- 综合排序
- 最热优先
- 最新优先
- 来自专栏Coding Is Fun
再次迁徙到 WordPress
再次迁徙到 WordPress 经历了几个月的时间，我也从业余选手变成了即将退役的业余选手，又决定将博客换成由 Wordpress 强力驱动的卡慢博客了。 得益于 ByeTyp 插件的帮助，内容无痛迁徙。 旧的博客依然在旧的虚拟主机上跑着，而本站目前运行在一年不超过十刀的垃圾 vps 上，希望体验不会太差。 旧的虚拟主机已经过期了。
63010编辑于 2022-09-23 - 来自专栏服务端技术杂谈
：UBER数据大迁徙
想象一下如果你必须在几个星期内迁移数以亿计的数据和100多个服务项目，同时还要保持UBER被几百万的乘客正常使用，这是多么艰巨的任务啊！而以下这个故事就是关于数十名工程师是如何帮助UBER在2014年迁移到Mezzanine的故事。 在2014年年初，我们面临了一个严峻的现实问题，关于我们的路径的增长（一个月约增长了20％），所以在年底之前用于存储路径的存储容量将会不够用。我们因此推出Mezzanine项目这一盛举来解决这个特别的问题。数据大迁移的日期定为万圣节（10月31日），而这恰是交通量会非常高的一天
2.8K70发布于 2018-04-16 - 来自专栏PPV课数据科学社区
大数据视角下的春运迁徙图 来看看你的城市的迁徙半径
今年春节期间，百度做了一个可视化很高的专题【百度迁徙】，讲春运期间各地区的人口迁徙情况。动态图，图很漂亮，也很直观。 前两天我在微博分享了9张主要地区的迁徙图，反响热烈，有的认为象玫瑰，有的是莲花，还有牡丹。于是决定整理全国34个省会城市的迁徙图。来看看你所在的地区的迁徙路线是什么“花”。 每个地区4张图，第一张是大年三十晚8：00的迁徙图，此时还在路上奔波的人一定是归心似箭一族；第二张是初一早上10:00的迁徙图，初一大早就忙什么呢？ 迁徙半径远小于上海和北京。最后一张象蝴蝶吗？ 4、重庆 重庆：这四张图都能发现北京、上海、广州、深圳都是迁徙的重点，并且都是成对出现，如上海迁入和迁出并存。 7、沈阳 沈阳人就不爱去三亚，就喜欢在东北和京津转悠。深圳？那也只是初四才去转悠转悠。不过广州、深圳人民到时很喜欢沈阳。最后两张图有点像带长长根须的莲花。
3.3K40发布于 2018-04-20 - 来自专栏木溪知识加油站
从Eclipse项目迁徙至AndroidStudio
下面分享一段Eclipse项目迁徙至Android Studio过程，如下以"ppt"形式展出： ? 01 ? 02 ? 1 ? 2 ? 3 ? 4 ? 5 ? 6 ? 7 ? 8 ? 9 ?
