- 综合排序
- 最热优先
- 最新优先
- 来自专栏CNCF
案例研究：NAIC
案例研究：NAIC 由Kubernetes支持的文化和技术转型 公司：NAIC 地点：华盛顿 行业：监管 “我们的文化和技术转型是我们的最高领导人采取的战略。
61020发布于 2019-12-05 - 来自专栏CNCF
案例研究：Workiva
案例研究：Workiva 使用OpenTracing帮助查明瓶颈 公司：Workiva 地点：艾姆斯，爱荷华州 行业：企业软件 “通过OpenTracing，我的团队能够查看跟踪而向其他团队提出优化建议
1.2K20发布于 2019-12-04 - 来自专栏CNCF
案例研究：Pinterest
案例研究：Pinterest 过去、现在和未来稳固在云原生上 公司：Pinterest 地点：加利福尼亚州旧金山 行业：网站和移动应用程序 挑战： 经过八年的发展，Pinterest已经成长成为1,000
68720发布于 2019-12-05 - 来自专栏CNCF
案例研究：Sling TV
案例研究：Sling TV Sling TV：结合Kubernetes和AI实现适当的网络规模 公司：Sling TV 地点：恩格尔伍德，科罗拉多州 行业：串流电视 “我现在几乎可以大胆地说，如果没有云原生模式和
1.4K20发布于 2019-12-05 - 来自专栏CNCF
案例研究：Square Cash App
这个项目还是一个相对较新的项目，但在Tirsen开始深入研究代码之后，他意识到它将适用于Cash App。
1.2K10发布于 2019-12-04 - 来自专栏java一日一条
Android性能优化案例研究(上)
于是我利用我每天工作中所使用的工具和方法对此稍加研究，很快发现了Falcon Pro不能达到其应有性能的一些原因。 ? 我强烈推荐你“能够”去下载这款有待研究的应用。不幸的是，Falcon Pro是一款付费应用，我因此只能提供一些文件的链接以便你能对照我的分析。 我强烈推荐你“能够”去下载这款有待研究的应用。不幸的是，Falcon Pro是一款付费应用，我因此只能提供一些文件的链接以便你能对照我的分析。 ? 进一步研究 我们收集的数据显示这个应用有时绘图时间过长，但盖棺定论还为时过早。帧率也会被未调度的帧或者错过调度的帧的影响。
2K10发布于 2018-09-18 - 来自专栏Yangsh888的专栏
案例研究：声东击西的定向入侵
近年来，随着防御手段的多样化，专业组织根据攻击目标的具体环境发动混合攻击的事件频发。
76470编辑于 2022-03-08 - 来自专栏媒矿工厂
案例研究：Dropbox HQ ST 2110
本文来自IP Oktoberfest的演讲，演讲者是David Carroll Associates的创始人David Carroll和云媒体网络架构师Kevin Gross，演讲主题是“案例研究：Dropbox David Carroll的整合公司完成了这个项目，并与Wes Simpson和Kevin Gros一起讨论了这个案例研究。
97030发布于 2021-01-11 - 来自专栏Java知识点
SpringSecurity6 | HelloWorld入门案例
1.前言 大家好，我是Leo哥，第一节我们认识了SpringSecurity相关的概念以及相关的的历史，这一节我们就直接上手SpringSecurity，通过一个简单的案例的方式在我们的代码中集成SpringSecurity 2.开发环境 注意：此次SpringSecurity的项目案例的环境如下 JDK17 IntelliJ IDEA 2023.22 SpringSecurity6.0 MySQL8.0+ Maven3.8 3.环境搭建 在搭建我们第一个SpringSecurity的HelloWorld的案例之前，我们首先复习一下在IDEA中搭建一个基础的SprignBoot环境，我们的案例也是基于SpringBoot基础环境之上进行开发以及代码的编写 modelVersion>4.0.0</modelVersion> <groupId>org.javatop</groupId> <artifactId>Leo-springsecurity6- 可以看到，我们成功登录，并直接跳转到我们的hello接口，至此，我们的HelloWorld入门案例完结。
49910编辑于 2023-11-16 - 来自专栏Python小屋
Python花式编程案例集锦（6）
问题描述：输出“水仙花数”。所谓水仙花数是指1个3位的十进制数，其各位数字的立方和等于该数本身。例如：153是水仙花数，因为153 = 1^3 + 5^3 + 3^3 。 #参考代码一，运算符 for num in range(100, 1000): bai = num // 100 shi = num % 100 // 10 ge = num % 10 if ge**3 + shi**3 + bai**3 == num: print(num) #参考代码二，内置函数 for num in ra
