- 综合排序
- 最热优先
- 最新优先
- 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。 分析和制造任何东西所需的精度4、与所有其他设计，绘图，CAM，工程，分析，渲染，动画和插图软件兼容5、读取和修复网格和极具挑战性的IGES文件6、无障碍，所以易于学习和使用，您可以专注于设计和可视化，而不会被软件分心7、 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
1.2K20编辑于 2022-08-27 - 来自专栏大数据学习与分享
数据建模-维度建模-维度设计
作为维度建模的核心，我们在企业级的数据仓库中必须保证维度的唯一性。以淘宝商品维度为例，我们有且只允许有一个维度定义。 第二步：确定主维度表。 二、第二部分 在Kimball维度建模中，通常将度量称为“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。 （3）同一类数据基于范式建模，拆分成同一类型数据库中多张的物理表，比如商品，有商品主表和商品扩展表，商品主表存商品基本信息；商品扩展表存储商品特殊信息，如不同产品线定制化的信息等；比如会员，有会员主表和会员扩展表 02 快照维表 维度的基本概念中介绍了自然键和代理键的定义，在Kimball的维度建模中，必须使用代理键作为每个维度表的主键，用于处理缓慢变化维度。 但在阿里巴巴数据仓库建设的实践过程中，虽然我们使用的是Kimball的维度建模的理论，但实际并未使用代理键。我们是如何处理缓慢变化维度，如何记录变化历史的呢？为什么不使用代理键呢？
2K31编辑于 2023-09-06 - 来自专栏波波烤鸭
PowerDesigner数据建模
PowerDesigner安装 云盘地址:https://pan.baidu.com/s/1MZnQhPZ6ityza9N9nAD3bw 提取码：8qpi 傻瓜式安装 E-R图 E-R图(实体关系图) 1.创建模型 生成数据库脚本 ? ? ? ? ?
91841发布于 2019-04-02 一文掌握数据仓库建模的7大核心方法
业务系统里的数据库是为了让每一笔订单、每一次操作都能被快速、准确地记下来，而不是为了方便我们事后做分析、写汇报。今天，就给你分享7大数据仓库建模的核心方法，帮你把数据理顺，让查询和分析变得又快又简单。 这里最关键的、也是最体现水平的一步，就是重新整理存放的方法，也就是数据建模。好的建模，要让数据既能被高效地分析，又能灵活地适应业务变化。 二、7种数据仓库建模方法1.第三范式（3NF）第三范式是关系数据库的经典建模方式，目的是最大程度减少数据冗余。 7.以实体为中心的建模这种方法围绕核心实体建模，比如客户、产品、门店。每个实体一张表，用JSON列或者其他格式存储实体的各种指标。优点：模型非常灵活，可以随时往JSON里加新属性，不需要改表结构。 搭建数据仓库的过程中，除了选对建模方法，还需要高效的数据集成工具支撑数据同步与处理。
60700编辑于 2026-03-19- 来自专栏数据饕餮
数据仓库专题（7）-维度建模11大基本原则
遵循这些原则进行维度建模可以保证数据粒度合理，模型灵活，能够适应未来的信息资源，违反这些原则你将会把用户弄糊涂，并且会遇到数据仓库障碍。本文适用于多维建模，不使用于3NF建模。 二、正文 原则1、载入详细的原子数据到维度结构中 维度建模应该使用最基础的原子数据进行填充，以支持不可预知的来自用户查询的过滤和分组请求，用户通常不希望每次只看到一个单一的记录，但是你无法预测 当然，原子数 据也可以通过概要维度建模进行补充，但企业用户无法只在汇总数据上工作，他们需要原始数据回答不断变化的问题。 原则7、存储报告标记和过滤维度表中的范围值 更重要的是，编码和关联的解码及用于标记和查询过滤的描述符应该被捕获到维度表中，避免在事实表中存储神秘的编码字段或庞大的描述符字段，同样，不要只 在维度表中存储编码 原则10、不断平衡需求和现实，提供用户可接受的并能够支持他们决策的DW/BI解决方案 维度建模需要不断在用户需求和数据源事实之间进行平衡，才能够提交可执行性好的设计，更重要的是，要符合业务的需要，
2.4K30发布于 2019-01-14 - 来自专栏数据饕餮
