- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据科学与人工智能
【数据挖掘】数据挖掘#商业智能（BI）数据分析挖掘概念
数据挖掘目前在各类企业和机构中蓬勃发展。因此我们制作了一份此领域常见术语总结，希望你喜欢。 商业智能（Business Intelligence）: 分析数据、展示信息以帮助企业的执行者、管理层、其他人员进行更有根据的商业决策的应用、设施、工具、过程。 与人工智能、数据挖掘、统计方法关系密切。 购物篮分析（Market Basket Analysis）: 识别在交易中经常同时出现的商品组合或服务组合，例如经常被一起购买的产品。 文本挖掘（Text Mining）: 对包含自然语言的数据的分析。对源数据中词语和短语进行统计计算，以便用数学术语表达文本结构，之后用传统数据挖掘技术分析文本结构。 网络挖掘/网络数据挖掘（Web Mining / Web Data Mining) : 使用数据挖掘技术从互联网站点、文档或服务中自动发现和提取信息。
3.2K90发布于 2018-02-27 - 来自专栏全栈程序员必看
漏洞挖掘——实验11 侧信道攻击+TCPIP实验
漏洞挖掘前言 题目 Lab 侧信道攻击 + TCP/IP实验 Pre 1、用IE访问某些网站的时候，输入javascript:alert(document.cookie)会有什么反应，解释原因。
1K30编辑于 2022-09-14 - 来自专栏原创
以智能数据架构，挖掘增长金矿
对很多技术团队来说，在搭建智能数据架构的过程中，或多或少会遇到一些疑惑和挑战，经过多次实践后，有些团队已经破除疑惑，成功探索出一条搭建智能数据架构之路，那么他们是如何实现这一技术的呢？ 个推通过机器学习，构建了独有的冷、热、温标签，用以分析不同群体的基础属性和行为特征，描绘用户的精准画像，最终运用于智能推送和精准营销。 聚美优品大数据高级工程师 贺鹏《大数据3.0流计算与智能决策》 大数据3.0时期，Hadoop第一代、Spark内存计算第二代，早期流计算以及人工智能流计算同时并存。 流计算发展至今，已经具备了CEP这一强大功能，这也是支撑流计算智能化的关键因素所在。
66120发布于 2019-03-12 - 来自专栏智能大数据分析
【机器学习 | 数据挖掘】智能推荐算法
智能大数据分析是指利用先进的技术和算法对大规模数据进行深入分析和挖掘，以提取有价值的信息和洞察。 它结合了大数据技术、人工智能（AI）、机器学习（ML）和数据挖掘等多种方法，旨在通过自动化的方式分析复杂数据集，发现潜在的价值和关联性，实现数据的自动化处理和分析，从而支持决策和优化业务流程。 与传统的人工分析相比，智能大数据分析具有自动化、深度挖掘、实时性和可视化等特点。智能大数据分析广泛应用于各个领域，包括金融服务、医疗健康、零售、市场营销等，帮助企业做出更为精准的决策，提升竞争力。 三、基于关联规则的智能推荐 关联规则可以挖掘出物品间的关联关系，物品间的关联性越强推荐给用户时越可能受用户喜欢，提取关联规则的最大困难在于当存在很多商品时，可能的商品的组合（规则的前项与后项）的数目会达到一种令人望而却步的程度 接着介绍了智能推荐几种常见的智能推荐算法，包括关联规则和协同过滤等，其中关联规则可以挖掘出物品间的关联关系，依据关联关系的强弱为用户推荐，常见的关联规则算法有Apriori和FP-Growth。
1K10编辑于 2025-01-22 黑马-人工智能与数据挖掘
在高校毕业生就业形势复杂的今天，一个领域的相关人才却持续被企业高薪争抢，起薪远超许多传统行业，成为了名副其实的“职场黑马”——这就是人工智能与数据挖掘领域。 这就需要既懂数据挖掘技术，能“淘出真金”，又懂人工智能算法，能“点石成金”的复合型人才。市场上对这类人才的需求呈现爆炸式增长。 核心技术与工具：数据挖掘：精通数据清洗、预处理、特征工程，掌握聚类、分类、关联分析等经典算法。机器学习：深入理解监督学习、无监督学习、强化学习等模型原理与应用场景。 三、职业前景：一条广阔的上升通道选择AI与数据挖掘赛道，意味着选择了一条高成长性的职业路径。 结语：人工智能与数据挖掘作为一匹强劲的“黑马”，正奔驰在时代的最前沿。对于个人而言，它或许意味着一个充满挑战与机遇的职业新起点；对于社会而言，它则是推动产业升级、迈向智能未来的核心驱动力。