61720发布于 2019-08-09 - 来自专栏CDA数据分析师
Excel制作中国迁徙数据地图
2014年春节，百度发布了基于大数据的可视化产品春运迁徙地图（http://qianxi.baidu.com/），在中国地图上直观地看到各城市间的人流迁徙，经央视报道使用，一时惊艳。 这种炫酷的迁徙地图可视化形式，直观又形象，科技感十足，赢得哇声一片。 ? Excel能做这种地图吗？当然不能，一个普通的办公软件和一个最新的大数据可视化产品是无法相比的。 在这个工作表里，我们对指标名称做透视表，插入切片器做选择器， P7为当前所选指标。 z1、z2的数据引用要同时考虑所选省和所选指标，使用到index、vlookup、match等函数。 还可把射线按数值大小设置为不同的粗细来可视化数值。以上都需要用到vba，有兴趣的读者可继续。 ，推荐2：大数据可视化工具tableau。
5.6K100发布于 2018-02-23 - 来自专栏用户10004205的专栏
使用贝塞尔曲线制作迁徙图
SK.Framework; public class Foo : MonoBehaviour { private void Start() { //通过起点(0,0,0)、控制点(0,7,5 )、终点(0,0,10)生成贝塞尔曲线各点 Vector3[] points = new Vector3(0f, 7f, 5f).GenerateBeizer(Vector3.zero,
52710编辑于 2022-08-29 - 来自专栏网络爬虫
通过人口迁徙观察城市发展
由于人口的迁徙会对个城市的发展产生重大的影响，因此建议小伙伴们在就业、安家进行选择的时候，密切关注全国重点区域、重点城市的人口变化情况，综合趋势分析做好规划。
36910发布于 2021-08-11 - 来自专栏向治洪
抢滩数字时代，2023年人才迁徙报告
脉脉人才智库发布《抢滩数字时代·人才迁徙报告2023》，通过平台大数据分析，盘点2022年最受关注的人才趋势，为人才求职和招聘提供前沿洞察。
64430编辑于 2023-07-24 - 来自专栏大数据文摘
【深度】另类视角看百度迁徙图
大数据还告诉了我们什么，首先是最热线路排行榜，截止到今天晚上7点，8小时内排在前三位的是上海到滁州，天津到德州，还有成都到北京，一个非常有意思的发现是，成都往返北京的线路已经连续占据热门线路的前十名，昨天甚至排名第一位 如果要说明“逆向迁徙正在改变着今年的春运"，至少应该拿些数据说话，到底今年春运这段时间有多少人“逆向”，有多少老人“逆向”？而不是仅凭火车站一线人员的某些“特别”发现。 而且，“逆向迁徙”这词可不是今年才开始用，搜搜百度“春运 逆向迁徙”，满眼都是去年春运的文章！所以建议，新闻应该严谨的要传达准确含义，应多做功课，不能只做“新”而不用“心”！ 百度迁徙确实做了一些东西，海量数据的小时级处理，一定的可视化技术。但无论从项目思想、还是可视化的主体而言，都不是什么创新的东西，类似的、雷同的东西，相信从业者几年前就见过。 什么时候回，怎么中转，怎么抢到票，怎么避开中途可能的异常情况，甚至配套的黄牛识别问题，这些都是和大数据息息相关的，怎样采集更广泛的外部数据，怎样构建模型发挥大数据的分析及预测价值，怎么通过大数据产品的可视化技术连接用户
1.2K60发布于 2018-05-18 - 来自专栏Tz一号
Echarts大数据可视化物流航向省份流向迁徙动态图，开发全解+完美参数注释
; option = { backgroundColor: '#404a59', // 地图背景颜色 title: { text: '迁徙图
3.7K10发布于 2020-09-10 - 来自专栏大数据文摘
百度迁徙用到了哪些技术？
作者：承哲 作者公众号：shouxifayanzhe 作者微博：http://weibo.com/intper 摘自：虎嗅 最近一朋友问我百度迁徙图到底是怎么弄出来的？ 百度迁徙的数据从哪里来？ 好了，现在再谈最后一个问题了，有了这样的技术后，百度迁徙的数据从哪里来。 数据来源一：地图用户。 最后，百度用这些定位数据的变化在春节期间做出了很diao的“百度迁徙”。 结语 百度迁徙图非常有意思，我们看到的是一个最后呈现的完整数据图，但是在这背后确有十分复杂的高精尖技术做支撑，远比我们想象中的复杂。 同时我们也看到地理定位技术最先发源于军事，最后又由于移动时代的商业发展诉求得到了更为深入的发展，所以顺着这次百度迁徙我们也再次看到了驱动技术发展的本质—恐惧与欲望。
