- 综合排序
- 最热优先
- 最新优先
- 来自专栏chimchim要努力变强啊
数仓建模—国产建模工具神器
数仓建模—国产建模工具神器 常见的建模工具有： PowerDesigner、CA ERwin、Rational Rose、Visio、Datablau(数语科技) DDM、Enterprise Architect (简称EA) 最近了解到一个新的神器 CHINER 发展过程： 第一个（公开发行名称）：PDMan: Physical Data Model Manager(物理模型管理) 第二个（内部使用名称）： 第三个（公开发行名称）：CHINER: CHINESE Entity Relation(国产实体关系图工具)，为方便国内普及，中文名称为：元数建模，也作:"CHINER[元数建模]"公开使用。
1.1K40编辑于 2022-11-13 - 来自专栏Mac资源随时更新
建模神器：Rhino 7 3D建模工具「winmac」
Rhino 7是一款强大的建模神器，提供精准的曲面工具用于渲染表现、动画、工程图、分析评估以及生产用的模型并兼容3dmax、Softimage模型。 Rhino 7建模神器 MacRhino 7建模神器 Win图片特点1、可以创建，编辑，分析，记录，渲染，动画和翻译NURBS曲线，曲面和实体，点云和多边形网格。 对硬件的复杂程度，程度或大小没有任何限制2、不受限制的自由形式的3D建模工具，只有在产品成本高出20到50倍的产品中才能使用。 不需要特殊的硬件8、数百种专业建模产品的开发平台9、与您所有其他设计、绘图、CAM、工程、分析、渲染、动画和插图软件的兼容性
1.1K20编辑于 2022-08-27 - 来自专栏好好学习
【UML建模】（2） UML建模之用例图
用例图主要用来描述软件的使用者是谁，软件提供哪些功能，它用来表示一个系统中用例与参与者及其关系的图，主要用于需求分析阶段
1.3K11编辑于 2022-03-31 - 来自专栏奇点大数据
神器Pytorch（2）
2、 安装与配置Python、Pip 这种情况属于python3版本已经安装，安装的是3.6.3版本，但是没有为python3建立链接。 我这边以安装CUDA 8.0和CUDNN 5.1为例，命令如下： 下载CUDA 8.0 deb文件 wget https://developer.nvidia.com/compute/cuda/8.0/Prod2/ local_installers/cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64-deb wget https://developer.nvidia.com /compute/cuda/8.0/Prod2/patches/2/cuda-repo-ubuntu1604-8-0-local-cublas-performance-update_8.0.61-1_amd64 -deb 安装CUDA 8.0 deb文件 sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb sudo apt-get
86940发布于 2018-04-24 - 来自专栏韩锋频道
数据建模1,2,3
2. 维度建模 1).基本概念 在建模过程中，涉及到很多概念。下面通过一个场景来，来说明它们。例如：常见的电商下单环节，每个用户提交一笔订单（仅限一个物品），就对应于一条订单记录。 【业务过程】：下订单 【粒度】：每笔订单（拆分为单个物品） 【维度】：地域、年龄、渠道等（可供分析的角度） 【事实/度量】：订单金额等（可用于分析的数据） 2).建模步骤 收集业务需求与数据实现 在开始维度建模工作之前 3).建模规范 以维度建模为理论基础，定义一系列术语来描述建模对象。下图摘自于《阿里巴巴大数据实践之路》。 ? 数据域 指面向业务分析，将业务过程或者维度进行抽象的集合。 设计要点 1).维度表设计 维度是维度建模的基础和灵魂。在维度建模中，将度量称为"事实"，将环境描述为"维度"，维度是用于分析事实所需要的多样环境。维度所包含的表示维度的列，称为维度属性。 2).事实表设计 事实表作为数据仓库维度建模的核心，紧紧围绕着业务过程来设计，通过获取描述业务过程的度量来表达业务过程，包含了引用的维度和与业务过程有关的度量。
1.5K51发布于 2019-06-06 - 来自专栏有关SQL
推荐 2 个阅读神器
