- 综合排序
- 最热优先
- 最新优先
- 来自专栏刷题笔记
7-4 悄悄关注 (25 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/97864803 7-4 悄悄关注 (25 分) 新浪微博上有个“悄悄关注”，一个用户悄悄关注的人
1.1K10发布于 2019-11-08 - 来自专栏刷题笔记
7-4 字符串排序
点这里 7-4 字符串排序 本题要求编写程序，读入5个字符串，按由小到大的顺序输出。 输入格式： 输入为由空格分隔的5个非空字符串，每个字符串不包括空格、制表符、换行符等空白字符，长度小于80。
93310发布于 2019-11-08 - 来自专栏刷题笔记
7-4 树的遍历 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/102924283 7-4 树的遍历 (20 分) 给定一棵二叉树的后序遍历和中序遍历，请你输出其层序遍历的序列
74610发布于 2019-11-07 - 来自专栏AI机器学习与深度学习算法
机器学习入门 7-4 求数据的前n个主成分
前几个小节使用梯度上升法求一组数据的第一个主成分。本小节主要求解数据的前n个主成分，并使用编程实现。 在求出数据的第一个主成分之后，只需要将数据进行改变，也就是将数据的第一个主成分上的分量去掉即可。具体如下所示： ? i，这样一来我们又求出了一组新的数据样本，这组数据样本叫做Xi'，这个X'就是X中所有样本都去除第一个主成分上分量最终的结果。 如果我们想要求第二个主成分非常简单，只需要在新的数据也就是X'上重新求一下第一主成分，此时在X'上求出的第一主成分就是我们原来数据的第二个主成分，对于n为数据这个过程依次类推，相应的可以求出第三个主成分 编程求解数据的前n个主成分 接下来还是通过创建的虚拟数据来进行测试。 ? ? ? ? ? ?
69240发布于 2019-11-13 - 来自专栏刷题笔记
7-4 括号匹配 (25 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101472923 7-4 括号匹配 (25 分) 给定一串字符，不超过100个字符，可能包括括号
99830发布于 2019-11-08 - 来自专栏数据结构和算法
7-4 学生成绩排序 (15分)
7-4 学生成绩排序 (15分) 输入格式: 输入一个正整数n(n<50)，下面n行输入n个学生的信息，包括：学号、姓名、三门课程成绩（整数）。
41710编辑于 2023-11-30 - 来自专栏算法与数据结构
PTA 7-4 排座位（25 分）
7-4 排座位（25 分） 布置宴席最微妙的事情，就是给前来参宴的各位宾客安排座位。无论如何，总不能把两个死对头排到同一张宴会桌旁！
1.6K90发布于 2017-12-29 - 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freesan44
PTA 7-4 素数等差数列 (20 分)
2004 年，陶哲轩（Terence Tao）和本·格林（Ben Green）证明了：对于任意大的 n，均存在 n 项全由素数组成的等差数列。例如 { 7，37，67，97，127，157 } 是 n=6 的解。本题就请你对给定的 n 在指定范围内找出一组最大的解。
39500发布于 2021-09-10 - 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。
1.1K10编辑于 2025-05-27 - 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。 用户埋点的场景很灵活，埋点可以统计的事件数据能和业务数据进行打通。 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。 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。
2.3K70发布于 2018-02-28 - 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。 用户埋点的场景很灵活，埋点可以统计的事件数据能和业务数据进行打通。 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。 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。
1.5K60发布于 2018-04-24 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。
20200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
2.5K10发布于 2019-01-07 - 来自专栏freesan44
PTA 7-4 最近的斐波那契数 (20 分)
=1。所谓与给定的整数 N 最近的斐波那契数是指与 N 的差之绝对值最小的斐波那契数。
47510发布于 2021-09-10 - 来自专栏刷题笔记
【2020HBU天梯赛训练】7-4 稳赢
7-4 稳赢 大家应该都会玩“锤子剪刀布”的游戏：两人同时给出手势，胜负规则如图所示： ? 现要求你编写一个稳赢不输的程序，根据对方的出招，给出对应的赢招。但是！
51910发布于 2020-06-23 - 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
82600编辑于 2024-07-27 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。
41010编辑于 2025-10-27- 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。
1K80发布于 2018-03-27 - 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。 不能低估自助式数据驱动文化的合作与社交要求。没有它，你就会失败，对软件、数据处理工具和平台的投资都将付诸东流。许多企业大谈合作和开放，但很少落到实处。
2K60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