37210编辑于 2025-09-12- 来自专栏全栈程序员必看
人工智能万亿市场待挖掘
因此，通过数据挖掘和搜索算法对数据工厂中的知识库和信息库进行分类与关联的技术能力同样是人工智能企业的重要进入门槛。 根据前瞻网预计，到2015年底中国呼叫中心产业累计投资规模将超过1000亿元，年复合增长率为11%左右，总坐席规模将达到96.11万个。 舆情监测以中文信息处理技术和中文自然语言处理技术为基础，融合了信息检索、文本挖掘等研究技术，提供中文智能信息挖掘与智能分析软件，具有对海量文本内容进行智能检索、智能分析及智能化自动处理的功能，可以解决海量信息的智能分析处理 未来语义识别将和文本挖掘、数据挖掘等技术结合，更多地应用在商业化的领域，发展空间巨大。 深度挖掘大数据形成对企业商业决策的有效支持是行业未来重要发展方向，拓尔思将以此形成自己独特的商业智能应用模式。
2K20编辑于 2022-06-25 - 来自专栏机器学习AI算法工程
数据挖掘中最易栽的11个大坑
按照Elder博士的总结，11大易犯错误： 1、缺乏数据 2、太关注训练 3、只依赖一项技术 4、提错了问题 5、只靠数据来说话 6、使用了未来的信息 7、抛弃了不该忽略的案例 8、轻信预测 9、试图回答所有问题 10、随便地进行抽样 11、太相信最佳模型 1 缺乏数据 对于分类问题或预估问题来说，常常缺乏准确标注的案例。 认真、仔细、有条理是数据挖掘人员的基本要求。 预报(Forecast)示例：预报芝加哥银行在某天的利率，使用神经网络建模，模型的准确率达到95%。但在模型中却使用了该天的利率作为输入变量。 11 太相信最佳模型 IDMer：还是那句老话-“没有最好，只有更好!” 可解释性并不一定总是必要的。看起来并不完全正确或者可以解释的模型，有时也会有用。
58550发布于 2018-03-09 - 来自专栏博文视点Broadview
挖掘11亿用户背后的产品逻辑之美
腾讯最新发布的财报显示，微信月活用户突破11亿！这意味着，在中国，除了小孩儿和年龄很大的老人，几乎每个人都是微信用户，几乎人人都是网民！ ? 作为一份时代产品经理的知识清单，书共分为四个部分，11个章节： 第一部分是新时代产品经理进阶需要掌握的基础知识，包括信息架构、数据分析和机器学习。 第二部分是关于用户的知识，包括用户运营和用户中心。
57610发布于 2020-06-10 - 来自专栏生信技能树
2023-11(数据挖掘马拉松)答疑汇编
关心什么结果，是要结合自己的课题/实验设计，生物学背景，研究方向等等，更多的是和导师交流，参考一下相关文献等等。
41810编辑于 2024-01-11 - 来自专栏数据科学与人工智能
【金融数据】挖掘数据价值，打造智能银行
第三层，从信息上升至知识，即知识发现层，在此层面，数据挖掘技术和人工智能至关重要，对整合的信息进行分解、提炼，从中找出有价值的信息点，实现信息到知识的转变。 结合国内外先进企业的大数据经验，民生银行围绕充分挖掘大数据价值，以“智能化、云端化、标准化、移动化”（“四化”）建设为主线，努力打造和提升大数据能力，积极推进全行的大数据战略。 “四化”建设纵贯数据获取与存储、数据整合、数据挖掘、数据应用整个大数据价值链，是一个影响深远的系统性工程。 大数据智能化 为进一步提升客户关系管理与服务水平，营造可持续发展的金融生态环境，切实提高全行对公业务的规划能力、营销能力、产品支持能力、风险管理能力、考核评价能力，民生银行建成智能管家平台，借助互联网思维和大数据分析挖掘工具 ，运用复杂网络科学、文本挖掘、购物篮分析等数据挖掘技术和力导向布局图、蜗牛图等数据可视化手段，构建了上下游客户推荐模型、智能产品推荐模型、交易网络模型，设计开发了客户推荐、产品推荐等功能，为客户经理、管理人员提供针对性
