- 综合排序
- 最热优先
- 最新优先
- 来自专栏大数据-BigData
数据仓库与商业智能宝典第2版
基本介绍 作为数据仓库和商业智能（DW/BI）行业中有影响力的领军人物，RalphKimball、MargyRoss得到了世界范围内的认可和尊重，他们在《数据仓库与商业智能宝典（第1版）》中确立了行业标准 现在，在《数据仓库与商业智能宝典（第2版）成功设计、部署和维护DW/BI系统》中已经更新了65篇DesignTip和白皮书，从而汇集了DW/BI技术创新前沿的著作。 从项目规划和需求收集，到维度建模、ETL和BI应用，《数据仓库与商业智能宝典（第2版）：成功设计、部署和维护DW/BI系统》涵盖了你在数据仓库和商业智能中将会遇到的所有内容。 启动DW/BI项目和收集需求的注意事项 集成式企业数据仓库的必备要素，其中包括总线架构和矩阵 事实表的粒度性和三种基本类型 渐变维度技术 星型模式、外支架和桥接表 维度建模高级模式 提取、转换和加载（ETL）子系统与数据质量 BI应用实践 大数据注意事项 无论你正以何种身份参与数据仓库或商业智能项目，这本可轻易参考和最近更新的宝典可谓无价之宝。
58530编辑于 2022-12-31 - 来自专栏决策智能与机器学习
工业数据分析之数据归一化 | 冰水数据智能专题 | 2nd
2数据归一化的目标 （1）把数变为（0，1）之间的小数 主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速，应该归到数字信号处理范畴之内。 （2）把有量纲表达式变为无量纲表达式 归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为纯量。 （2）提升模型的精度 归一化的另一好处是提高精度，这在涉及到一些距离计算的算法时效果显著，比如算法要计算欧氏距离，上图中x2的取值范围比较小，涉及到距离计算时其对结果的影响远比x1带来的小，所以这就会造成精度的损失 （2）标准差标准化 | z-score 0均值标准化(zero-mean normalization) 经过处理的数据符合标准正态分布，即均值为0，标准差为1，其转化函数为： • x = 需要根据数据分布的情况，决定非线性函数的曲线，比如log(V, 2)还是log(V, 10)等。
88510发布于 2020-08-04 - 来自专栏nft市场
智能合约安全——delegatecall (2)
Attack.attack() 函数先将自己的地址转换为 uint256 类型（这一步是为了兼容目标合约中的数据类型）第一次调用 HackMe.doSomething() 函数；2. 如果想了解更多的智能合约和区块链知识，欢迎到区块链交流社区CHAINPIP社区，一起交流学习~社区地址：https://www.chainpip.com/
37920编辑于 2022-08-03 - 来自专栏铭毅天下
争当 2% 的人——《智能时代 · 大数据与智能革命重新定义未来》读书笔记
首先选择看的是计算机科学家吴军老师的书《智能时代》（豆瓣评分 8.4分，豆瓣热门互联网图书 TOP 10），这是 2016 年谷歌 AlphaGo 战胜李世石之后出的一本书，我买回来2-3年了，一直没有抽出时间看 2、数据驱动法 定义：只要数据量足够，就可以用若干个简单的模型取代一个复杂的模型。 而机器一旦产生和人类类似的智能，就将对人类社会产生重大的影响。毫不夸张地讲，决定今后 20 年经济发展的是大数据和由之而来的智能革命。 铭毅解读：大数据是未来智能革命的基础之一。 10、争当 2%的人 在历次技术革命中，一个人、一家企业，甚至一个国家，可以选择的道路只有两条：要么进入前 2% 的行列，要么被淘汰。 抱怨是没有用的。 至于当下怎么才能成为这 2%，其实很简单，就是踏上智能革命的浪潮。 在每一个重大的技术革命开始的时候，真正勇敢地投身到技术革命大潮中的毕竟是少数，受益者更少，大部分人则会犹豫和观望。
67630发布于 2021-03-04 - 来自专栏深入浅出区块链技术
如何调试EVM智能合约 #2 ：部署智能合约
译文出自：登链翻译计划[1] 译者：翻译小组[2] 校对：Tiny 熊[3] 本文是关于调试 EVM 智能合约系列的第 2 篇，本系列包含 7 篇文章： 第 1 篇：汇编表示[4] 第 2 篇：部署智能合约 但是在开始调试之前，你能不能回答这个问题： 问：智能合约部署后，我们要调试的代码在哪里？ 答：代码位于数据字段。代码位于交易的数据字段中，它就是在部署智能合约时要执行的代码。 这是我们存储在 EVM 内存中的智能合约的代码。因此，交易数据的第 0x22 字节（十进制 34）之后的每一整块字节都是智能合约的代码! when deploying smart contract] [smart contract code to deploy] [constructor parameters] } 参数位于所有智能合约代码的数据之后 智能合约结束了它的执行。 总结 最后总结一下合约部署情况： 它像每个智能合约一样存储了空闲内存指针。 它复制了由交易数据提供的 2 个参数，并将其存储到内存中。