70070发布于 2018-05-23 - 来自专栏Qt项目实战
Qt编写地图综合应用2-迁徙图
一、前言 在很多web系统中，尤其是大屏系统中，经常可以看到类似于飞机迁徙图的效果，这个在echart中也是最常用的一个效果，迁徙图既可以是一个飞机也可以是其他形状，然后有一条动态的移动轨迹来表示流向， 一般都是多个点流向一个点，也可以做成一个点流向多个点，是个多对多的关系，常用来表示人口迁徙、动物迁徙、黑客攻击、病毒攻击、数据流向、产品流向等。 迁徙图和上一篇的闪烁点图类似，也需要提供三个基本要素：城市名称集合、城市经纬度集合、中心点城市经纬度，至于城市点的颜色和迁徙流向箭头的颜色，都可以单独设置，echart对每个类对象都竭尽全力的提供了各种各样的属性 二、功能特点 同时支持闪烁点图、迁徙图、区域地图、仪表盘等。 可以设置标题、提示信息、背景颜色、文字颜色、线条颜色、区域颜色等各种颜色。 可设置城市的名称、值、经纬度 集合。
1K00发布于 2020-04-05 - 来自专栏杨熹的专栏
TensorFlow-7-TensorBoard Embedding可视化
学习资料 https://www.tensorflow.org/get_started/summaries_and_tensorboard 今天来看 TensorBoard 的一个内置的可视化工具 Embedding Projector, 是个交互式的可视化，可用来分析诸如 embeddings 的高维数据。 主要就是通过3步来实现这个可视化: Setup a 2D tensor that holds your embedding(s). embedding_var = tf.Variable(....) 建立 embedding projectorc： 这一步很重要，要指定想要可视化的 variable，metadata 文件的位置 config = projector.ProjectorConfig ) plt.imsave(path_for_mnist_sprites,sprite_image,cmap='gray') plt.imshow(sprite_image,cmap='gray') 7.
1.9K90发布于 2018-04-03 - 来自专栏PPV课数据科学社区
【Excel控】高手教你用Excel制作百度迁徙数据地图
2014年春节，百度发布了基于大数据的可视化产品春运迁徙地图（http://qianxi.baidu.com/），在中国地图上直观地看到各城市间的人流迁徙，经央视报道使用，一时惊艳。 这种炫酷的迁徙地图可视化形式，直观又形象，科技感十足，赢得哇声一片。 ? Excel能做这种地图吗？当然不能，一个普通的办公软件和一个最新的大数据可视化产品是无法相比的。 在这个工作表里，我们对指标名称做透视表，插入切片器做选择器， P7为当前所选指标。 z1、z2的数据引用要同时考虑所选省和所选指标，使用到index、vlookup、match等函数。 还可把射线按数值大小设置为不同的粗细来可视化数值。以上都需要用到vba，有兴趣的读者可继续。 ，推荐2：大数据可视化工具tableau。
2.9K40发布于 2018-04-19 - 来自专栏CSDN技术头条
数据可视化的7个好处
译者注：大量研究结果表明人类通过图形获取信息的速度比通过阅读文字获取信息的速度要快很多，那么将数字以可视化的形式展示出来还有其它什么好处，本文详细列举了7种优势。以下为译文。 数据可视化是指以饼状图等图形的方式展示数据。这帮助用户能够更快地识别模式。交互式可视化能够让决策者深入了解细节层次。这种展示方式的改变使得用户可以查看分析背后的事实。 5.与数据交互 数据可视化的主要好处是它及时带来了风险变化。但与静态图表不同，交互式数据可视化鼓励用户探索甚至操纵数据，以发现其他因素。这就为使用分析提供了更好的意见。 例如，大型数据可视化工具可以向船只制造商展示其大型工艺的销售下降。这可能是由于一系列原因造成的。 大数据可视化工具提供了一种更有效的使用操作型数据的方法。对于更大多数的商业领袖来说，实时性能和市场指标的变化更容易识别和应对。 7.机器学习：来吧，来吧 围绕机器学习的所有炒作都快将变成现实了。