1.4K50发布于 2018-02-27 - 来自专栏信数据得永生
Python 人工智能：11~15
_11.png)] 图 11：带有 AI 机器人需要击中的目标的地图，目标以哈希表示 前面的地图中有 124 个目标。 ISBN 1-55860-548-7. 12 云上的人工智能 在本章中，我们将学习有关云和云上的人工智能工作负载的信息。 我们将讨论将 AI 项目迁移到云的好处和风险。 AutoML 视频智能和视频智能 API：AutoML 视频智能服务具有一个简单的界面，该界面可以使用自定义模型识别，跟踪和分类视频中的对象。 该服务不需要编程或人工智能方面的广泛背景。 谈到玩具，在下一章中，我们将探讨如何使用人工智能构建游戏，并将我们学到的一些概念加以利用。 13 使用人工智能构建游戏 在本章中，我们将学习如何使用称为组合搜索的人工智能技术来构建游戏。 然后，我们将使用这些算法为不同的游戏构建智能机器人。
2K10编辑于 2023-04-23 - 来自专栏我的博客
【C++11】智能指针
智能指针家族包括auto_ptr(C++98)、unique_ptr、shared_ptr和weak_ptr(C++11)等类型。 • unique_ptr是C++11引入的智能指针，其名称意为"唯一指针"。特点是禁止拷贝操作(拷贝构造函数和赋值运算符被删除)，仅支持移动语义(通过std::move转移所有权)。 这意味着必须显式构造智能指针 //shared_ptr<Date> sp5 = new Date(2024, 9, 11); //unique_ptr<Date> sp6 = new Date(2024 , 9, 11); 运行结果： 4. C++11和boost中智能指针的关系 • Boost库作为C++标准库的重要补充，是一个由全球C++开发者共同维护的开源项目。
24010编辑于 2025-12-22 - 来自专栏信数据得永生
TensorFlow 智能移动项目：11~12
自 iOS 11 起，Core ML 就可用了，截至 2018 年 5 月，Core ML 已占到 80% 的标记份额。至少了解您可以在 iOS 应用中使用 Core ML 的基本知识绝对有意义。 适用于 iOS 的 Core ML – 概述 苹果的 Core ML 框架使 iOS 开发人员可以轻松地在运行 iOS 11 或更高版本的 iOS 应用中使用经过训练的机器学习模型，并构建 Xcode 我们现在准备使用 TensorFlow 向机器人添加更多智能。 请记住，强化学习中的一项策略只是一个函数，该函数以智能体所处的状态为输入，并输出智能体接下来应采取的行动，以实现值最大化或长期回报。 无论如何，这将是一条充满兴奋的绝妙之路，当然还要有艰苦的工作，而您从本书中学到的技能就像您的智能手机一样，随时可以为您服务，并准备好将使您的甜蜜而聪明的小设备变得更加甜蜜和智能。
5.8K10编辑于 2023-04-24 - 来自专栏华章科技
干货 ：数据挖掘中易犯的11大错误
11大易犯错误——Elder博士 0. 缺乏数据（Lack Data） 1. 太关注训练（Focus on Training） 2. 认真、仔细、有条理是数据挖掘人员的基本要求。 预报（Forecast）示例：预报芝加哥银行在某天的利率，使用神经网络建模，模型的准确率达到95%。但在模型中却使用了该天的利率作为输入变量。
29220发布于 2018-08-13 - 来自专栏给永远比拿愉快
C++11智能指针
