- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据科学（冷冻工厂）
ATAC-seq分析：数据质控（6）
由于这可能会占用大量内存，因此我只是在一个 BAM 文件中对其进行说明，该文件仅包含 ATACseq 数据的 17 号染色体读数。
81730编辑于 2023-01-27 - 来自专栏数据科学（冷冻工厂）
ATAC-seq分析：数据质控（6）
由于这可能会占用大量内存，因此我只是在一个 BAM 文件中对其进行说明，该文件仅包含 ATACseq 数据的 17 号染色体读数。
56120编辑于 2023-02-27 - 来自专栏码农知识点
zookeeper源码分析(6)-数据和存储
在Zookeeper中，数据存储分为两部分：内存数据存储和磁盘数据存储。本文主要分析服务器启动时内存数据库的初始化过程和主从服务器数据同步的过程。在此之前介绍一些数据存储涉及的基本类。 preAllocSize,默认为64MB,并将未写入部分填充0，好处是避免开辟新的磁盘块，减少磁盘Seek 3.事务序列化 分别对事物头(TxnHeader)和事务体(Record)序列化，参考zookeeper源码分析 服务器启动期间的数据初始化 就是磁盘中最新快照文件（全量数据）和它之后的事务日志数据（增量数据）的反序列化到内存数据库中的过程，流程图为： ? 5.应用事务 在循环过程中处理事务日志processTransaction,也就是根据事务日志类型不断的更新sessions 和DataTree中的数据内容 6.回调事务 回调listener.onTxnLoaded 由zookeeper源码分析(4)-选举流程和服务器启动处理可知，当LearnerHandler接收到Learner服务器的ACKEPOCH消息后会开始进行主从同步 Leader数据同步发送过程 LearnerHandler.run
2.1K10发布于 2020-06-22 - 来自专栏可以叫我才哥
数据分析原理：6步解决业务分析难题
读书交流│7期 数据分析原理 6步解决业务分析难题 data analysis ●●●● 分享人：夏宇 大家好，这里是小飞象·数据领地·读书会第7期完结直播总结分享，本次直播的目的有两个，一是我们第 但是，我们学会了很多数据分析工具和技能，依然做不好数据分析。遇到业务问题时，常常觉得无从下手。如： ▶如何理清业务分析思路？如何成为业务的专家？ ▶如何获取行业的数据？ ▶如何写出优秀的数据分析报告等~~ ······· 所以本期，小飞象·数据领地·读书会的直播总结，就来跟大家一起来品读《数据分析原理》：6步解决业务分析难题，系统地介绍了数据如何始于业务、取于业务、 —▼— 本书一共分为6个章节，算是深入浅出，相对体系化的介绍了数据分析全过程：从数据指标体系到分析目标拆解，再从数据获取与预处理到六大业务分析模块案例介绍，最后是分析结论的组织与验证并告诉我们如何对分析结论进行展示与汇报 并且，在全面数据分析的时代，数据分析，也不再局限于数据分析师，也是对企业的全员提出了更高的能力要求，是每个职场人必备的技能与思维。
90111编辑于 2023-08-28 - 来自专栏锦小年的博客
Python数据分析(6)-numpy广播机制
import numpy as np a = np.arange(16) a.shape=(4,4) print('a 数据为：',a) b = np.array([1,2,3,4]) print(' b 数组为：',b) print('a+b 的结果是：',a+b) 输出结果： a 数据为： [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 np.array([1,2,3,4]) print('b 数组为：',b) print('a*b 的结果是：',a*b) 输出： a 数据为： [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15]] b 数组为： [1 2 3 4] a*b 的结果是： [[ 0 2 6 12] [ 4 10 18 28] [ 8 18 30 在操作的过程中，先把小维度的数据变为大维度数组的维度，图中将b的第一行复制4次组成与a一样的大小再操作。
