- 综合排序
- 最热优先
- 最新优先
- 来自专栏三流程序员的挣扎
2022-10-29-测试驱动
规则不可教条，根据实际情况判断，若真不适合，也不必遵循，反正现在写 Android 代码我感觉不太适合，简单的单元测试可以，稍微复杂点的就要运行到手机上，需要虚构许多东西，挺繁琐的，不像直接在电脑上编译运行。这实践留待以后做其他的项目吧。
34320编辑于 2022-11-12 - 来自专栏Ray学习笔记
10SpringCloud Stream消息驱动
org.springframework.boot.autoconfigure.SpringBootApplication; /** * @Description: * @Author Ray * @Date 2020/10 } service package com.ray.cloud.service; /** * @Description: 发送消息接口 * @Author Ray * @Date 2020/10 javax.annotation.Resource; import java.util.UUID; /** * @Description: 发送消息接口实现类 * @Author Ray * @Date 2020/10 org.springframework.boot.autoconfigure.SpringBootApplication; /** * @Description: * @Author Ray * @Date 2020/10 import org.springframework.stereotype.Component; /** * @Description: * @Author Ray * @Date 2020/10
57840发布于 2020-11-04 - 来自专栏自动化测试实战
selenium数据驱动
Selenium最后一个知识点——数据驱动。学会了这个Selenium就算学完啦~ 看代码： 这是修改的testSell.py文件。 # coding: utf-8 import ddt import unittest # 测试数据 testData = [{"username": "warrior", "password": setup和tearDown方法每读一次testData里面的数据都要运行一次。如果只想在开始和结束的时候分别运行一次setUp和tearDown方法，就要用setUpClass那个方法了。
1.1K60发布于 2018-05-18 - 来自专栏数据的力量
干货 | 10个案例告诉你，数据如何驱动产品设计
从数据中看用户行为是一件很有趣的事情，了解用户行为后相应的对我们的产品设计、专题设计进行优化，就能生产更高转化率的作品。 下面跟大家分享10个我们从近期手机专题数据中提炼出来的小总结，希望对大家有所帮助。 1、在只有移动资源推送的情况下，手机页面访问热度持续2天。 从数据上看按钮的摆放屏数跟按钮的点击率成反比。当然，按钮的点击量还受按钮功能（抽奖、分享……）、按钮样式（有动画、纯文字……）等的影响。 3、输入行为会导致用户流失。 下面的例子从数据上看第三、四、五屏的数据比较平稳，但从第二屏到第三屏的丢失高达39%。反观专题，第三屏到第四屏、第四屏到第五屏的操作是选择，而第二屏到第三屏的操作中还带有输入行为。 10、控制页面文件体积以及添加loading。 据一个国外的数据调查，用户在使用手机时，如果遇到加载超过5秒的手机网站，74%的用户会选择离开。
84030发布于 2018-07-20 - 来自专栏量子位
被AI改变的风投模式：数据驱动使效率提高10倍
