服务，保障客户数据安全性与稳定性，能达到银行级的安全系数。 六、大数据实际运用，个性化营销更广泛 2017年，以数据为基础、效果为导向的量化营销、目标成为主流，很多品牌凭借此“软技能”已经尝到甜头。 2018年，将会有大量早期着手大数据的企业，尤其是已经使用了兆信股份数字身份管理系统的企业，已经有了22年的数据沉淀，能够精准地进行客户画像，行为分析等，真正实现企业比消费者更懂自己，据特殊用户或用户体系提供定制化内容 所有这些海量数据，加之人工智能的处理能力，将帮助机器更好地调配人力资源。人类将成为“数字指挥员”，技术作为我们自身的延伸，将以引领我们开启更加智能的生活。
1.2K110发布于 2018-01-08 - 来自专栏个人路线
鸿蒙 PC 开发爆火！7 大语言（仓颉 JavaPythonC）适配，一次开发多端跑
它兼具高效编程、安全可靠、轻松并发和卓越性能四大核心特性，支持函数式、命令式、面向对象等多编程范式，内置类型推断、模式匹配、高阶函数等现代化特性，能大幅降低开发者的心智负担。 在应用领域上，Java 广泛用于企业级服务、大数据处理、传统 Android 应用开发等场景，拥有 Spring、Hibernate 等丰富的成熟框架。 它是解释型语言，无需编译过程，开发效率极高，同时拥有 NumPy、TensorFlow、Django 等覆盖数据分析、AI/机器学习、Web 后端的全领域库。 开发者使用仓颉开发 PC 应用时，可直接调用鸿蒙全场景 API，借助声明式 UI 框架快速构建适配 PC 大屏的界面，同时享受轻量化线程带来的高效并发能力与自动内存管理的安全性。 这种混合开发模式充分发挥了各语言的优势：C/C++保障底层性能，Python 提升数据处理效率，JavaScript 简化交互逻辑，仓颉实现全场景适配，为复杂应用开发提供了灵活的解决方案。 4.
91410编辑于 2026-01-12 - 来自专栏Java
小米大模型数据开发工程师-武汉
小米大模型数据开发工程师-武汉 我对于这个岗位的理解 结合这个职位的描述与网上的搜索，对于这个职位我的理解大概是这样的： 数据处理：需要使用各种工具（如SQL、Python、Hadoop等）来收集、清洗和处理数据 大模型和大数据的行业前景理解 大模型-理解 首先是对于大模型的理解，最经典的就是chatgpt，PI AI，claude2, Bard,这些是市面上使用体验最好的大语言模型，这也是我平日生活中工作学习必不可少的部分 就我自己学习和我们老师教学来看，我的理解是后端开发包含大数据开发，但是大数据开发不包含后端开发，也就是干后端开发的往往也可以干大数据开发，但是干大数据开发的很难转到后端开发，我们教学也是这样的，都显示教完 因此，Python常被用于数据分析和大模型的构建，它的灵活性和易用性使得数据科学家和工程师能够更快速地进行原型设计和实现复杂的数据分析任务。 kafka\spark\ETL\maven\gradle 我们可以将大模型数据开发想象成是一家大型的制造厂，而这些技术工具就是厂房中的各种设备。
59610编辑于 2025-01-21 - 来自专栏帅云霓的技术小屋
大模型与AI底层技术揭秘 (7) 卡车搬运的数据
Tensorflow是基于CUDA实现的真正的“机器学习”开发框架。 基于Tensorflow开发的AI/ML应用架构如下图： 图中，CUDA对高级语言层面屏蔽了CPU与GPU硬件之间交互的细节，使得开发者可以通过调用CUDA库实现将并行运算交给GPU处理；而Tensorflow 又调用CUDA库，将常见的机器学习算法进行封装，使得数学水平没有那么好的工程师们也可以简单快速地开发AI/ML应用。 让我们再回到《大模型与AI底层技术揭秘 (2) 人妖之间的国度》中提到的“算盘打出原子弹”的故事。实际上，这是一个典型的分布式并发计算的场景。Tensorflow也提供了分布式训练的能力。 我们发现，这一计算过程中涉及到大量的数据通信： 拉取大量的样本，如海量图片等； 拉去参数数据； 将训练的参数回馈； 在自动驾驶等训练场景，集群中每天的数据通信量可达PB之巨。
44220编辑于 2023-10-30 - 来自专栏zzzz
大快大数据开发框架的构成模块