99320编辑于 2022-11-07 - 来自专栏硬件大熊
智能门锁：电源管理概述2
作为一款高频度使用的低功耗产品，智能门锁的电源管理是低功耗设计极其关键的一部分。高效、合理的电源管理设计能让门锁快速响应动态与静态的动作切换，同时保持更低程度的功率损耗。 继上篇章，本篇继续智能门锁电源管理2—— 推荐阅读： 《一文浅析智能门锁》 《智能门锁：电源管理概述1》 电池升降压 目前主流的智能门锁大多数采用干电池进行供电，一节5号电池的标称电压为1.5V，对于智能门锁的控制板 很多厂家选择将电池进行串联，如4颗电池串联后的标称电压为6V，为确保电量供应充足，再将4颗电池串联后进行并联，即4串2并。 当然，也有个别厂家将2颗电池串联后再使用2颗进行并联，即2串2并，输出的标称电压为3V。 目前智能门锁一般预留一个USB口可供用户使用充电宝临时替代电池进行供电； 2.当系统出现异常状态无法自行重启，且用户并未在屋内无法将门锁强行断电重启时，应急供电口的输入应能将电池供电电路切断至系统掉电，
1.5K20编辑于 2022-06-23 - 来自专栏CreateAMind
通用智能框架part2
当生成模型被堆叠时,较高层次的模型将来自较低层次的状态作为观察值,而较低层次通过智能体的传感器观察实际环境。 2、 动作和状态推断,即寻找后验 和 是通过主动推理实现的。在主动推理中,大脑被认为是一个积极尝试最小化其变化自由能的预测模型。 最近的建议表明,记忆回忆可能源于“虚构的预测错误”(Barron 等人,2020),为优化没有感官数据的世界的生成模型提供了训练信号的来源, 因此提供了独立于刺激的学习和想象计划。 这种抽象的类别进一步考虑到结构化表示的种类,其重要性在(非激进创造的)认知科学和“老式人工智能”的几十年工作中得到强调。 第四章其他部分以作者分析推论为主 参考： 智能生命的第一原理 生命主动推理的数学描述 回答薛定谔问题: 生命是什么？
56020编辑于 2022-06-08 - 来自专栏速入大数据
数据驱动智能，智能优化数据——大数据与人工智能的双向赋能
数据驱动智能，智能优化数据——大数据与人工智能的双向赋能在数字化浪潮席卷全球的今天，大数据和人工智能（AI）已成为推动技术创新和产业升级的核心动力。 大数据为人工智能提供了养料，而人工智能则为大数据的处理与应用带来了革新。大数据如何助力人工智能？人工智能的本质是基于数据的模式学习与推理，因此，数据的质量、数量和多样性决定了AI模型的有效性。 y_train) # 评估模型 accuracy = accuracy_score(y_test, model.predict(X_test)) print(f"模型准确率: {accuracy:.2f }")增强人工智能的决策能力undefined在商业智能和决策支持系统中，AI通过分析大量数据，提供基于数据驱动的决策建议。 人工智能恰好可以解决这些问题，使大数据分析更加智能化、高效化。自动化数据清洗undefined数据清洗是数据分析中的关键环节，传统的人工清洗方法费时费力，而人工智能可以自动发现异常值、处理缺失数据。
93910编辑于 2025-04-21 - 来自专栏前沿技墅
数据驱动产品智能——数据应用与用户智能
所谓智能，可以把它归结为这么一种模式：首先要有数据，然后在数据上套用某种算法模型，最后再将结果数据反馈到产品中，这样的产品就具备了一种“学习”能力。数据驱动产品智能模式如下图所示。 ? 数据驱动决策将分析结果用于人的决策使用，而数据驱动产品智能更加强调数据的处理结果是给机器用的，并且这种数据分析的算法往往更加复杂，本身具有可以自我迭代的特点。 有了数据平台，我们就有了数据根基和数据处理能力，接下来就是围绕数据的产品智能应用。具体到用户行为数据，它不仅可用作流量统计和在线的用户行为分析，还可以应用于各种用户智能。 下图是挖掘用户行为数据价值的一系列智能应用。 ? 目前常见的基于用户行为的用户智能应用，如下表所示。 应用2：根据搜索结果的页面排序调整 下图是百度的搜索结果页，每个用户看到的搜索结果一样，然而这些搜索结果的具体排序，是基于不同用户对同一个搜索词的点击情况进行调整的。 ?