Bonanzinga说，“效率提高了10倍。” △ 北美在AI行业遥遥领先 位于旧金山的SignalFire是首批转向这种数据驱动模式的风投公司之一。其创始人Chris Farmer大约在2007年就开始在风险投资中使用数据模式。 该软件目前追踪全球800万家创业公司，数据来源包括销售数据、学术刊物和财务报表等。如果一家公司表现出色，或者从事引人关注项目，就会被标记在控制面板上。 △ Chris Farmer 10年前，Farmer说，这个项目根本不可能实现。“当时没有现在的这些数据和处理能力。我们需要的计算能力和存储能力只有大型消费互联网公司才有。” 总部位于斯德哥尔摩的创业公司Aibl Tech的联合创始人Aaron Joyce就从数据驱动的方法中受益。Aibl帮助公司分析客户数据，他们刚成立几个月被Bonanzinga发现了。
84960发布于 2018-03-22 - 来自专栏Linux驱动
Linux-insmodrmmodlsmod驱动模块相关命令(10)
insmod:加载模块 参数: -f 不检查目前kernel版本与模块编译时的kernel版本是否一致，强制将模块载入。 -k 将模块设置为自动卸除。 -m 输出模块的载入信息。 -o <模
2.7K70发布于 2018-01-03 - 来自专栏低代码（low code）专栏
数据驱动是什么？数据驱动的深层次理解！
在谈到企业数字化转型时，很多人都会说起“数据驱动”，比如“数据驱动运营”、“数据驱动业务”等等。 在大家言必称“数据驱动”的时代背景下，我相信很多人并未深究和思考“数据驱动”的真正含义，只是过过嘴瘾罢了。那么，问题来了，到底什么是“数据驱动”呢？该如何理解“数据驱动”呢？ 下面就来谈谈我个人对“数据驱动”的理解。个人认为，“数据驱动”可以从应用层次和价值实现机制两个方面来理解，即“数据驱动”有4个层次和1个链条。 一、“数据驱动”的4个层次从数据加工的深度或应用层次来看，“数据驱动”由浅入深分为4个层次：监测—分析—挖掘—使能。监测是“数据驱动”的最浅层次，指的是用数据记录实际发生的事实。 数据的力量有大小之分，“数据驱动”层次分明。当然，理解“数据驱动”是为了更好的践行“数据驱动”，所谓“行胜于言”，“数据驱动”需要你我的行动。
1.4K10编辑于 2025-05-27 - 来自专栏PPV课数据科学社区
数据驱动运营案例
作者：腾讯大数据 全文共 6212 字，阅读需要 12 分钟 —— BEGIN —— 数据分析对于运营来说是一个数据抽象的过程。 用数据说话，从埋点开始 数据只有采集了才能做分析，分析了才能实现价值。 图1. 数据运营微笑模型 上图是数据运营解决问题的思路，但相对的，数据运营分析的需求，也驱动着数据埋点的优化。 精细化的分析运营需要对业务的深入理解，需要学会切入分析的角度，解析你的用户的特征，了解你的用户，再由数据的需求去驱动埋点的配置。 3. 解析核心路径 第三点是基于第二点的应用。 举一个比较知名的例子： 在某知名社交App的数据分析运营分享中，通过不同的事件对比，可以发现10天内添加7个好友的留存率大大提高。 案例总结 在数据运营的实战中，可能常常会遇到一些让我们觉得有点别扭的数据。 而在这些数据背后，其实蕴藏着很多的细节与能量。
1.6K60发布于 2018-04-24 - 来自专栏数据科学与人工智能
数据驱动运营案例
作者：腾讯大数据 全文共 6212 字，阅读需要 12 分钟 —— BEGIN —— 数据分析对于运营来说是一个数据抽象的过程。 用数据说话，从埋点开始 数据只有采集了才能做分析，分析了才能实现价值。 图1. 数据运营微笑模型 上图是数据运营解决问题的思路，但相对的，数据运营分析的需求，也驱动着数据埋点的优化。 精细化的分析运营需要对业务的深入理解，需要学会切入分析的角度，解析你的用户的特征，了解你的用户，再由数据的需求去驱动埋点的配置。 3. 解析核心路径 第三点是基于第二点的应用。 举一个比较知名的例子： 在某知名社交App的数据分析运营分享中，通过不同的事件对比，可以发现10天内添加7个好友的留存率大大提高。 案例总结 在数据运营的实战中，可能常常会遇到一些让我们觉得有点别扭的数据。 而在这些数据背后，其实蕴藏着很多的细节与能量。
2.4K70发布于 2018-02-28 数据治理，理清从业务驱动到数据驱动的关键逻辑