83830发布于 2019-05-26 - 来自专栏知了一笑
数据分析 | 基于智能标签，精准管理数据
帮助产品快速定位需求人群，进行精准营销； 能帮助客户更快切入到市场周期中； 深入的预测分析客户并作出及时反应； 基于标签的开发智能推荐系统； 基于某类用户的分析，洞察行业特征； 标签的核心价值，或者说最常用的场景 拟合标签 拟合类的标签最具有复杂性，通过用户上述几种标签，智能组合分析，给的预测值，例如：未婚、浏览相关婚礼内容，通过分析预测用户将要举办婚礼，得到一个拟合结果：预测将要结婚。 不管是数据智能，深度学习，算法等都是建立在海量数据的基础条件上，这样才能获取具有价值的分析结果。 大数据时代就是这么令人感觉智能和窒息。 标签业务 数据走了一大圈转换成标签，自然还是要回归到业务层面，通过对标签数据的用户的分析，可以进行精准营销，和智能推荐等相关操作，电商应用中可以提高成交量，信息流中可以更好的吸引用户。
2.2K20发布于 2020-06-04 数据智能分析工具的主流评测与深度分析
在当今快速变化的商业环境中，企业对于数据分析的需求日益增长。随着技术的进步，商业智能（BI）工具不断涌现，帮助企业从海量数据中提取有价值的信息，支持决策制定。 自助分析 用户可以通过简单的拖拽操作完成复杂的报表开发，实现自助式数据分析。 数据简报 腾讯云BI的简报模块是其特色功能之一，支持工作汇报和数据展示，是企业内部沟通和对外宣传的得力助手。 智能助手ChatBI 基于大模型的智能分析Agent，通过自然语言对话实现数据分析，降低数据分析门槛，提升效率。 洞察分析智能体 提供数据解读、波动归因、业务优化建议等能力，帮助企业洞察业务趋势。 波动归因分析 帮助企业分析数据波动的原因，为决策提供科学依据。 智能分析Agent ChatBI作为智能分析Agent，支持接入混元、DeepSeek等主流模型，提供深度数据分析。 总结 在众多BI工具中，腾讯云BI以其全面的数据处理能力、强大的可视化功能和智能助手ChatBI的特色功能脱颖而出。它不仅能够满足企业内部的数据分析需求，还能支持企业对外的数据展示和沟通。
47710编辑于 2025-07-28- 来自专栏绿盟科技研究通讯
智能威胁分析之图数据构建
数据从来都是AI可用性的基础，典型的“感知-认知-行动”智能应用模式的作用对象也是数据。那么构建更加自动化、更智能的威胁分析能力，我们应该收集和分析哪些数据，又如何组织这些数据呢？ 不过，获取数据不是智能威胁分析技术本身的关注重点，如何组织并使用数据才是核心问题。 ? 网络安全数据结构中蕴含的图基因，不仅仅是数据可视化的基础，更是用以对抗网络空间威胁的安全智能构建的基础。那么，智能威胁分析能力的构建需要那些数据图的支撑呢？ 三、构建智能威胁分析能力的关键数据图 ? 4知识数据图 ? 图6 ATT&CK要素关系图[4] 知识与情报在不同的情景内常常出现概念的交叉。 本文从实践经验出发，基于对网络安全数据分析中常用数据源的再分类，提出了构建智能安全平台的图模型所需的环境、行为、情报、知识四张关键数据图，以支撑“智能化”安全研究工作的进一步开展。
1.9K10发布于 2019-12-11 - 来自专栏单细胞天地
OSCA单细胞数据分析笔记6—Normalization