1.6K30发布于 2018-07-31 - 来自专栏人工智能的秘密
智能决策：人工智能+大数据
智能决策=大数据+人工智能 百分点Deep Matrix智能决策系统融合大数据与人工智能技术，基于动态知识图谱和行业业务模型，具备自适应和自优化的能力，支持复杂业务问题的自动识别、判断并进行推理，进而做出前瞻和实时决策的智能化产品系统 利用Deepmatrix AI决策系统的创新能力，百分点将持续推动AI技术在大数据领域的落地，满足市场对海量异构数据的智能分析与应用需求，使企业能高效、便捷地进行数据资产管理和价值实现。 百分点Deep Matrix AI决策系统由大数据操作系统、智能认知引擎、智能应用系统三部分组成，其中： 大数据操作系统：解决内外部多源、异构复杂数据的处理，构建数据生命周期管理为核心的数据资产管理平台 五大核心能力： 海量数据汇聚融合能力：借助百分点大数据系统，将海量的结构化与非结构化业务数据进行汇聚融合； 快速感知和认知能力：通过人工智能应用，从海量的数据中快速提取有价值的数据，感知业务与环境的变化 ； 强大的分析和推理能力：对数据进行智能分析与推理，分析出业务的真实动向与未来趋势； 自适应与自优化能力：通过对人工配置与机器执行的融合，实现针对应用的智能预警、智能研判； 行业智能决策能力：通过大数据与人工智能的结合
5.9K01发布于 2017-12-21 - 来自专栏腾讯云存储
预告 | 2024数据智能大会数据智能基础设施论坛
为拨开数据智能时代迷雾，把握数据智能时代脉搏，2024数据智能大会数据智能基础设施论坛将于6月20日在北京悠唐皇冠酒店盛大举行，届时邀请了多位行业内大咖进行专题分享。 腾讯云存储智能存储总监叶嘉梁受邀出席活动，分享“数智融合，腾讯云智能存储的发展与实践”的主题演讲。 演讲嘉宾：腾讯云存储智能存储总监，叶嘉梁 演讲时间：6月20日10：45~11：05 演讲议题：数智融合，腾讯云智能存储的发展与实践 峰会地址：北京悠唐皇冠酒店 扫描海报下方二维码即可报名参与本次会议
59130编辑于 2024-06-19 - 来自专栏华章科技
从“大数据”到“智能数据”
英国牛津大学曾对全球各行业工作者做过一份调查问卷，2/3受访者认为，使用数据和分析软件可以使他们保持竞争优势。问题是，这些“金矿挖掘者”今天如何从如此巨大的数据山里挖到金子? ? 用智能数据建立智能系统 啤酒+尿布是值得挖掘的数据;而从工业设施、建筑物、能源系统和医院产生的比特和字节，含金量更高，更值得挖掘，因为它们可以用于建立起智能系统，这些比特和字节就是智能数据。 所有这些领域里，必须不仅收集数据，而且还理解数据。处理的数据是智能数据，得出的结论用于将企业或城市变得更智能。 适合于评估这些智能数据的算法还需要开发。 大数据如何成为“智能数据” 数据只是“大”，并没有太大意义，关键是如何最佳地挖掘高价值的数据、使用这些数据，使这些数据成为“智能数据”。 这有几个方法： 1.评估数据的价值和将会产生的价值 2.把数据和“智能化”相关联 3.把数据变成具有上下文意义的灵活的数据结构 4.随着时间的推移，根据这些收集了的大量数据，展现一幅绚丽多彩的智能数据图
65210发布于 2018-08-14 Copy2AI智能聊天助手：重塑智能助手新范式
在数字化浪潮的汹涌冲击下，智能聊天助手早已不是新鲜事物，但真正能将“智能”二字深度融入并全方位赋能用户工作与生活的，Copy2AI智能聊天助手堪称佼佼者。 数字员工系统：打造专属智能团队该系统为用户配备了一系列预设的“数字员工”角色，涵盖写作助手、翻译专家、数据分析员等多元领域。用户只需依据自身需求一键切换角色，这些“数字员工”便能高效完成相应任务。 例如，写作时面临开头难题，启用“写作助手”角色，它便能凭借海量文本数据与智能算法，为用户输出优质写作建议与灵感启发，助力用户突破创作瓶颈，宛如拥有了一个专业且高效的专属“智能团队”，全方位满足不同场景下的工作需求 隐私安全可靠数据安全是用户使用智能工具时的核心关切。Copy2AI智能聊天助手在隐私保护方面表现出色，支持本地模型部署，确保用户数据始终存储于本地设备，不上传至云端，从源头杜绝隐私泄露风险。 学生群体学生党也能从Copy2AI智能聊天助手中受益良多。