简单来讲，数据治理它的核心就是建模型、定标准规范、定流程、采数据、存数据、管数据、用数据，这个基本上就是数据治理它整体里面最核心的一个内容，但是我们的企业去做数据治理的时候，一定要问题驱动场景驱动，你为什么要去做数据治理这个事情 大家没有意识到在数据驱动之前仍然叫业务驱动，它是类似于我们软件生命周期里面一个完整的V模型，你仍然是需要流程驱动、业务驱动，去梳理关键的业务流程、业务活动，找到和沉淀关键的数据，这个时候你才知道怎么样用你沉淀下来的数据更好地去支撑业务 所以，脱离了业务驱动谈数据驱动，往往就是无源之水、无根之木。 我们做数据治理的项目一定要意识到首先是业务驱动，你通过业务驱动这种分析下来沉淀的数据，你才能够真正的想清楚这个数据怎么样为业务服务。 ，做数据这件事情不要单独的只是去强调数据驱动，一定要严格的按照完整的生命周期模型，先是业务驱动产生数据，接着才是数据怎么样去支撑业务，这样才是完整的、闭环的逻辑架构。
29900编辑于 2025-06-24- 来自专栏腾讯NEXT学位
前端思维转变--从事件驱动到数据驱动
今天的主角是数据驱动，事件相关的不进行详细说明了。 4.根据计算后的数据状态，重新渲染页面。 通俗地说，事件驱动思维是从事件响应出发，来完成应用的设计和编程。 数据驱动 ---- 数据驱动，将我们从复杂的逻辑设计带进数据处理的世界。 回到日常写码中，前端写页面，抽象成数据常用的无非是： 1.列表 => array 2.状态 => number/boolen 3.一个卡片 => object 4.等等 事件驱动到数据驱动 数据驱动 vs 数据驱动思维 转换到数据驱动思维后，我们在编程实现的过程中，更多的是思考数据的维护和处理，而无需过于考虑UI的变化和事件的监听。 这种方式有以下好处： 1.数据变更方便 2.DOM结构变轻 3.DOM结构/样式调整方便 4.抽象设计 5.代码量减少，易于维护 数据驱动与mvvm 数据驱动的设计思维或许与mvvm没有必然的联系，但是
2.6K10发布于 2019-01-07 - 来自专栏Eureka的技术时光轴
Win10下VS2015（WDK10）驱动开发环境配置
由于应用程序的虚拟地址空间为专用空间，一个应用程序无法更改属于其他应用程序的数据。每个应用程序都孤立运行，如果一个应用程序损坏，则损坏会限制到该应用程序。其他应用程序和操作系统不会受该损坏的影响。 限制用户模式应用程序的虚拟地址空间可防止应用程序更改并且可能损坏关键的操作系统数据。 在内核模式下运行的所有代码都共享单个虚拟地址空间。这表示内核模式驱动程序未从其他驱动程序和操作系统自身独立开来。 如果内核模式驱动程序意外写入错误的虚拟地址，则属于操作系统或其他驱动程序的数据可能会受到损坏。如果内核模式驱动程序损坏，则整个操作系统会损坏。 此图说明了用户模式组件与内核模式组件之间的通信。 可以在安装过WDK10的主计算机的WDK10安装目录下找到该 MSI。 可以在安装过WDK10的主计算机的WDK10安装目录下找到该 MSI。
5.9K62发布于 2019-07-24 驱动开发：Win10内核枚举SSDT表基址
三年前面朝黄土背朝天的我，写了一篇如何在Windows 7系统下枚举内核SSDT表的文章《驱动开发：内核读取SSDT表基址》三年过去了我还是个单身狗，开个玩笑，微软的Windows 10系统已经覆盖了大多数个人 图片那么如果将这个过程通过代码的方式来实现，我们还需要使用《驱动开发：内核枚举IoTimer定时器》中所使用的特征码定位技术，如下我们查找这段特征。 + (ULONGLONG)ByteCode + 7;return addr;}}}return 0;}VOID UnDriver(PDRIVER_OBJECT driver){DbgPrint(("驱动程序卸载成功 但这个表存放的并不是SSDT函数的完整地址，而是其相对于ServiceTableBase[Index]>>4的数据，每个数据占四个字节，所以计算指定Index函数完整地址的公式是；在x86平台上: FuncAddress ret = scfn(NtApiIndex, ssdt_base_aadress);return ret;}VOID UnDriver(PDRIVER_OBJECT driver){DbgPrint(("驱动程序卸载成功