http://bioconductor.org/books/release/OSCA/overview.html 标准化是在剔除不合格细胞之后，尽可能消除细胞文库间大小的差异性，从而得到准确、有意义的分析结果 无论是例2，还是例3，在经过标准化之后的差异分析结果就是基因1真实相对上调；基因2-99表面相对下调，其实本质为non-DEG。 (3) 从对之后的分析影响来看，作者认为composition bias对于单细胞之后的聚类分群、Top marker gene结影响不会很大。但如果想进行单基因水平的分析，还是最好消除这种误差。 (4) 如何最大化避免composition bias 对于传统的Bulk RNA-seq数据，DESeq2包的estimateSizeFactorsFromMatrix()函数、edgeR包的calcNormFactors
1.8K41发布于 2021-04-29 - 来自专栏华章科技
数据分析不能碰的6大禁区
没有明确分析数据的目的 要分析一个数据，首先要明确自己的目的，为什么要收集和分析这样一份数据。只有明确了目的之后，才能够把握好接下来应该收集哪些数据，应该怎么收集数据，应该分析哪些数据等。 没有合理安排时间 数据分析也要合理安排时间，一般有几个步骤，收集数据、整理数据、分析数据、美化表格。在做这些之前，要预估每一个步骤需要花多少时间，哪一步比较重要，需要花更多的时间等。 重收集、轻分析 例如，做任务的时间为3个星期，却用了两个多星期来收集数据，最后基本没有时间去分析，紧赶慢赶最后交上来一份没有怎么分析的数据。 数据分析重点应该在于分析，应该以最快的速度收集完数据，才有更多的时间整理和分析，最后经过分析的数据才是最有价值的。 不懂得分析哪些数据 这是比较普遍的问题，收集了数据后不知道要分析哪些项目，哪些数据点才能体现出分析的目的。
36430发布于 2018-08-13 - 来自专栏CDA数据分析师
数据分析不能碰的6大禁区!
1 没有明确分析数据的 要分析一个数据，首先要明确自己的目的，为什么要收集和分析这样一份数据。只有明确了目的之后，才能够把握好接下来应该收集哪些数据，应该怎么收集数据，应该分析哪些数据等。 3 重收集、轻分析 例如，做任务的时间为3个星期，却用了两个多星期来收集数据，最后基本没有时间去分析，紧赶慢赶最后交上来一份没有怎么分析的数据。 数据分析重点应该在于分析，应该以最快的速度收集完数据，才有更多的时间整理和分析，最后经过分析的数据才是最有价值的。 5 不懂得分析哪些数据 这是比较普遍的问题，收集了数据后不知道要分析哪些项目，哪些数据点才能体现出分析的目的。 6 表格不美观，不清晰 做数据分析一般使用的是excel表格记录，一份美观清晰的表格不仅使我们可以清楚的看到这份数据的重点，方便查到所想要的数据。在收集数据的过程中，也可以提高收集和分析数据的效率。
71460发布于 2018-02-11 - 来自专栏马一特
数据分析与数据挖掘 - 03智能对话
一 数据分析与自然语言处理 我们在处理很多数据分析任务时，不可避免地涉及到与文本内容相关的知识，这是属于文本挖掘（text mining）的内容，显然是NLP技术的范畴，基于这样的考虑我们先来对自然语言处理有一个基本的认识 二 自然语言处理 如果一台计算机能够欺骗人类，让人相信它是人类，那么该计算机就应当被认为是智能的。（阿兰.图灵) 机器能像我们人类一样理解文本吗？这是大家对人工智能最初的幻想。 如今，它已成为人工智能的核心领域——自然语言处理（简称：NLP）。 自然语言处理是一门融语言学、计算机科学、人工智能于一体的科学，人们把自然语言处理认为是人工智能的皇冠，它解决的是“让机器可以理解自然语言”——这一到目前为止都还只是人类独有的特权，因此，自然语言理解（NLU ）被誉为人工智能皇冠上的明珠。