74480发布于 2018-04-16 - 来自专栏Java知识点
SpringSecurity6 | HelloWorld入门案例
1.前言 大家好，我是Leo哥，第一节我们认识了SpringSecurity相关的概念以及相关的的历史，这一节我们就直接上手SpringSecurity，通过一个简单的案例的方式在我们的代码中集成SpringSecurity 2.开发环境 注意：此次SpringSecurity的项目案例的环境如下 JDK17 IntelliJ IDEA 2023.22 SpringSecurity6.0 MySQL8.0+ Maven3.8 3.环境搭建 在搭建我们第一个SpringSecurity的HelloWorld的案例之前，我们首先复习一下在IDEA中搭建一个基础的SprignBoot环境，我们的案例也是基于SpringBoot基础环境之上进行开发以及代码的编写 modelVersion>4.0.0</modelVersion> <groupId>org.javatop</groupId> <artifactId>Leo-springsecurity6- 可以看到，我们成功登录，并直接跳转到我们的hello接口，至此，我们的HelloWorld入门案例完结。
54620编辑于 2023-11-16 - 来自专栏CNCF
CNCF案例研究：中国联通
中国联通是中国三大电信运营商之一，为了服务其3亿用户，该公司自2016年以来使用Docker容器化和VMWare以及OpenStack基础设施运行多个数据中心，每个数据中心拥有数千台服务器。不幸的是，“资源利用率相对较低。”平台技术研发部门负责人Chengyu Zhang说，“我们没有云平台来容纳我们的数百个应用程序。”中国联通以前是一家完全国有的公司，近年来从BAT（百度、阿里巴巴、腾讯）和京东公司获得私人投资，目前正专注于使用开源技术而非商业产品的内部开发。因此，Chengyu的中国联通实验室团队开始寻找其云基础设施的开源协调。
1.1K10发布于 2019-12-04 - 来自专栏Jenkins
T-Mobile 和 Jenkins 案例研究
大多数人都知道 T-Mobile 是无线服务提供商。毕竟，我们拥有国际化的业务，并且是美国第三大移动运营商。但是我们还是一家技术公司，提供的新产品包括 TVision 家庭电视服务，T-Mobile Money 个人银行产品以及 SyncUp Drive 车辆监控和路边辅助设备。
79410发布于 2020-03-10 - 来自专栏Python 知识大全
Python 爬虫实战案例（推荐小白研究）
爬取csdn学院中的课程信息（编程语言的） 任务：爬取csdn学院中的课程信息（编程语言的） 网址：https://edu.csdn.net/courses/o280/p1 （第一页） https://edu.csdn.net/courses/o280/p2 （第二页） ① 创建项目 在命令行编写下面命令，创建项目demo scrapy startproject educsdn 项目目录结构： educsdn ├── educsdn │ ├── __init__.py │ ├── __
76610发布于 2020-02-13 - 来自专栏数据科学与人工智能
【算法】从头开始编写任何机器学习算法的6个步骤：感知器案例研究
我们在此过程中强调了6个步骤。 ? 有些算法比其他算法更复杂，所以从一些简单的算法开始，从一些非常简单的算法开始，比如单层感知器。 我将以感知器为例，带您经历以下6步过程，从头开始编写算法: 对算法有一个基本的了解 找到一些不同的学习来源 将算法分解成块 从一个简单的例子开始 使用可信的实现进行验证 写下你的过程 获得基本了解 这又回到了我最初所说的 使用不同的学习资源 在你对模型有了基本的了解之后，是时候开始你的研究了。 有些人用教科书学得更好，有些人用视频学得更好。 就我个人而言，我喜欢到处转转，使用各种各样的资源。 1# Activation Function 2z = 0.0 3if f > z: 4 yhat = 1. 5else: 6 yhat = 0. 7 8print yhat 正如预期的那样 2y_train = train[:, 3] 3 4x_test = test[:, 0:3] 5y_test = test[:, 3] 我选择了70%/30%作为训练集/测试集，只是为了这个示例，但我鼓励您研究其他方法
1.4K30发布于 2018-12-04 - 来自专栏数据科学人工智能
精品教学案例 | 金融交易反欺诈案例研究