1.1K20编辑于 2022-11-18- 来自专栏又见苍岚
Windows10 配置 Nvidia 驱动与 Cuda 环境搭建
环境需求 当前配置 操作系统：Windows 10 显卡型号：Nvidia GeForce GTX 960M 当前驱动：391.25 目标 升级显卡驱动 安装适用的Cuda 安装配套的Cudnn 测试安装结果 升级显卡驱动 查看当前驱动信息 打开Nvidia控制面板 可以看到自己的显卡和驱动 查看并下载自己可用的驱动版本 登录官网：https://www.nvidia.cn/geforce/drivers / 选择自己的系统和显卡型号，查看自己可以使用的显卡驱动列表： 虽然显卡菜了些，驱动还是很先进的 这里建议驱动版本稍新一些，CUDA对显卡驱动的依赖是向下兼容的 我选择了466.11的驱动 Tips ：如果浏览器下载时快时慢，可以将下载链接放到迅雷里下载，速度感人 安装驱动 启动我们下载的驱动程序 466.11-notebook-win10-64bit-international-dch-whql.exe x86_64/ 早期版本Cuda下载链接： 在此页面下载自己需要的CUDA版本 我下载的是CUDA 10.2 CUDA安装 打开下载的 cuda_10.2.89_441.22_win10
4.3K12编辑于 2022-08-05 孪生+水利：从经验驱动“经验驱动”到“数据驱动”数字化变革
在数字化浪潮的驱动下，作为国家基础性、战略性产业的水利行业正在经历深刻的变革。水利行业数字化转型不仅是提升水资源管理效能的必由之路，更是推动水利行业可持续发展、提高水利公共服务质量的重要举措。 方案简介iWater 智水平台充分融合星图亿水在感知信息采集、水利大数据处理、专业模型开发和知识平台构建方面的核心能力，以时空数据为底座、数学模型为核心、水利知识为驱动，构建水利监测全要素、水利治理更精准 数据底板通过星图地球数据云（GEOVIS Earth Datacloud）引接全国DOM、DEM数据等空间数据，在此基础上叠加客户拥有的基础数据、感知监测数据、业务管理数据、其它共享数据、倾斜摄影数据、 数据引擎数据引擎提供多维多时空异构数据汇聚、清洗、转换、共享、展示、计算、更新等服务能力，具备多类型多层次数据仓库，采用人工智能算法处理各类数据，实现各类数据的采集清洗、标准化治理、数据服务、应用服务。 海量数据实时计算中科曙光高性能IDC超算中心提供海量实时计算。iWater智水平台是数字地球核心技术与水利业务模型在虚拟空间的成功结合，助推水利管理达成了从“经验驱动”向“数据驱动”的跨越。
63910编辑于 2025-10-27- 来自专栏被删的前端游乐场
前端思维转变--从事件驱动到数据驱动
今天的主角是数据驱动，事件相关的不进行详细说明了。 根据计算后的数据状态，重新渲染页面。通俗地说，事件驱动思维是从事件响应出发，来完成应用的设计和编程。数据驱动数据驱动，将我们从复杂的逻辑设计带进数据处理的世界。 回到日常写码中，前端写页面，抽象成数据常用的无非是：列表 => array状态 => number/boolen一个卡片 => object等等事件驱动到数据驱动数据驱动 vs 事件驱动要对事件驱动和数据驱动进行直观的比较 数据驱动思维转换到数据驱动思维后，我们在编程实现的过程中，更多的是思考数据的维护和处理，而无需过于考虑 UI 的变化和事件的监听。 这种方式有以下好处：数据变更方便DOM 结构变轻DOM 结构/样式调整方便抽象设计代码量减少，易于维护数据驱动与 mvvm数据驱动的设计思维或许与 mvvm 没有必然的联系，但是 mvvm 框架提供一些具现方式将数据驱动变得更加轻松