95520发布于 2020-09-08 玩转 OCR|智能Excel数据分析助手
项目背景 项目地址：Excel智能分析助手: 本项目旨在构建一个智能化的Excel数据分析助手，通过结合OCR技术和自然语言处理，实现从图片到数据分析的端到端解决方案。 解决方式 本项目旨在构建一个智能化的Excel数据分析助手，通过结合OCR技术和自然语言处理，实现从图片到数据分析的端到端解决方案。 通过腾讯云的OCR技术，将图片中的数据转化为可分析的数字资产。 数据输入模块 Excel文件直接读取 图片OCR表格识别 数据预处理和清洗 2. 分析引擎模块 自动生成分析报告 智能对话分析 统计分析功能 可视化图表生成 3. 个人数据处理 - 成绩单分析 - 消费记录分析 - 个人财务分析 - 数据整理归档 结语 Excel智能分析助手通过结合OCR技术和自然语言处理，为用户提供了一个简单易用的数据分析工具。 无论是数据的导入转换，还是分析可视化，都能以智能化的方式完成，大大提高了数据分析的效率。
1.1K20编辑于 2025-01-12如何通过YashanDB实现数据的智能分析？
在当今数据驱动的世界中，各行各业都面临着如何有效地处理和分析大量数据的挑战。性能瓶颈、数据一致性问题以及快速响应的需求使得开发人员和数据库管理员必须利用更具智能化的解决方案来实现数据分析的优化。 YashanDB作为一款高性能数据库，尤其在智能数据分析方面具备强大的能力。 本文将深入探讨如何通过YashanDB的特性实现高效的数据智能分析，阐述核心技术点，并为需要应用该技术的开发人员和DBA提供实用的技术建议。核心技术点1. 开发者可以根据需要选择不同的接口，无论是使用传统SQL查询，还是编写存储过程来处理复杂的数据计算，这种灵活性为数据分析提供了更多的可能性。6. 结论YashanDB凭借其灵活的存储架构、多样的数据分析工具和高效的并发控制机制，有效地满足了现代企业在数据智能分析方面的需求。
14410编辑于 2025-10-13- 来自专栏代码编写世界
PandasAI连接LLM进行智能数据分析
引言 Pandas是一个数据分析开源组件库，提供了高性能、易用的数据结构和数据分析工具。 PandasAI则通过结合Pandas和生成式AI技术，使用户能够以自然语言与数据进行交互，从而简化数据分析流程。 它的核心目标是让数据分析变得更直观、高效，甚至无需编写复杂代码即可完成数据查询、清洗、可视化等任务。 2. 详述 Pandas进行数据分析的流程笔者不是很熟练，这里重点关注一个问题就是PandasAI如何连接现有的大模型比如DeepSeek来进行智能数据分析。 解决掉PandasAI 2.X的版本依赖问题之后，通过PandasAI连接DeepSeek进行智能数据分析的案例代码实现如下： import pandas as pd from pandasai import
48610编辑于 2025-07-28 - 来自专栏爱分析洞见文章
2022爱分析·数据智能应用实践报告
政策合规要求推动隐私计算平台快速渗透6. 属于业务端的数据分析时代来临7. 数据智能行业应用从监测、诊断性分析走向智能决策8. 展望1. 6. 案例6：精准高效数据分析实现业务与数据深度融合某知名互联网教育公司是我国最具影响力的综合性教育集团，拥有素质教育、国际教育、成人及职业教育、教育服务与支持、在线电商等多个业务板块。 安利智能营销产品创新系统的工作路径具体分为6个步骤：第一步，数据构建。 以上6个步骤实现智能营销产品创新系统的协助工作，为安利（中国）研发中心产品研发创新高效赋能。
1.3K30编辑于 2022-09-07 - 来自专栏爱分析洞见文章
2022爱分析· 数据智能厂商全景报告