查看本案例完整的数据、代码和报告请登录数据酷客（http://cookdata.cn）案例板块。 本案例适合作为大数据专业数据清洗或Pandas数据分析课程的配套教学案例。 ，本案例的研究有利于加深对金融诈骗问题的认识，对帮助金融监管部门打击金融诈骗也有积极的促进作用。 1.2研究难点 该领域对于普通的数据科学研究者来说的难题是，一直以来缺少金融服务尤其是移动金融支付领域的公开数据集。最主要的原因是金融交易具有很强的隐私性。 4.总结 本案例使用了基于真实数据生成的移动金融支付模拟数据集，然后通过数据清洗和数据描述性统计等方法研究了何时为金融诈骗交易高发时段、金融诈骗交易诈骗金额以及相对于正常金融交易金额的大小。 本案例研究发现，凌晨12点至早上7点是金融诈骗交易多发时段，因为此时用户防范意识最小；金融诈骗交易一旦得手，往往会全部转移走客户财产，造成巨额损失；金融诈骗交易平均金额相对于正常金融交易金额来说非常大，
1.9K20发布于 2020-05-09 - 来自专栏腾讯研究院的专栏
聚合盗链侵权案例研究报告
image.png 腾讯研究院版权研究中心 【导语】当前，我国网络视频产业正版化发展显著。 在用户规模方面，中国互联网络信息中心（CNNIC）第38次《中国互联网络发展状况统计报告》显示，截至2016年6月，我国网络视频用户规模达5.15亿，较2015年底增加1000万；其中，手机网络视频用户规模为 6、飞狐诉看看、幻电案 【案号】（2013）朝民初字第6662号 【摘要】原告拥有《断奶》的独占信息网络传播权。两被告在未经原告许可的情况下，通过其经营的网站“bilibili弹幕网”传播涉案作品。 策划人： 张钦坤 腾讯研究院秘书长 刘政操 腾讯研究院版权研究中心秘书长 执行人： 田小军 腾讯研究院版权研究中心副秘书长 撰写人： 曹建峰 腾讯研究院版权研究中心研究员 龚嘉璇 腾讯研究院版权研究中心助理研究员 如您对本报告有任何问题，请联系：xiaojuntian@tencent.com
3.9K90发布于 2018-02-02 - 来自专栏AI理论与前沿
使用AI进行需求分析的案例研究
在这个案例研究中，我们验证了这一假设，并解释了我们做了什么以及得出了哪些结论。方法确定范围和目标在选定该团队作为试点后，我们与他们举办了一次研讨会，确定哪些任务可以通过 AI 支持。 以下关于质量和速度的观察基于 AI 用户在该案例中的估计。对质量和团队流程的影响重申一下，假设的一部分是使用 AI 进行需求分析会缩短交付周期，减少返工，并减少因进一步澄清而被阻塞的故事。 结论与展望总之，这项案例研究表明，AI 能够在质量、速度和整体团队流程上带来好处。 在本案例研究之外，我们已经与客户一起探索了为 AI 提供代码库上下文的有趣而强大的方式，这使得用户能够在不需要理解或浏览代码的情况下提出问题。
2.4K00编辑于 2024-09-25 - 来自专栏MixLab科技+设计实验室
教学、研究、导师、面试#NotebookLM 的使用案例
1 / 研究剧情 来源：www.xda-developers.com/using-notebooklm-to-watch-a-show 作者使用 AI 驱动的研究助理 NotebookLM 来“观看”节目 这实际上意味着它只从你上传的文档中提取信息，这使得它对你的研究来说非常可靠。然而，当准备考试或尝试学习新知识时，有时会因为刚刚阅读的NotebookLM 的回复而产生新的问题。 有时，让它提供现实世界的例子、其他解释，甚至帮忙把这个想法与正在研究的其他主题联系起来。 ChatGPT 最新的学习模式也彻底改变了这一工作流程。 用法： 模拟面试：生成与JD匹配的深度回答（含具体案例）。 查漏补缺：对比JD提炼技能差距，提供经验映射建议。 —— 以上是NotebookLM的使用案例，欢迎留言分享你的使用心得/案例~~ ——
20410编辑于 2026-03-24 - 来自专栏Data Analysis & Viz
资源《机器学习基础：案例研究》by 华盛顿大学
不同于其他大佬们的更偏理论、算法原理、数学推导等的机器学习课程，本门课程以诸多案例的方式来介绍机器学习的一些知识，课程开始就会介绍到最后的终极任务（the Capstone Project）是实现基于图片和文本 在第一门课程——也就是本次分享的资源：《机器学习基础：案例研究》——里会先简单了下分类、回归、聚类、检索、推荐系统、深度学习等等知识，并用Graphlab库（类似pandas和scikit-learn） 以本课程《机器学习基础：案例研究》为例，其网址为：https://www.coursera.org/learn/ml-foundations 课程ID为：ml-foundations 在pip install 在第一门课简单的介绍了一些概念和案例后，后续还有三门更深入的课程，分别介绍：回归、分类、聚类和检索。课程目前正在开课中，可以在每门课的主页点击注册报名，选择“旁听”来免费学习。 ? ? ?
71110发布于 2018-08-21
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