3.4K81发布于 2018-02-13 - 来自专栏优雅R
「R」数据可视化7 : 蜜蜂图
在生物信息领域我们常常使用R语言对数据可视化。在对数据可视化的时候，我们需要明确想要展示的信息，从而选择最为合适的图突出该信息。本系列文章将介绍多种基于不同R包的作图方法，希望能够帮助到各位读者。
1.9K20发布于 2020-07-02 - 来自专栏PPV课数据科学社区
百度迁徙--带您看春运大数据
一张图，尽显中国春运迁徙实景。 这张图，显现中国当下民生现状。 百度迁徙，是目前最接地气的大数据。 在百度上有11,900,000个搜索，而在微博上有找到 138556 条结果，在微信朋友圈里，百度迁徙也是大家讨论的热点。大数据这个词并不多少见，但是为何百度迁徙受到如此大的关注呢？ 从百度迁徙中，可以看到很多动态的迁徙状况。 据央视提供的数据，30多年来，中国的春运大军从1亿多人次到36亿人次。 最根本的是，百度让人们了解到大数据是一个公共资源，在2013年百度世界大会上，百度发布了7大武器，其中一个就是提供LBS大数据服务，殊不知，滴滴打车、快的打车、墨迹天气等等知名应用约有几十万个APP都在使用百度 我认为，百度迁徙只不过是借助春运、回家过年这种当口发布的，百度内部还有更加“独家”的大数据分析，而不仅仅只是迁徙，坐等进一步发布。
1.5K40发布于 2018-04-18 - 来自专栏啄木鸟软件测试
机器学习测试笔记（7）——可视化
sns.distplot(a,bins=None, hist=True, kde=True, rug=False, fit=None, hist_kws=None,kde_kws=None, rug_kws=None, fit_kws=None, color=None, vertical=False,norm_hist=False, axlabel=None, label=None, ax=None)
48710发布于 2021-01-04 - 来自专栏GPUS开发者
利用NVIDIA迁徙学习工具包加速智能视频分析
他们可以在迁徙学习工具包(Transfer Learning Toolkit)的帮助下对模型进行增量式的再训练，以进行对象检测和图像分类用例。 迁徙学习工具包提供多GPU支持；您的应用程序可以部署在数据中心的GPU加速平台上、云平台、或本地工作站上，以便进一步与NVIDIA DeepStreamSDK 3.0插件一起使用。 图1的流程图显示了NVIDIA如何为经过预训练的模型启用逐步迁徙学习，并为IVA应用程序开发人员提供了端到端的深度学习工作流。 提供迁徙工具以帮助用户准备输入数据。 ? (图1:使用迁移学习工具包的工作流) 对于计算机视觉使用的例子，模型的内存占用需要是紧凑的。 9个图像分类和检测模型预先打包在迁徙学习工具包中，其中包括在公共可用数据集上经过训练的网络。对象检测模型采用NVIDIA开发的检测技术。
1.2K20发布于 2018-12-25 - 来自专栏华章科技
大数据迁徙图：逃离北上广，他们竟然去了这里！
艾普大数据对“逃离北上广深人群”采用了如下定义：从北京、上海、广州、深圳离开后，迁徙至省会城市或热点二线城市，并在该城市驻留超过两个月的人群。 从北上广深人群迁徙图和北上广深人群流入城市TOP10图可看出，逃离一线城市的人群，主要流向了重庆、杭州、成都、厦门、苏州等地。 ? 图1-北上广深人群迁徙图 ? 图2-北上广深人群流入城市TOP10 | 重庆成最受青睐城市 除了反映从北上广深逃离人群整体流向的迁徙图外，艾普大数据还针对北京、上海、广州、深圳四大城市，分别研究了其逃离人群流向城市的分布情况。 图7-人口流入TOP10城市人口来源和弦图 从图3-图7可以看出，在流入城市中，重庆对北上广深流出人口均具有较高的吸引力，流入总量占比最高，成为最受逃离人群青睐的城市，其次为杭州、成都、厦门、苏州、南宁 图8-人口流入TOP10城市及北上广深拥堵指数、平均通勤时间、人均消费对比 图7清晰地反映出，在人口流入TOP10城市，除了房价低、工作机会较多以外，还拥有城市拥堵指数低、通勤时间较短或消费水平相对低等优势
78230发布于 2018-08-16
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