- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据科学和人工智能
数据集 | 德国能源数据
下载数据集请登录爱数科(www.idatascience.cn) 德国2006年至2017年的能源生产及消耗数据集，该数据集包括德国全国范围内的电力消耗，风能发电和太阳能发电总量等，单位为GWh。 数据预览 3. 字段诊断信息 4. 数据来源 https://open-power-system-data.org/
1.5K20编辑于 2022-03-30 - 来自专栏SDNLAB
华为助力德国电信5G蓝图
德国电信已经在柏林推出了首批5G天线，使用的是来自中国华为的设备，这表明它渴望成为5G竞争的领跑者。 在其他设备准备就绪之前，德国电信不能使用这些设备来提供商用5G服务，包括消费设备。它还在等待德国当局举行的5G频谱拍卖。不过，该拍卖可能会在今年晚些时候举行。 华为技术有限公司承诺明年推出首款5G智能手机，理论上，2019年可以开始提供商用5G服务。 德国电信发言人表示：“德国电信计划在2020年提供商用5G服务。 德国电信在声明中表示，在6GHz以下频段使用NSA技术将为广域覆盖、数千兆位数据吞吐量和毫秒级低延迟提供支持。 5G力量 在今天宣布之前，运营商已经采取措施为其德国网络推出5G服务做准备。 另一个则是华为，它的天线将会在运营商的5G推出计划中占据显著位置。 除了投资支持5G的系统之外，德国电信还使用其900MHz频谱推出了4G服务，为其更高速的移动数据服务提供了广域网覆盖。
84840发布于 2018-06-11 - 来自专栏量子位
德国时尚圈的科学家们推出基准数据集，全是衣裤鞋包
李林 编译整理 量子位 报道 | 公众号 QbitAI MNIST，是一个手写数字数据集，除了用在机器学习入门的教学中，它还是对机器学习算法进行基准测试的常用数据集。 今天，德国研究机构Zalando Research在GitHub上发布了一个名叫Fashion-MNIST的数据集，其中训练集包含60000个样例，测试集包含10000个样例，分为10类。 除了内容不一样，这个数据集的图片尺寸、训练/测试集划分、文件的存储结构，都和MNIST一模一样。 Zalando Research在这个数据集的说明中称，AI/机器学习/数据科学界的同学们搞出一个新算法之后，往往会先在MNIST上做基准测试，来验证这个算法。 这次推出fashion-MNIST，想要取代MNIST的是德国研究机构Zalando Research，隶属于主营衣服鞋子的德国电商公司Zalando。
1K70发布于 2018-03-27 - 来自专栏钱塘大数据
数据开放与共享：德国工业4.0中的大数据
到2020年大数据技术预计将为欧盟创造GDP达到9570亿欧元，增加就业人数380万。作为欧洲国家的领军代表，德国政府在2013年4月就提出了“工业4.0”的概念。 该项目由德国联邦教研部与联邦经济技术部联手资助，在德国工程院、Fraunhofer(弗劳恩霍夫)协会、西门子公司等德国学术界和产业界的建议和推动下形成，并已上升为国家级战略。 它在德国工业4.0项目中，启动和领导了德国工业数字化创新的工业数据空间子项目(IDS)，该子项目专注于跨行业数据代理交换和数据应用。 但是数据所有权问题是个深刻的法律问题，即使在欧洲也没有真正解决如病历资料到底是属于医生、医院还是病人这样的问题。出于务实考虑，德国的专家们提出了数据合法的掌握者决定数据的使用条款与条件。 请进来，走出去 相比于德国工业4.0中的大数据项目，我们的差距在于：出于防止数据扩散，用户个人信息受到侵犯，数据价值无法持久化等考虑，我们在数据对外合作方面往往采取的是“请进来”的方式，即我所掌握的数据不出户