说下我推荐的 2个阅读神器。 为什么说是阅读，而不是看书呢。在我朋友圈的读者们，可能已经知道了。比起看书，我平常阅读更多的是，期刊论文或者博硕毕设。偶尔，要学点新技术，看书才会成为我的选择。 所以，我要推荐的，1个神器，是微信读书，用来看书；第2个神器，是知网和谷歌学术。 微信读书，是我的年度最佳 app ，绝对可以排前三。 下图层1，是谷歌学术搜索；图层2/3，是知网的。但，他俩代表的是两个世界 如果你有好的看书，阅读神器，也欢迎留意，与大家一起分享！ 不出意外，这是农历2022年前，最后一篇文章了。
98620编辑于 2022-03-31 - 来自专栏Android先生
Dagger2神器入门
作者：小腊月 地址：http://www.jianshu.com/p/dce5382fec5d 声明：本文是小腊月原创，已获其授权发布，未经原作者允许请勿转载 前言 网上随便搜索一下Dragger2， 首先，如果想要学好dagger，就必须要了解什么是“依赖注入”，因为dagger2是实现依赖注入的一个框架。 那么，我们的Dagger2能给我们带来什么呢？能达到什么效果呢？为什么要使用Dagger2呢？这一大堆问题我们将需要一个一个突破，弄懂一个问题之后，再进行下一个问题，不然，讲完之后，会让你云里雾里。 public class Person { // dagger2直接使用@Inject @Inject Car car; public Person(Car car) { 待我们学完之后，再回过头来回答为什么要使用Dagger2？和前面的注入方式相比，有什么好处？ 下面的我们将通过demo代码形式来使用Dagger2，因为我们都是程序员，代码胜过千言万语~~
56520发布于 2018-08-07 - 来自专栏学习成长指南
数学建模Python必知必会（2）
我们一般选择自己熟悉的这个方法就可以了，不然如果一个方法在不同的模块里面的这个名字是一样的，这个时候你有同时导入多个模块，这个时候就会冲突；关于第三方库的说明：内置模块直接导入，第三方库，需要使用这个pip包管理器进行这个库的安装；2.
13610编辑于 2025-03-22 - 来自专栏Android先生
Dagger2神器入门（二）
作者：小腊月 地址：http://www.jianshu.com/p/c673e6e73c8b 声明：本文是小腊月原创，已获其授权发布，未经原作者允许请勿转载 前言 在Dagger2神器入门(一)中，我们了解了什么是依赖注入 ，那么在这一章中，我们将逐渐入门Dagger2。 那么接下来我们用Dagger2的方式，来做做试试，先不管他们之间的区别，just do it。做出来效果之后再回过头来反思。 但是Dagger2为了解耦，提供了一个中介，@Component注解，也就是我们的第4步。 这章主要是入门了Dagger2，下面我们会了解 1 为什么要使用Dagger2来替代文章一开头的写法？ 2 如果@Inject注解的构造器有多个怎么办？ 3 如果存在依赖链怎么办呢？
58330发布于 2018-08-07 - 来自专栏Prometheus专栏
Prometheus监控神器-Alertmanager篇(2)
/qyapi.weixin.qq.com/cgi-bin/' # 企业微信api接口，统一定义 send_resolved: true # 设置发送警报恢复信息 to_party: '2' # 部门id，比如我的叫警报组，因此显示的是2，如果你DB组，就可能会是3，WEB组就是4，依次类推，另外需要接收警报的相关人员必须在这个部门里。 ww5421dksajhdasjkhj' api_url: 'https://qyapi.weixin.qq.com/cgi-bin/' send_resolved: true to_party: '2'
3K60发布于 2020-08-06 - 来自专栏生信小驿站
数据处理神器tidyverse（2）ggplot2
数据处理神器tidyverseggplot2 ? tidyverse包其中包含着一个重要的可视化包---ggplot2。 Ggplot2是由Hadley Wickham制作的数据可视化软件包，它基于一组称为图层的原则。 基本思想是ggplot2将数据的几何对象（圆圈，线条等），主题和比例放在上面。 在这里，你可以通过总结每年的预期寿命并将结果输入ggplot而不必定义任何中间变量来对dplyr操作与ggplot2进行一些巧妙的组合。 continent year avg_lifeExp ## <fct> <int> <dbl> ## 1 Africa 1952 39.1 ## 2 自定义ggplot2 虽然我们在这里保留了默认的ggplot2功能，但是你可以用ggplot2来做很多事情。 例如，通过练习，您将学习如何通过将多个层组合在一起来生成高度自定义的绘图。