大快大数据开发框架的构成模块 大数据也不是近几年才出现的新东西，只是最近几年才真正意义上变得热门、火爆！ 做大数据原生态开发且又推出商业发行版的，行业也就只有大快搜索，可能在未来的三五年内也许还会有做大数据原生态开发的出现。 为何大数据的普及度不高，主要是由于大数据的应用开发太过偏向于底层，学习的难度不是一般的大，所涉及到的技术面广太大，不是一般人所能够驾驭得了的。 大快DKhadoop把大数据开发中的一些通用的，重复使用的基础代码、算法封装为类库，在很大程度上降低了开发的难度。相信这个对于从事开发的人员看了就更容易懂了。 下面，就给大家介绍看一下大快的大数据开发框架的模块构成都有哪些： 大快大数据一体化开发框架主要由六部分组成：数据源与SQL引擎、数据采集（自定义爬虫）模块、数据处理模块、机器学习算法、自然语言处理模块、
90720发布于 2018-10-10 - 来自专栏极客猴
7大 Python 特殊技巧提升数据分析能力
本文是 Peter Nistrup 根据自己的日常数据分析工作的经验，总结出 7 个提升数据分析效率的技巧。 1. Pandas Profiling 该工具效果明显。 使用Cufflinks和Plotly绘制Pandas数据 「经验丰富的」数据科学家或数据分析师大多对 matplotlib 和 pandas 很熟悉。 需要做大量数据可视化工作的朋友，可以阅读 Cufflinks 和 Plotly 的文档，发现更多方法。 假设你花了一些时间清洗 notebook 中的数据，现在你想在另一个 notebook 中测试一些功能，那么你是在同一个 notebook 中实现该功能，还是保存数据并在另一个 notebook 中加载数据呢 7. 为 Jupyter Notebook 即时创建幻灯片 使用 RISE，你可以仅通过一次按键将 Jupyter Notebook 即时转变为幻灯片。
1K10发布于 2019-11-20 - 来自专栏AI+BI智能数据分析
顶尖数据分析师需要掌握的7大技能！
以下是我们认为顶尖数据分析师应具备的7大技能： 1.商业头脑 如果你希望你的工作在实际业务中产生更大的影响，那么你需要深入了解业务的运作方式。 用超越传统数据分析聚焦的KPI和十大畅销商品的视角去看待，比如： 企业的业务战略是什么？ 企业处于市场的何种地位？ 企业如何从竞争对手中脱颖而出？ 企业的关键业务流程是什么？ 对此，你需要知道： 数据来自哪里？ 为什么收集数据，怎么收集数据，以及由谁收集？ 数据经历了哪些转化步骤？ 数据存放在哪里？ 你如何访问数据以及谁有权访问数据？ 你可以使用哪些工具进行分析？ 7.数据可视化的技能 使用什么工具，以及你是以数字化方式还是在白板上呈现数据分析报告并不重要，重要的是能够描绘出一幅展示正在发生的事情的全局图。 这可以像在白板上绘制流程一样简单。 尤其需要注意上下文的衔接，不要孤立地呈现数据报告，这是在弱化数据分析的意义。这些数据与业务前期、其他部门、行业基准有何关联？
1.2K30发布于 2019-05-27 - 来自专栏数据分析1480
一起聊聊7大数据思维的核心原理！
大数据思维原理是什么?笔者概括为7项原理。 01 数据核心原理 从“流程”核心转变为“数据”核心 大数据时代，计算模式也发生了转变，从“流程”核心转变为“数据”核心。 以数据为核心，反映了当下IT产业的变革，数据成为人工智能的基础，也成为智能化的基础，数据比流程更重要，数据库、记录数据库，都可开发出深层次信息。 02 关注效率原理 由关注精确度转变为关注效率 关注效率而不是精确度，大数据标志着人类在寻求量化和认识世界的道路上前进了一大步，过去不可计量、存储、分析和共享的很多东西都被数据化了，拥有大量的数据和更多不那么精确的数据为我们理解世界打开了一扇新的大门 数据预测、数据记录预测、数据统计预测、数据模型预测，数据分析预测、数据模式预测、数据深层次信息预测等等，已转变为大数据预测、大数据记录预测、大数据统计预测、大数据模型预测，大数据分析预测、大数据模式预测 最近俄罗斯人开发一台计算机软件通过图林测试，表明计算机已初步具有智能。 让机器懂人，这是人工智能的成功，同时，也是人的大数据思维转变。你的机器、你的软件、你的服务是否更懂人?
1.3K30发布于 2019-06-03
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