2.1K50发布于 2018-02-28 - 来自专栏腾讯安全
腾讯云率先通过德国C5:2020标准审计
近日，腾讯云通过德国C5:2020云安全基础和附加标准审计，成为全球首家通过该标准的云服务提供商。 图2（压缩）.jpg 云计算合规性标准目录 (Cloud Computing Compliance Criteria Catalogue，简称C5) ，是由德国联邦信息安全局 (BSI) 制定，旨在基于标准化的检查和报告说明云服务提供商的信息安全性的认证方式 C5：2020标准是与德国公共部门合作的必要云安全基准，也是云服务提供商符合《德国联邦数据保护法》BDSG和欧盟《通用数据保护条例》GDPR的重要标准，目前已经广泛地被欧洲乃至全世界的私营部门采用，是云服务领域备受行业认可的高级别安全标准 相比旧版标准，全新的C5：2020云安全基础和附加标准基于《欧洲网络安全法》扩展了云服务产品信息安全方面的标准，对云服务商的安全管理水平提出了更严格的要求。 在本次审计中，腾讯云产品以“0观察项”的优异成绩通过德国BSI C5:2020云安全基础和附加标准审计，进一步满足了德国和欧洲的数据安全合规要求，印证了腾讯云在云平台的安全策略制定和技术应用方面的全球领先性
1.7K50发布于 2020-09-08 - 来自专栏测试开发干货
测试圈相亲平台开发流程（5）：首页开发
目前来说，首页的功能上并没有什么重要的，无非就是展开信封，数据统计等 Part1先去掉那些下载的英文信息等。 改为这样：目前数据是假的，之后会换成真实的。 来看看效果： 因为公众号只能上传图片小于1mb的，所以大家看的并不清晰。实际上效果非常nice的。 点击中间的 【OPEN】按钮，可以展开信封。
1.4K20编辑于 2022-05-20 - 来自专栏Spark学习技巧
大数据圈还能混吗？
工作这么多年，浪尖一直从事大数据相关的架构设计，计算框架的二次开发，尤其是实时计算框架，最近两年在搞实时数仓和数据分析，浪尖算是跟着大数据生态成长起来的老人了。 目前，大数据能做的或者还在折腾的方向基本就是： 1.数仓建设，大都是是 lamda 架构，也即是离线+实时数仓。这也是 lamda 架构演进的第二阶段。 2.通过湖仓一体，来实现离线和实时统一。 典型的组合是 flink+hudi，感觉还是 flink 发展带动的，目前问题比较多，比如血缘追踪，数据修正等。需配合一些 olap 框架，如 presto 和 ck。 5.数据开发，主要是 etl，特征抽取，sql 取数 boy 啥的，这类工作可替代性太强薪水上不去的，3-5 年以内的可以搞搞；5 年以上 希望大家远离吧，尽早提升。
40120编辑于 2023-10-07 - 来自专栏速入大数据
从朋友圈到数据圈：社交媒体数据如何定义我们的世界？
从朋友圈到数据圈：社交媒体数据如何定义我们的世界？近年来，大数据与社交媒体之间的交叉分析正在改变我们对世界的认知。 每天，数十亿用户通过微博、朋友圈、抖音等社交平台分享个人动态，这些数据不仅记录了我们生活的点滴，还成为了研究群体行为的宝贵财富。然而，如何在海量数据中找到洞见并实现价值转化？ 社交媒体数据的特点社交媒体数据与传统数据相比，呈现以下几个鲜明特点：规模巨大：每秒钟都有数千条推文发布、数百张图片上传。非结构化数据为主：文本、图像、视频等多种数据形式并存。 值得关注的挑战尽管社交媒体数据蕴藏巨大潜力，但其使用也面临一些亟待解决的问题：隐私问题：过度分析个人数据可能侵犯隐私权。信息过滤效应：推荐算法可能导致信息孤岛，难以接触到多元观点。 噪声数据：海量数据中隐藏了大量无关信息，如何清洗与提取关键数据是一大难点。展望未来随着自然语言处理、深度学习等技术的成熟，大数据与社交媒体分析的结合将更加紧密。