2.9K30发布于 2019-08-29 - 来自专栏Spark学习技巧
第2篇：数据库关系建模
第二篇：数据库关系建模 前言 ER建模环节完成后，需求就被描述成了ER图。之后，便可根据这个ER图设计相应的关系表了。 但从ER图到具体关系表的建立还需要经过两个步骤：1. 逻辑模型设计 2. 2. 列(column) 列就是字面意义上表的列。但是它也有时被称作属性，或者域。 3. 行(row) 行就是字面意义上表的行。但是它也有时被称作元祖，或者记录。 4. 2. 将具有复合属性的实体映射为关系 这类映射中，复合属性的各子属性会映射到的新的关系中，但是复合属性名本身不会。 如下实体： ? 将映射为关系： ? 我们首先可以认为概念模型建模和ER建模，需求可视化表达的是一个意思。在这个环节中，数据开发人员绘制ER图，并和项目各方人员协同需求，达成一致。 这个映射的过程，就叫做逻辑模型建模或者关系建模。 有人会说，ER图不是可以直接映射到关系吗，而且已经有了相应的映射工具了，为什么还要绘制ER图多此一举呢？针对这个问题前文已经回答了。
2K61发布于 2018-03-20 - 来自专栏往期博文
数学建模暑期集训2：模糊综合评价
在上篇内容中，记录了模糊数学的一些基础知识，本篇将运用部分知识来构建模糊综合评价。 文章目录 1.隶属函数的三种确定方法 1.1模糊统计法 1.2借助已有的客观尺度 1.3指派法 2.模糊综合评价 2.1一级模糊评价模型 2.2多级模糊评价模型 3.总结 1.隶属函数的三种确定方法 1.1 1.3指派法 最常用梯形分布： 2.模糊综合评价 主要确定因素集、评语集、权重集。 本身不难理解，通过例子即可体悟。 例2：通过指派法来确定模糊综合评价矩阵 2.2多级模糊评价模型 多级模糊评价，和单级大同小异。 例子： 3.总结 模糊综合评价比较简单，不需要通过编程计算。
91030编辑于 2022-06-14 - 来自专栏OpenFPGA
数字硬件建模SystemVerilog-组合逻辑建模（2）always和always_comb
使用通用always程序建模 最佳实践指南7-4 使用RTL专用的always_comb程序对组合逻辑进行建模。不要在RTL模型中使用通用的always程序。 虽然不推荐always程序用于RTL建模，但本文中讨论了如何正确使用通用always程序对组合逻辑进行建模，因为这种通用程序在传统的Verilog模型中很常见。 组合逻辑敏感列表。 首先，综合编译器对组合逻辑建模施加了一些限制。使用@ * 可以推断出一个敏感度列表，但不强制执行用于组合逻辑建模的其他综合规则。@ * 的第二个问题是没有推断出完整的敏感度列表。 最常见的两种情况是： 1.决策语句分配给每个分支中的不同变量，如下面的代码段所示， 2.决策语句不会对决策表达式的每个可能值执行分支。下面的代码片段说明了这个问题。 但是，如果操作码输入的值应为2’b11，则本例不会对result变量进行任何赋值。
3.4K10编辑于 2023-02-14 - 来自专栏万少的技术分享
Harmony 状态管理神器 @ObservedV2
Harmony 状态管理神器 @ObservedV2 背景 最近Harmony 应用开发技术中推出了新版的状态管理技术，试用过后，直呼很香。我们来看为什么？ @Trace装饰器 截至 2024年7月15日 v2都是试用版 介绍 为了增强状态管理框架对类对象中属性的观测能力，开发者可以使用**@ObservedV2**装饰器和@Trace装饰器装饰类以及类中的属性 其中，官网上的表达如下： @ObservedV2装饰器与 @Trace 装饰器需要配合使用，单独使用 @ObservedV2装饰器 @Trace 装饰器没有任何作用。 @ObservedV2 的类实例目前不支持使用JSON.stringify进行序列化。 我们针对以上总结一下。 装饰器和 @ObjectLink装饰器 是比较稳定的技术，但是开发效率低，体验不好，对代码具有入侵型 @ObservedV2装饰器和 @Trace 装饰器是新推出的v2的版本，目前还在试用期，大概率会成为稳定版
25610编辑于 2025-02-10 - 来自专栏软件方法
建模答题赛第2赛季第10轮（纠正某些书上的建模错误）