数据仓库专题（7）-维度建模10大基本原则
遵循这些原则进行维度建模可以保证数据粒度合理，模型灵活，能够适应未来的信息资源，违反这些原则你将会把用户弄糊涂，并且会遇到数据仓库障碍。 二、正文 原则1、载入详细的原子数据到维度结构中 维度建模应该使用最基础的原子数据进行填充，以支持不可预知的来自用户查询的过滤和分组请求，用户通常不希望每次只看到一个单一的记录，但是你无法预测 当然，原子数 据也可以通过概要维度建模进行补充，但企业用户无法只在汇总数据上工作，他们需要原始数据回答不断变化的问题。 原则7、存储报告标记和过滤维度表中的范围值 更重要的是，编码和关联的解码及用于标记和查询过滤的描述符应该被捕获到维度表中，避免在事实表中存储神秘的编码字段或庞大的描述符字段，同样，不要只 在维度表中存储编码 原则10、不断平衡需求和现实，提供用户可接受的并能够支持他们决策的DW/BI解决方案 维度建模需要不断在用户需求和数据源事实之间进行平衡，才能够提交可执行性好的设计，更重要的是，要符合业务的需要，
1.8K50发布于 2019-01-14 - 来自专栏大数据与微服务架构
数据挖掘与建模
数据挖掘是基于统计学原理，利用机器学习中的算法工具实现价值信息的发现。机器学习是一种实现人工智能的方法，深度学习是实现机器学习的一种技术。 ? 非线性分类经典算法包括K近邻（KNN）、支持向量机（SVM）、决策树（D Tree）、朴素贝叶斯（NB） 2、回归分析：反映事务数据属性在时间上的特征，预测数据间的相关关系，与分类区别在于，分类是预测目标的离散变量 二、无监督学习（事先没有任何训练数据样本，需要直接对数据进行建模，即不提供经验和训练样本，完全靠自己摸索） 1、关联分析：描述数据库中数据之间存在关系的规则。 2、聚类分析：训练样本标签信息未知，通过学习揭示数据内在性质及规律。 典型算法：K均值算法（K-means）、DBSCAN（具有噪声的基于密度的聚类方法）。 三、沃尔玛经典营销案例：啤酒与尿布 ? 模型发现：20世纪90年代的美国沃尔玛超市中，管理人员分析销售数据时发现了一个令人难于理解的现象：在某些特定的情况下，“啤酒”与“尿布”两件看上去毫无关系的商品会经常出现在同一个购物篮中。
1.2K30发布于 2020-04-11 - 来自专栏斑斓
MongoDB的数据建模
MongoDB是一种面向Document的NoSQL数据库，如果我们还是按照RDB的方式来思考MongoDB的数据建模，则不能有效地利用MongoDB的优势；然而，我们也不能因为Document的灵活性 适度的建模是非常有必要的，尤其对于相对复杂的关联关系。因为在MongoDB中，处理这种关联关系既可以使用Link，也可以使用Embedded。 这种建模方式还带来另一种可能，就是原本Person->Tasks的one-to-N关系就可以变为N-to-N关系，因为一个Task可以被多个Person所拥有。 如果采用Embedded方式，则会导致Task数据的冗余。 one-to-few one-to-many one-to-squillions 但我认为该怎么实现关联，应该从Entity之间的领域关系来判断，我们可以引入DDD的Aggregation设计概念作为建模的依据
1.3K60发布于 2018-03-07 - 来自专栏大数据解决方案
ETL和数据建模
一、什么是ETL ETL是数据抽取（Extract）、转换（Transform）、加载（Load ）的简写，它是将OLTP系统中的数据经过抽取，并将不同数据源的数据进行转换、整合，得出一致性的数据，然后加载到数据仓库中 二、数据仓库的架构 数据仓库（Data Warehouse \ DW）是基于OLTP系统的数据源，为了便于多维分析和 多角度展现将其数据按特定的模式进行存储而建立的关系型数据库，它不同于多维数据库，数据仓库中的数据是细节的 （图七：pic7.jpg）。 增量数据文件：数据文件的内容为数据表的增量信息，包含表内新增及修改的记录。 全量数据文件：数据文件的内容为数据表的全量信息，包含表内的所有数据。 )：根据业务分析要求，对数据变化不需要都要记录，当前数据对历史数据有影响; 全删全加算法(参数表)：根据业务分析要求，对数据变化不需要都要记录，当前数据对历史数据无影响; 7.