46410编辑于 2025-03-19 - 来自专栏算法修养
pta习题集5-16 朋友圈
每个俱乐部里的学生有着一定相似的兴趣爱好，形成一个朋友圈。一个学生可以同时属于若干个不同的俱乐部。 请编写程序计算最大朋友圈中有多少人。 输入格式: 输入的第一行包含两个正整数N（≤≤30000）和M（≤≤1000），分别代表学校的学生总数和俱乐部的个数。 后面的M行每行按以下格式给出1个俱乐部的信息，其中学生从1~N编号： 第i个俱乐部的人数Mi（空格）学生1（空格）学生2 … 学生Mi 输出格式: 输出给出一个整数，表示在最大朋友圈中有多少人。 输入样例: 7 4 3 1 2 3 2 1 4 3 5 6 7 1 6 输出样例: 4 并查集 include <iostream> #include <string.h> #include <stdlib.h
99770发布于 2018-04-27 - 来自专栏SDNLAB
德国电信的5G网络架构采用第三方VNF
德国电信（DT）与Hewlett Packard Enterprise（HPE）合作展示专为5G网络架构设计的网络数据层概念验证（POC）。 POC使用HPE的共享数据环境来简化网络架构，并有可能部署来自不同供应商的云原生虚拟网络功能（VNF）。 ? HPE表示这是这种网络数据层的第一个POC，它符合下一代移动网络联盟（NGMN）规定的统一数据层的原则。 部署网络数据层的主要好处之一是它可以将网络功能暴露给运营商的服务和第三方应用程序。 在POC中，网络数据层包含多个HPE共享数据环境的虚拟实例，并处理各种不同的流量模式，它还处理用于外部存储所有数据的各种无状态VNF。 基于服务的体系结构 NGMN成员正在倡导一种基于服务的5G架构。在传统的网络架构中，网络功能紧密耦合在一起，并在silos中实施，任何更改都需要大量的网络配置。
49910发布于 2018-07-30 - 来自专栏钱塘大数据
大数据生态圈就是一个厨房工具生态圈
导读：大数据生态圈就是一个厨房工具生态圈。为了做不同的菜，中国菜，日本菜，法国菜，你需要各种不同的工具。
979130发布于 2018-03-02 - 来自专栏公众号：Lucifer三思而后行
大数据生态圈如何入门？
大数据技术在企业项目开发中主要涉及数据采集、数据存储和数据计算三个方面：数据采集是利用采集技术将各种数据源、不同格式的数据快速采集到大数据平台。 数据存储是将采集过来的数据，按照不同应用场景，使用不同技术进行存储，为数据计算做准备。数据计算可以根据数据的时效性，对存储的数据进行离线计算和实时计算，最终的计算结果可以为企业决策提供数据支撑。 数据采集、数据存储和数据计算这三个方面是大数据工程师的必备技能。 大数据不是一项专门的技术，而是很多技术的综合应用。可以通过一系列大数据技术对海量数据进行分析，挖掘出数据背后的价值。 数据从总体上可以分为结构化数据和非结构化数据。结构化数据也称作行数据，是由二维表结构来逻辑表达和实现的数据，严格地遵循数据格式与长度规范，主要通过关系型数据库进行存储和管理。 数据获取 数据总体可分为结构化数据和非结构化数据。结构化数据也称作行数据，是由二维表结构来逻辑表达和实现的数据，严格遵循数据的字段类型和长度限制，主要通过关系型数据库进行存储和管理。
57311编辑于 2022-04-13 - 来自专栏测试技术圈
Junit5的朋友圈，了解一下?