40610编辑于 2025-06-18- 来自专栏云数据库技术
NineData智能数据管理平台新功能发布｜2026年1-2月
NinaData在2026年1-2月发布重点聚焦在数据库迁移前评估能力建设、异构数据库复制能力增强以及SQL运维体验优化，提供了AI能力增强、慢查询分析扩展、登录体验优化，持续提升数据库运维效率与平台使用便捷性 重点发布 数据库DevOps-SQL AI智能提示上线 SQL 窗口新增 SQL AI 智能提示功能开关。 开启后，在原有规则式 SQL 提示机制的基础上，新增了基于 AI 的智能提示，提供更智能的辅助。 相比传统提示逻辑，AI能够结合上下文语义进行分析，提升复杂SQL编写效率。 数据库DevOps-慢查询分析支持外部来源采集 慢查询分析模块新增支持从外部来源采集慢日志，本次适配Elasticsearch作为外部数据源。 该能力适用于： 数据库慢日志已统一收集至日志平台。 数据复制-数据库迁移评估能力正式上线 新增数据库迁移评估功能，用于在迁移前对目标数据库进行风险与兼容性分析，帮助用户提前识别潜在问题，降低迁移不确定性。
19710编辑于 2026-03-04 - 来自专栏python数据分析实践
数据规整（2）
1 分层索引（见上一篇文章） 2 联合与合并 （1）数据库风格的联合 数据集的联合将通过一个或多个键进行联合，这些操作与数据库类似。pandas通过merge函数进行联合。 例如下面语句： pd.merge(df1, df2, left_on = 'key', right_index = True, how = 'outer') 表示数据合并是依据df1的key列和df2 如果数据是多层索引，例如df1的索引列是key1和key2，则语句应该变为： pd.merge(df1, df2, left_on = ['key1', 'key2'], right_index = True, how = 'outer') （3）联合重叠数据 另外的一个数据联合场景，既不是合并操作，也不是连接操作。 本章的数据规整到此结束，目前已经了解了pandas的基础知识，包括数据导入、清洗和重新规整。
1.1K10编辑于 2023-02-23 - 来自专栏yeedomliu
《智能商业》04 智能商业双螺旋之一：数据智能
04 智能商业双螺旋之一：数据智能 无数据，不智能；无智能，不商业。人工智能是一场技术革命，它必然会将越来越多的商业智能化。未来数据智能将成为商业的基础，而智能商业也将成为数据时代的全新的商业范式。 在我看来，要想把数据智能融入具体商业，要做好三件事：数据化、算法化和产品化 数据化：商业创新的基础 对于当下的商业而言，智能化指的是商业决策会越来越多地依赖机器学习，依赖人工智能。 “云”反馈 产品是用户通过行为数据向“云”上的数据智能进行反馈、实现数据增值和算法优化的通道 下达：将“云”的数据智能传递到“端” 在智能商业的“云”和“端”之间，客户的产品体验绝不仅仅来自端上的UI（ ，而这取决于“云”上的数据智能 互联网产品是一种包含了“云”的智能和“端”的体验的完整互联网服务，它是数据智能和商业场景紧密整合的最终载体，也必将取代营销，成为商业运营的关键 智能商业的成功，最关键的一步往往是一个极富想象力的创新产品 数据智能的引擎机器要能够直接做决策，而不是传统的利用数据分析来支持人的决策。
2.3K20发布于 2020-06-23 - 来自专栏大数据文摘
吴军：赶上智能浪潮 争当2%的人