[改错题]很多书中的建模示例都存在问题。请根据《软件方法（上）》第2版的知识，指出以下材料存在的问题。 ? 摘自 Python Projects，Laura Cassell，John Wiley & Sons，2015 要求指出 （1）错误 （2）所用参考知识在《软件方法（上）》第2版中的页码。 （2）不同的人指出相同的错误，该错误的得分者归属回答时间最早而且本题结算后为正分的人。 举例：张三先指出A、B、C、D共4个错误，其中只有A是恰当的。李四紧随其后面指出了A。 2 城市：济南，单位：LXB Mingchu 1 城市：墨尔本 yuyjx 1 城市：沈阳，单位：DR 晚安月亮 1 城市：济南，单位：LXB
50220发布于 2019-10-08 - 来自专栏Datawhale专栏
机器学习建模神器PyCaret已开源！提升效率，几行代码轻松搞定模型
2. 搭建环境 PyCaret中任何机器学习实验的第一步都是通过导入所需的模块并初始化setup()来设置环境的。本示例中使用的模块是pycaret.classification。 使用的评估指标是： 分类：Accuracy（准确度），AUC，Recall（召回率），Precision（精确度），F1，Kappa 回归：MAE，MSE，RMSE，R2，RMSLE，MAPE compare_models 4.创建模型 在PyCaret的任何模块中创建模型就像编写create_model一样简单。它仅接受一个参数，即作为字符串输入传递的模型名称。 例如，PyCaret的NLP模块可用于通过监督ML模型（例如“准确度”或“ R2”）评估目标/成本函数来调整主题参数（topics parameter）的数量。 延伸阅读 【1】回归：https://pycaret.org/reg101/ 【2】聚类：https://pycaret.org/clu101/ 【3】异常检测：https://www.pycaret.org
2.8K30发布于 2020-05-16 - 来自专栏软件方法
《软件方法》随想（2）业务建模之愿景
业务建模之愿景 关于《软件方法》，愿景一章，做了以上的知识框架梳理。 这里面愿景，就是目标组织代表（老大），在引进系统之后希望带来的改进。
31820编辑于 2022-10-31 - 来自专栏云深之无迹
使用Python进行数学建模(语言基础2)
索引可以得到单个字符，而 切片 可以获取子字符串: >>> >>> word[0:2] # characters from position 0 (included) to 2 (excluded)'Py ' >>> word[2:5] # characters from position 2 (included) to 5 (excluded)'tho' 注意切片的开始总是被包括在结果中，而结束不被包括 这使得 s[:i] + s[i:] 总是等于 s >>> >>> word[:2] + word[2:]'Python' >>> word[:4] + word[4:]'Python' 切片的索引有默认值 ；省略开始索引时默认为0，省略结束索引时默认为到字符串的结束: >>> >>> word[:2] # character from the beginning to position 2 (excluded 例如， word[1:3] 的长度为2。
1.4K40编辑于 2022-11-29 - 来自专栏软件方法
《软件方法》强化自测题-业务建模（2）
按照业务建模、需求、分析、设计工作流考查。 答案不直接给出，可访问每套题后面给出的自测链接或扫二维码自测，做到全对才能知道答案。 （2） 1 [ 单选题 ]针对最近新闻报道中“大熊猫玩菜刀”的新闻，如果动物园决定引入IT系统，监控并辨别大熊猫的危险行为，一旦判断出有类似“玩菜刀”之类的行为，就向动物园熊猫馆管理员报警。 以下说法正确的是： A) 业务建模时，研究对象应该定为熊猫馆 B) 业务建模时，研究对象应该定为大熊猫 C) 业务建模时，如果大熊猫是一只，研究对象应该定为大熊猫，如果大熊猫是多只，研究对象应该定为熊猫馆管理员 D) 业务建模时，研究对象应该定为熊猫馆管理员 2 [ 单选题 ]以下可以作为“老大”的是： A) 居住在美国纽约法拉盛的中国公众人物罗玉凤 B) 世界五百强之一的零售商家乐福公司售货员 C) paperId=2TNJIV
83620编辑于 2022-04-09
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