但是对于发展“通用型”CPU的目标来说，最主要的瓶颈还是在于“生态圈”的建设。 从最基础的C/C++编译器，到JAVA虚拟机、数据库等配套基础软件的支持的匮乏，极大地限制了国产CPU在各个金融等各个领域的业务拓展。 为此，他们也开始组建所谓的自主可控联盟，联合了操作系统、数据库等厂商，为行业客户提供一张套的自主可控替代方案。 这个故事让笔者想起了一则广告词，“大家好，才是真的好”。 对于自动化测试来说，Junit5的推出已经有好几年了。那么目前整个测试生态圈对Junit5的支持如何呢？有什么在制约或者妨碍用户从Junit4升级甚至从别的自动化测试框架迁移到Junit5呢？ 由此，笔者将在本文中Junit5推出之后，整个测试生态圈的支持情况做一个盘点。 首先，Junit5 不再是一个单一的jar包，而是由三部分组成。
1.3K30发布于 2019-10-16 - 来自专栏全栈程序员必看
大数据Hadoop生态圈介绍
大数据Hadoop生态圈-组件介绍 Hadoop是目前应用最为广泛的分布式大数据处理框架，其具备可靠、高效、可伸缩等特点。 Hadoop的核心组件是HDFS、MapReduce。 随着处理任务不同，各种组件相继出现，丰富Hadoop生态圈，目前生态圈结构大致如图所示： 根据服务对象和层次分为：数据来源层、数据传输层、数据存储层、资源管理层、数据计算层、任务调度层、业务模型层 接下来对Hadoop生态圈中出现的相关组件做一个简要介绍。 1、HDFS（分布式文件系统） HDFS是整个hadoop体系的基础，负责数据的存储与管理。 5、Yarn/Mesos（分布式资源管理器） YARN是下一代MapReduce，即MRv2，是在第一代MapReduce基础上演变而来的，主要是为了解决原始Hadoop扩展性较差，不支持多计算框架而提出的 它将数据从产生、传输、处理并最终写入目标的路径的过程抽象为数据流，在具体的数据流中，数据源支持在Flume中定制数据发送方，从而支持收集各种不同协议数据。
1.4K20编辑于 2022-08-25 - 来自专栏大数据文摘
德国竟然愿意拿国民数据与之交换！
大数据文摘编辑，素材来自freebuf.com，环球时报，英国卫报，观察网guancha.cn，转载请注明 德国联邦宪法保卫局交换意愿 德国顶级情报机构向美国国家安全局递交了德国国民的元数据，仅仅是为了得到 德国BfV拿国民元数据交换NSA的监视软件 据德国媒体Die Zei得到的文件称，德国联邦宪法保卫局（BfV）拿其国民的数据与美国国家安全局进行交易，以得到NSA的监视系统。 德国数据保护委员会和议院并不知情 BfV既没有完全将这件事通知给德国的数据保护委员会，也没有通知Parliamentary Control Panel。 2012年“Xkeyscore”在1个月内存储的各类监控数据记录高达410亿条。由于“Xkeyscore”产生的监控数据太过庞大，内容只能保存在系统里3到5天，元数据可以储存1个月。 NSA因此建立了新的数据库，分析员可以将其“感兴趣”的情报“另存”在那里，并可存放长达5年时间。
1.4K30发布于 2018-05-23 - 来自专栏大数据文摘
德国情报机构再次与NSA合作，共享公民数据
内部文件显示，德国情报机构——宪法保护联邦办公室（BfV）从美国NSA处获得了XKeyscore软件，交换条件是把德国国民数据发送给NSA总部。 德国情报机构与NSA协议交换公民数据 时光倒回到2011年，NSA给德国情报机构（BfV）演示了XKeyscore软件的能力。 两年之后，BfV与NSA进行协商，最终BfV签署了一份协议，德国可以得到NSA的间谍软件，并允许他们安装使用；但条件是必须要把德国情报机构搜集到的国民元数据共享给NSA。 据《时代周刊》报道，“Terms of Reference”文件中指出，BfV的职责是最大程度的分享与NSA有关的数据。 现如今，德国的BND情报机构又重新获得NSA支持，对网民实施网络监控。 5月份的时候，德国情报机构BND停止和NSA共享监听到的信息。但是现在，他们又再次的和NSA合作，共享从Bad Aibling station中搜集到的信息。
75930发布于 2018-05-23 - 来自专栏数据猿
德国Fraunhofer协会推动欧洲数据开放与共享的案例实践
<数据猿导读> 德国Fraunhofer协会依托IAIS研究所(智能分析和信息系统，世界最知名的数据科学研究机构之一)，在数据挖掘、机器学习、语义技术、信息检索、软件工程等方面开展了很多卓有成效的工作， 德国Fraunhofer 协会旨在推进行业间的大数据共享，在欧洲，Fraunhofer结合大规模工业应用进行前沿研究，为各大门户网站提供数据(如德国国家数据门户，欧洲委员会数据门户和泛欧洲数据门户等等) 该门户不需要数据复制，可以单点访问欧盟数据目录(分离原始数据和元数据，保留逻辑关系)，使得区域数据可以浏览、探索，并为数据用户提供许可信息，方便欧洲国家间的数据信息相互访问。 IAIS的客户分布的各个行业，如电信业(三星、沃达丰、诺基亚西门子)，金融服务和保险业(安联，德国商业银行)，出版传播业(Springer、Zeit)，零售业(REWE，道格拉斯)，物流行业(Deutsche 通过这种商业性网络顾问和CRM数据库的合作形式，IAIS跟德国所有大公司就建立了很强的数据联系，同时与中小企业及初创企业建立强大的关联。
1.1K50发布于 2018-04-19 - 来自专栏软件测试那些事
Junit5的朋友圈，了解一下?