在历次技术革命中，一个人、一家企业，甚至一个国家，可以选择的道路只有两条：要么进入前2%的行列，要么被淘汰。抱怨是没有用的。至于当下怎么才能成为这2%，其实很简单，就是踏上智能革命的浪潮。 但是，制造智能机器的人就不同了，他们可能只占人口的不到2%甚至更少，却在某种程度上控制着世界。 这个说法不是危言耸听，实际上今天已经发生了。 我想说的是他们的成功其实给予我们一个启示，那就是，如果我们不可避免地要被那2%的人通过大数据和机器智能控制，与其抱怨，不如干脆加入他们的行列。 虽然并非每一个人都能够去开发大数据和机器智能产品，但是应用这些技术远不像想象中的那么难。 我有一位在生意上还算成功的学员，在全国各地开了几百家茶叶店。 图7.14 三星公司的智能冰箱，可以直接订购某些商品 上述那些从事所谓传统行业的人，距离大数据和机器智能其实远比他们想象的要近得多。如果说有距离，可能心理上和观念上的距离比技术上和商业上的要远得多。
86070发布于 2018-05-22 - 来自专栏blog-技术博客
人工智能_2_特征处理.py
# 特征处理 # 特征预处理:通过统计方法将数据转换为算法需要的数据 # 数值型数据:标准缩放 # 规依法,标准化(常用,适用于当前大数据),缺失值处理(删除,填补中位数平均数,通常按照列填补 ============ # 归一化:对数据变化--->默认[0,1]之间 """ new = (old-min)/(max-min) max,min 为某列最大值最小值 new2 = new*(mx-mi )) data = mms.fit_transform(matrix) print(data) """ [[3. 2. 2. 2. ] """ # 主成分分析 from sklearn.decomposition import PCA # PCA 分析,简化数据集的技术, 使数据压缩,减少数据维数(特征数量), 损失少量数据 # 特征数量过多的时候 = pd.read_csv("") # new=pd.merge(data2,data2,on=['product_id','product_id']) # 合并 两张表 on 表示以那个键合并 # 可再次合并
42530发布于 2020-05-08 - 来自专栏Y大宽
RNA-seq(2)-2:下载数据
这节按生信技能树的要求进行数据下载，同时下载一组肝癌数据。 PMID: 27824034 很容易在文章里面找到数据地址GSE81916 这样就可以下载sra文件作业，看文章里的methods部分，把它用到的软件和参数摘抄下来，然后理解GEO/SRA数据库的数据存放形式 1.0 论坛作业数据下载 首先，按照这个方法可以去查找文章和数据。 1.00下载自己的数据 首先在https://www.ncbi.nlm.nih.gov/sra，输入liver cancer，下载个较小的肝癌数据。 i=2;i<=5;i++));do ascp -QT -v -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh -k 1 -T -l200m anonftp
1.1K40发布于 2018-09-10 - 来自专栏code人生
Fabric 2.x 智能合约开发记录
required items must be unique recovered虽然 Fabric v2.2 已经发布了很久了，但之前因为项目历史问题，一直使用的都是 Fabric v1.4.8，所以智能合约也一直使用的都是 我一般都是使用下面的接口格式来定义合约的业务逻辑： func create(stub shim.ChaincodeStubInterface, payload string) ([]byte, error)在开发 Fabric v2.2 的智能合约时
58621编辑于 2023-11-04
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