研究范围定义研究范围数据智能是指以数据为生产要素，通过融合大规模数据处理、数据分析与挖掘、机器学习、可视化等多种大数据和人工智能技术，从数据中提炼、发掘具有揭示性和可操作性的信息，从而为企业提供数据驱动的分析与决策 厂商全景地图爱分析基于对甲方企业和典型厂商的调研以及桌面研究，遴选出在数据智能市场中具备成熟解决方案和落地能力的入选厂商。3.市场分析与厂商评估 爱分析对本次数据智能项目重点研究的特定市场分析如下。 首创“分析导图”技术，支持智能化的数据深度探索分析。 “斗象科技智能安全”以数据分析为基石，为企业提供安全数据智能与安全运营产品。 优秀的数据存储、数据计算及安全分析能力，为防范威胁攻击奠定基础。斗象科技为企业提供的安全计算分析产品，可全量存储全流量数据、网络文件、PCAP、邮件等6个月以上。
1.1K20编辑于 2022-09-23 如何通过YashanDB实现数据的智能分析
YashanDB作为一款创新的关系型数据库，融合多种先进架构和技术，支持从单机部署到共享集群的多种形态，致力于满足业务多样化场景下的数据智能分析需求。 这种多层次多维度的存储机制使YashanDB能够针对不同智能分析需求灵活选择合适的数据组织形式，提升数据访问效率和存储利用率。 这种灵活的部署模式保障了智能分析任务在不同规模环境中都能高效运行并保持数据一致性。 通过严谨的高可用设计，YashanDB能够保障智能分析系统下的关键数据的持续可用性和业务连续性。可扩展的安全体系保障数据合规性在智能分析场景中，数据安全与合规监管尤为重要。 持续关注YashanDB新技术特性的演进，对于保持数据库系统的竞争力及提升智能分析效率至关重要。
22810编辑于 2025-10-05- 来自专栏燧机科技-视频AI智能分析
智能视频分析系统的大数据应用
智能视频分析识别监管系统在安全管理中起着安全管家的功效，大幅提高了公司在生产安全管理里的安全指标。 AI视频个人行为分析系统借助视频优化算法分析视频具体内容，根据获取视频里的关键信息、标识，产生相对应的警报时间和警报监管方式，大家能通过各种各样的方式迅速收到异常信息。 AI依靠Cpu强劲的测算作用，视频个人行为分析系统快速分析视频界面里的海量信息，获得大家想要的违规警报信息内容。 销售市场上面有完善的智能视频分析算法，如智能施工现场安全帽配戴监管、车辆识别、车系统计分析、烟火鉴别、攀登、彷徨、工作人员辞职等标准。 比如，面部识别系统，根据创建面部捕获数据库系统，面部信息内容存档，与个人信息建立关系，在实际应用情况下佩戴安全帽，避免外界工作人员侵入、车辆识别、实体模型记数统计分析等智能分析技术，进一步提高现场安全系数
90220编辑于 2022-09-16 - 来自专栏简说基因
《基因大数据智能生产及分析》笔记
基因慧的行业报告整体上不错，这次《基因大数据智能生产及分析》也不例外，一口气读完，感受是智能化是行业趋势，打工人的日子更难了。文章有点长，没时间看的话你可以拉到文后看我的一点感想。 2）随着基因数据量级剧增，生物信息分析环节除了常规分析挖掘手段，以人工智能等机器学习方法对百万级基因大数据进行数据挖掘，不但有前沿研究的必要性，而且具有巨大的市场化潜力。 人工智能技术的发展主要包括两个方面： 1）语音识别、图像识别、自然语言处理和生物识别等感知智能； 机器学习 / 深度学习、预测分析等认识智能。 深度学习在基因组学数据领域的应用仍处于初期阶段。 在临床、公共卫生等特定场景的生信分析需要的特有分析软件，需要在 NMPA 注册，如上述诺禾的 6 基因突变检测试剂盒配套软件。 2. 2）智能化 智能化主要体现在基因数据分析环节，通过整合各种生物信息分析流程所需的基础设施、分析软件和数据库，同时引进人工智能技术，实现自动化分析和智能决策系统。
2K10发布于 2020-11-19
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