1.9K20发布于 2021-11-19 - 来自专栏飞鸟的专栏
MongoDB的数据建模
MongoDB是一个基于文档模型的NoSQL数据库，它的数据建模与传统的关系型数据库有很大的不同。在MongoDB中，数据是以文档的形式存储的，文档是一种类似于JSON的数据格式，非常灵活和扩展。 集合中的每个文档都可以有不同的结构，不同于传统数据库中表中的行，它们可以有不同的列和数据类型。 以下是一些关键的设计考虑因素：数据的一致性在MongoDB中，数据的一致性需要通过应用程序来保证。在设计文档模式时，需要确保每个文档都包含完整的数据，以避免应用程序在查询时需要多次访问数据库。 在将数据分布到多个节点时，需要确保数据的相关性。通常可以将数据根据其相关性分组到同一个集合中，这样可以避免在查询时需要访问多个集合。此外，还可以考虑使用分片(sharding)来分散数据负载。 这种设计方式可以减少重复数据，同时也可以提高查询性能和数据一致性。
1.4K40编辑于 2023-05-09 - 来自专栏喵叔's 专栏
RavenDB数据建模--总结
只需将数据存储进去并通过键访问数据即可。同时我们还学习了使用过期功能来存储与时间相关的数据。 从键/值存储的简单模型开始，我们开始考虑真实的文档模型，学习了如何构建嵌入值来存储本质上是文档一部分的数据，还研学习了如何对关系和集合、多对一和多对多关联进行建模。 然后，我们介绍了更高级的建模技术，例如如何处理引用和配置数据，以及如何处理时态信息和分层结构。 接下来，我们讨论了建模时必须考虑的一些约束，例如如何处理文档的增长以及RavenDB中文档的良好大小。 我们学习了并发控制以及变化向量如何用于乐观并发和缓存，并且学习了为什么我们应该避免在模型中缓存聚合数据。 然后我们学习了如何处理带有附件的二进制数据，以及使用修订功能进行审计和更改跟踪，并且了解了我们可以在 RavenDB 中如何让文档数据过期。简要介绍了索引和查询时的引用处理。
76130编辑于 2022-05-25 - 来自专栏文渊之博
数据仓库建模
应用层模型由各应用按需自行建设，其中基础数据模型一般采用ER模型，融合数据模型采用维度建模思路。 三、两种经典的数据仓库建模方法 前面的分层设计中你会发现有两种设计方法，关系建模和维度建模，下面分别简单介绍其特点和适用场景。 维度建模以分析决策的需求出发构建模型，构建的数据模型为分析需求服务，因此它重点解决用户如何更快速完成分析需求，同时还有较好的大规模复杂查询的响应性能，更直接面向业务。 运营商以前都是关系建模，现在其实边界越来越模糊，很多大数据业务变化很快，采用维度建模也比较方便，不需要顶层设计。 四、企业建模的三点经验 维度建模就不说了，只要能理解业务过程和其中涉及的相关数据、维度就可以，但自顶向下的关系建模难度很大，以下是关系建模的三个建设要点。
2K31发布于 2020-06-19 - 来自专栏Mac消息
Rhino 7 for Mac(犀牛3D建模软件)
Rhino 7 for Mac是一款3D建模软件，由美国Robert McNeel & Associates开发。 它在Mac操作系统上提供了与Windows版本相同的功能，包括NURBS建模、多边形网格工具、绘制和注释功能、物理引擎模拟等。 Rhino 7 for Mac具有许多功能和特色，包括：NURBS建模工具：Rhino 7提供了强大的NURBS曲面建模工具，使用户能够轻松创建复杂的几何形状。 多边形网格工具：Rhino 7还支持多边形网格建模，可以快速创建准确的模型。文件格式支持：Rhino 7支持各种文件格式的导入和导出，如DWG、DXF、OBJ、STL、IGES等。 总之，Rhino 7 for Mac是一款功能强大的3D建模软件，提供了许多实用的工具和功能，适用于各种设计需求。https://www.macz.com/mac/333.html?