但是对于发展“通用型”CPU的目标来说，最主要的瓶颈还是在于“生态圈”的建设。 从最基础的C/C++编译器，到JAVA虚拟机、数据库等配套基础软件的支持的匮乏，极大地限制了国产CPU在各个金融等各个领域的业务拓展。 为此，他们也开始组建所谓的自主可控联盟，联合了操作系统、数据库等厂商，为行业客户提供一张套的自主可控替代方案。 这个故事让笔者想起了一则广告词，“大家好，才是真的好”。 对于自动化测试来说，Junit5的推出已经有好几年了。那么目前整个测试生态圈对Junit5的支持如何呢？有什么在制约或者妨碍用户从Junit4升级甚至从别的自动化测试框架迁移到Junit5呢？ 由此，笔者将在本文中Junit5推出之后，整个测试生态圈的支持情况做一个盘点。 首先，Junit5 不再是一个单一的jar包，而是由三部分组成。
1K10发布于 2020-12-01 - 来自专栏数据猿
国家数据局出手，数据圈迎来“淘汰赛”？
“国家数据局发布了首批104个高质量数据集典型案例。 大模型的发展，催生了高质量数据集的迫切需求。近日，国家数据局发布了首批104个高质量数据集典型案例。 同理，海量原始数据也需要经过“炼化”，形成高质量数据集，才能真正有效地应用于大模型训练。 数据集，亦称资料集、数据集合或资料集合，是由数据构成的集合。 2025年5月，《数字中国建设2025年行动方案》再次强调：加强交通、医疗、制造等重点领域数据标注，建设行业高质量数据集。 各地数据集工作，有哪些进展？ 例如，四川省数据局发布的地震监测预报预警多模态联合数据集；云南省数据局的云南动物资源多模态高质量数据集构建及应用项目。
29410编辑于 2025-10-21 - 来自专栏掘金安东尼
5 分钟了解下【圈复杂度】是如何计算的？
此图中，E = 9, N = 8, P = 1，因该程序圈复杂度为 9 - 8 + (2*1) = 3 ； 边的个数和节点的个数很好理解，但： 什么是 连通分量？ 注意：圈复杂度计算中，计算变量是连通分量，而不是强连通分量！ 判定法 上面通过公式来计算圈复杂度，似乎有点太过麻烦，计算边、节点、连通分量，都要费不少劲！ 有没有更加粗暴简单的方法呢？ 判定法用于简单程序的圈复杂度计算还是很有效果的； 需要注意的是：对于多分支的 case 结构或多个 if - else 结构，必须统计全部实际的判定条件数； ---- 圈复杂度是评判代码优劣的标准之一， 通常来说，圈复杂度不要大于 5 ，否则代码将会被判定为 不易读！ 降低圈复杂度大致有如下方法： 简化、合并条件表达式 将条件判定提炼出独立函数 将大函数拆成小函数 以明确函数取代参数 替换算法 从先计算后降低圈复杂度的角度来优化代码，使代码更加易读、易扩展、易维护，这就叫
3.5K00编辑于 2022-09-19
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