1.1K00编辑于 2024-07-27 - 来自专栏数据科学与人工智能
【数据】数据驱动的流程和产品
如何才能把数据变成钱呢？有两种办法：数据驱动的流程（data-driven processes）和数据驱动的产品（data-driven products）。 ? 数据驱动的产品（data-driven products） 除了利用数据驱动业务流程以外，数据还可被用来增强产品的功能。有些公司会把数据打包到一款有用的产品里，再转售给其它公司。 通过添加一个由数据或分析支持的功能，平台也有望对用户产生更大的吸引力。 ? 数据驱动，你也可以做到 下面是我的几个建议： 集中地收集所有数据。 任何一家公司，但凡拥有专有的数据，都应该好好考虑把数据利用起来，打造新的产品，或是在现有产品上创建由数据驱动的功能。 但最终，你还需要专门的工程师资源，把数据变成功能和产品。 受数据驱动的你 大数据真正讲的不是数据本身，而是要探讨怎样利用数据在公司内部驱动业务流程和产品功能。
1.1K80发布于 2018-03-27 数据驱动业务-业务经营指标驱动任务协同01
今天接着跟大家聊一下数据驱动方面的话题。 我在前面谈数字化转型的文章里面也经常会谈到数据驱动业务，数据反哺业务，但是企业数字化建设中能够真正做到数据驱动的相当的少。 我在前面有文章也分析过，做到数据驱动业务相当不容易，不仅仅需要有完整的数据管理数据治理方面的知识，更重要的是你一样的要去理解企业的核心业务价值链和端到端的流程。 但是其实对于大部分做数据方面工作的人员，相对来说他对业务并不太熟悉，搞不清楚业务运作如何产生的数据，自然很难搞清楚数据如何能够驱动业务改进和优化。 业务人员他日常的工作任务是通过我的业务KPI指标体系实时推动去完成的，业务人员工作任务的完成，对绩效的贡献也是可视化实时体现的，这个才是我们真正能够体现数据驱动业务相当重要的一个点。 这样的话我们对数据的应用就不再是那种半年一年以后的决策分析，而是真正将数据驱动体现到我们日常的业务流程业务运作中去。 好了，今天的简单分享就到这里，希望对大家有所启发。
32400编辑于 2025-06-24- 来自专栏橙子探索测试
Python数据驱动模块DDT
一.DDT简介 Data Driven Testing，数据驱动，简单来说就是测试数据的参数化 Python数据驱动模块DDT，包含类的装饰器ddt和两个方法装饰器data（直接输入测试数据） 通常情况下 ，data中的数据按照一个参数传递给测试用例，如果data中含有多个数据，以元组，列表，字典等数据，需要自行在脚本中对数据进行分解或者使用unpack分解数据。
1.8K10发布于 2019-10-25 - 来自专栏数据科学与人工智能
如何建立数据驱动文化
是什么驱使企业建立成功的数据驱动文化？未必是数据本身。这是次要的。技术本身排在第三位。数据驱动决策才是第一位的。 在向实施数据运维的数据驱动企业转变时，最重要也是最困难的是向数据心态的文化转变。 为这种合作和数据访问提供便利的技术虽然非常重要，但只是其中的一个方面。人和企业也很重要。在建立真正的自助式数据驱动文化后，企业的竞争力应该会得到很大提升。 以下是关于如何建立数据驱动文化的五个建议。 数据驱动决策有助于改善内部运作，比如使客户服务与支持更有效和降低库存成本。这一切始于招募有远见的人，他们充分了解数据背后的含义。 2. 把数据组织成一个向所有人开放的数据库 如果需要数据来作商业决策的人得不到数据，那么数据就没有任何用处。数据驱动企业不断整理和更新数据，以便员工可以随时获得最准确的信息。 原文链接：https://www.datanami.com/2017/10/10/build-data-driven-culture/
2.1K60发布于 2018-02-28
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