1.5K30编辑于 2023-03-21 - 来自专栏数据库
论道数据仓库维度建模和关系建模
为什么要数据仓库建模呢？ 但这个问题又很重要，因为有标杆认识到差距才能进步，有伙伴邀笔者去讲讲数据建模，说实话，笔者也不知道怎么讲，因为这个跟企业自己的业务和数据太相关了，所谓的业界的标准建模理论和方法也变得无足轻重。 Inmon的ER建模优点体现在规范性较好，冗余小，数据集成和数据一致性方面得到重视，适用于较为大型的企业级、战略级的规划，但缺点是需要全面了解企业业务、数据和关系，对于建模人员要求很高，实施周期非常长， 但Inmon和kimball关于关系建模和维度建模的争论其实也没什么值得探讨的，没有谁更好，在企业内，这两种建模方式往往同时存在，底层用关系建模合适一点，技术的优雅换来了数据的精简，往上维度建模更合适一些 在数据建模上，很多人纠结于如何建模，用关系建模、维度建模亦或其它？
2.5K80发布于 2018-02-24 - 来自专栏王的机器
信用风险建模 in Python 系列 7 - ASRF 模型
本文是「信用风险建模 in Python」系列的第七篇，其实在之前的 Cufflinks 那篇已经埋下了信用风险的伏笔， 0.
1.8K20发布于 2020-09-08 - 来自专栏mac软件推荐
Rhino 7 for Mac(犀牛3D建模软件)
犀牛3D建模软件：Rhino 7 可以创建、编辑、分析、记录、渲染、动画和转换 NURBS 曲线、曲面和实体、细分几何 (SubD)、点云和多边形网格。除了您的硬件之外，对复杂性、程度或大小没有限制。 Rhino 7 for Mac(犀牛3D建模软件) 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。 分析和制造任何东西所需的精度4、与所有其他设计，绘图，CAM，工程，分析，渲染，动画和插图软件兼容5、读取和修复网格和极具挑战性的IGES文件6、无障碍，所以易于学习和使用，您可以专注于设计和可视化，而不会被软件分心7、 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
95930编辑于 2022-12-01 - 来自专栏Mac资源随时更新
Rhino 7 下载，犀牛3D建模工具
Rhino 7 Mac版是一跨强大的犀牛3D建模工具，在 Rhino 7 中，提高了现有格式的精确度，并在尽可能的情况下支持 SubD。且在此版本中，解锁了全新的建模工作流程并改进了许多稳定的功能。 下载：Rhino 7 Mac版 Rhino 7 Win版 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。
1K40编辑于 2023-02-15 - 来自专栏机器学习之禅
7 | PyTorch构建模型、损失函数、广播机制
宏观上的训练过程 当然这里所说的训练还没有到深度学习那一步，如上图所示，有一批输入数据，这些数据是有噪声的。数据分成两份，一个是训练集，一个是验证集。 再说到下面的一小撮验证集，这些数据也用模型去进行运算，但是对它们的运算结果并不进行反向传播，从而不会影响模型的训练，只是用来检测模型在未知数据上的效果，这里就会有过拟合和欠拟合的概念。 然后把这数据转换成tensor。 接下来要做的就是想办法估算出w和b的具体值，实际情况是通过w和b运算，使得输出的结果尽可能接近t_c，因为我们前面也看到了数据并不是一条直线。 翻译过来就是，如果一个PyTorch操作支持广播机制，输入这个操作的tensor参数会自动的扩展成相同的尺寸，并且没有实际复制数据。
84730编辑于 2022-07-11 - 来自专栏Mac消息
Rhino 7 for Mac(犀牛3D建模软件)
Rhinoceros 7 是mac平台上的一款3D建模工具，简称Rhino3D，中文称为：犀牛。 Rhino建模软件也是世界上功能最齐全的建模软件，Rhino 可以创建、编辑、分析、提供、渲染、动画与转换 NURBS* 线条、曲面、实体与多边形网格。不受精度、复杂、阶数或是尺寸的限制。 在 Rhino 7 中，某些模型在 Windows 和 Mac 上的显示速度会明显加快。 我们还对显示模式进行了一些改进，使它们在您工作时更加引人注目…… 文档 建模只是设计过程的一部分；您还需要展示如何构建屏幕上的内容。 在 Rhino 7 中，我们添加了一些新组件，但我们也更容易将您的程序变成插件......
2K10编辑于 2023-03-29 - 来自专栏Mac应用教程
Rhino 7 Mac(犀牛3D建模软件)
Rhinoceros 7 for Mac是一款功能强大的三维建模软件。Rhino 7 是历史上最重要的升级！ Rhino 7 Mac图片Rhino 7特别功能介绍• 不受约束的自由形式 3D 建模工具，如仅在成本高出 20 到 50 倍的产品中发现的工具。为您可以想象的任何形状建模。 • Rhino for Mac：世界上最通用的 3D 建模器，可在 macOS 上使用。
1.1K10编辑于 2022-09-21
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