C++智能指针是在<memory> 标头文件中的 std 命名空间中定义的。 C++11中主要有两种类型的智能指针： (1) shared_ptr代表的是“共享所有权”（shared ownership）的指针。 foreach是C++11的新特性，貌似Visual Studio2010中是不支持的，但是2013中是支持的： // print all elements for (vector<shared_ptr ，但是需要记住智能指针不能使用delete关键字显示释放空间。 但是我们可以在智能指针的构造函数中自定义我们释放空间时要做的操作。
1K20发布于 2019-01-22 - 来自专栏基础知识文章
C++11智能指针
如智能指针等。2、事后查错型。如泄漏检测工具。 上边的SmartPtr还不能将其称为智能指针，因为它还不具有指针的行为。 只声明不实现+声明成私有 UniquePtr(UniquePtr<T> const &); UniquePtr & operator=(UniquePtr<T> const &); // C++11 UniquePtr & operator=(UniquePtr<T> const &) = delete; private: T * _ptr; }; 3.5 std::shared_ptr C++11 需要注意的是shared_ptr的线程安全分为两方面： 智能指针对象中引用计数是多个智能指针对象共享的，两个线程中智能指针的引用计数同时++或–，这个操作不是原子的，引用计数原来是1，++了两次，可能还是
72720发布于 2020-08-27 - 来自专栏从小白开始修炼
【C++11】智能指针
的智能指针，通过引用计数的方式解决智能指针的拷贝问题。 因此当智能指针管理的资源不是以new的方式申请到的内存空间时，就需要在构造智能指针对象时传入定制的删除器。 weak_ptr weak_ptr的使用 weak_ptr是C++11中引入的智能指针，weak_ptr不是用来管理资源的释放的，它主要是用来解决shared_ptr的循环引用问题的。 与boost中智能指针的关系 C++11和boost中智能指针的关系 C++98中产生了第一个智能指针auto_ptr。 C++11，引入了boost中的unique_ptr、shared_ptr和weak_ptr。
47040编辑于 2023-10-15 - 来自专栏PPV课数据科学社区
大数据挖掘中易犯的11大错误
按照Elder博士的总结，这11大易犯错误包括： 0.缺乏数据(LackData) 1.太关注训练(FocusonTraining) 2.只依赖一项技术(RelyonOneTechnique) 3.提错了问题 认真、仔细、有条理是数据挖掘人员的基本要求。 预报(Forecast)示例：预报芝加哥银行在某天的利率，使用神经网络建模，模型的准确率达到95%。但在模型中却使用了该天的利率作为输入变量。
71870发布于 2018-04-20 - 来自专栏PPV课数据科学社区
数据挖掘人工智能使教育定制化
自适应学习 这是从小学到大学整个教育体制的再造，McGraw-Hill教育正在开发数字课程，准备相关的课程资料，它从200万学生中收集信息，利用人工智能为每个学生创建自适应的学习体验。 DonorsChoose.org的数据科学家Vlad Dubovskiy说：“校长和管理人员可以对这些数据进行挖掘，及时了解学校教师的请求。” 是弗吉尼亚州高等教育委员会政策研究和数据仓库的负责人，他告诉我们：当大数据应用到教育领域时，“一切皆有可能”，作为弗吉尼亚州纵向数据系统（Longitudinal Data System）的一部分，委员会目前正在挖掘所有公共和非营利大学的学生数据
88350发布于 2018-04-18 - 来自专栏灯塔大数据
必看 ：大数据挖掘中易犯的11大错误
认真、仔细、有条理是数据挖掘人员的基本要求。 预报(Forecast)示例：预报芝加哥银行在某天的利率，使用神经网络建模，模型的准确率达到95%。但在模型中却使用了该天的利率作为输入变量。
67370发布于 2018-04-09
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