- 综合排序
- 最热优先
- 最新优先
- 来自专栏大数据文摘
2016大数据发展7大趋势
因此，高级管理人员正在寻找其人力资源的确切数据，所以，2016年我们会看到人力资源分析将迈出一大步。 人力资源分析虽然是人事部门新的业务领域，但为了更好地提高人力资源的投资回报率，该业务增长极为迅速。 对于那些大的商业组织而言，大数据已经成为通用语言。在适应新趋势方面，政府是缓慢的，但是在2016年，我们会看到更多的国家、地区和地方政府会采用大数据技术来提高社会和公民的体验。 7.智能机器带来的雾分析（Fog Analytic s)起步 ? 雾计算正在迅速地获得大量动力。雾计算是指推进连接到物联网的终端设备和存储数据的云计算之间的存储、传输和计算。 原文链接：https://datafloq.com/read/7-big-data-trends-for-2016/1699? utm_source=Datafloq%20newsletter&utm_campaign=41776c079a-Datafloq_newsletter_12_7_2015&utm_medium=email
1.2K60发布于 2018-05-22 - 来自专栏华章科技
大数据7大最奇特应用
在客户体验与库存管理流程方面，大数据通常会发挥重要作用。下面盘点了7个最有趣、最独特的大数据应用，以及它们可能对我们的生活产生的影响。 1.大数据广告牌 户外营销公司Route正使用大数据在广告牌、长椅以及公交车两侧的广告空间上设定定价模式。 5.大数据天气预报 从手机到交通地图，很多应用长期以来就需要数据支持。名为WeatherSignal的应用可以利用Android手机中的传感器，提供实时的天气数据。 7.大数据胸罩 True&Co网站正利用大数据帮助女性寻找号码更合适的胸罩。统计数据显示，大多数女性都戴错了胸罩的号码，为此这家网站试图帮助解决这个问 题。 该公司的内部品牌甚至会基于用户的反馈和公司收集到的数据 开发和设计新式胸罩。 利用大数据的可能性是无穷无尽的，我们可能需要时间去寻找大数据的更多应用方式。你最近看到有趣或不同寻常的大数据项目吗?
94310发布于 2018-08-13 - 来自专栏数据分析师小熊
数据分析7大能力：梳理数据需求
顾名思义，数据需求，就是业务部门对数据分析产出的需求。有小伙会说：这还有需求呀，我们公司都是一通电话：“歪！给我个XX数据，快！”就完事了，根本不存在啥需求。 确实有这种无脑公司。 不过，这么无脑催数据的结果，就是返工。最常见的局面，就是你辛辛苦苦跑出来数，对面的一通质疑：“数据不对吧！”“为啥和我知道的不一样！”“你再给我个XX数据看看？”“加个字段吧！” Who：数据使用者 When：数据使用时间 Where：数据使用场合 Why：使用数据原因 What：具体数据格式 三、who：谁使用数据 包括： 申请人：部门，姓名 审批人：领导签名、邮件回复 加上审批人 ，可以在一大堆需求塞车的时候，按领导等级高低排序给数。 不主动问数据用在哪里，结果业务拿着数据乱捅一波，捅完了就说：“诶呀，我们又不懂，都是数据提供的你去问他”……数据自然百口莫辩，死无全尸……所以不要吝啬语言，问清楚！ 六、why：为什么需要数据。
1.3K21编辑于 2022-04-22 - 来自专栏技术博文
Java基础（7）-Java数据类型转换
java基础（7）-Java数据类型转换 1.数据类型转换 整型、实型（常量）、字符型数据可以混合运算。运算中，不同类型的数据先转化为同一类型，然后进行运算。 转换从低级到高级。 ： 运行结果： d:23.7 f:-45.89 a:23 b:-45 必须满足转换前的数据类型的位数要低于转换后的数据类型，例如: short数据类型的位数为16位，就可以自动转换位数为32的int类型 ，同样float数据类型的位数为32，可以自动转换为64位的double类型。 4.基本数据类型和包装类的转换 Java的包装类就是可以直接将简单类型的变量表示为一个类，Java共有8个包装类，分别是Boolean、Character、Byte、 Short、Integer、Long Java为每一个基本数据类型都引入了对应的包装类型（wrapper class），int的包装类就是Integer，从Java 5开始引入了自动装箱/拆箱机制，使得二者可以相互转换 原始类型 boolean
36610编辑于 2021-12-20 - 来自专栏云计算D1net
7大云计算数据仓库
云计算数据仓库通常包括一个或多个指向数据库集合的指针，在这些集合中收集生产数据。云计算数据仓库的第二个核心元素是某种形式的集成查询引擎，使用户能够搜索和分析数据。这有助于数据挖掘。 •BigQuery中的逻辑数据仓库功能使用户可以与其他数据源(包括数据库甚至电子表格)连接以分析数据。 关键价值/差异： •微软公司在2019年7月发布了Azure SQL数据仓库的主要更新，其中包括Gen2更新，提供了更多的SQL Server功能和高级安全选项。 •对于现有的SAP用户，与其他SAP应用程序的集成意味着可以更轻松地访问本地以及云计算数据集。 (7)Snowflake 对潜在买家的价值主张。 7个顶级云计算数据仓库对比图表 ? （来源：企业网D1Net）
7.5K30发布于 2019-09-26 - 来自专栏PPV课数据科学社区
大数据专家：大数据7大最奇特应用
在客户体验与库存管理流程方面，大数据通常会发挥重要作用。近来，我盘点了7个最有趣、最独特的大数据应用，以及它们可能对我们的生活产生的影响。 1.大数据广告牌 户外营销公司Route正使用大数据在广告牌、长椅以及公交车两侧的广告空间上设定定价模式。 7.大数据胸罩 True&Co 网站正利用大数据帮助女性寻找号码更合适的胸罩。统计数据显示，大多数女性都戴错了胸罩的号码，为此这家网站试图帮助解决这个问题。 该公司的内部品牌甚至会基于用户的反馈和公司收集到的数据开发和设计新式胸罩。 利用大数据的可能性是无穷无尽的，我们可能需要时间去寻找大数据的更多应用方式。你最近看到有趣或不同寻常的大数据项目吗? 知识无极限 6、回复“啤酒”查看数据挖掘关联注明案例-啤酒喝尿布 7、回复“栋察”查看大数据栋察——大数据时代的历史机遇连载 8、回复“数据咖”查看数据咖——PPV课数据爱好者俱乐部省分会会长招募 9、
1.2K50发布于 2018-04-20 - 来自专栏数据科学与人工智能
【数据】金融领域7大数据科学案例
笔者邀请您，先思考： 1 金融领域有哪些典型数据问题？ 2 金融领域应用那些数据科学方法？ ? 近年来，数据科学和机器学习应对一系列主要金融任务的能力已成为一个特别重要的问题。 管理客户数据 对于金融公司来说，数据是最重要的资源。因此，高效的数据管理是企业成功的关键。今天，在结构和数量上存在大量的金融数据：从社交媒体活动和移动互动到市场数据和交易细节。 人工智能工具，特别是自然语言处理，数据挖掘和文本分析有助于将数据转化为智能数据治理和更好的业务解决方案，从而提高盈利能力。 我们认为，我们主要关注金融领域的7大数据科学用例，但还有很多其他值得一提的。 如果您有任何进一步的想法，请在评论部分分享您的想法。 原文链接： https://medium.com/activewizards-machine-learning-company/top-7-data-science-use-cases-in-finance
1.7K00发布于 2018-07-30 - 来自专栏Spark学习技巧
金融领域7大数据科学案例
涵盖了从数据管理到交易策略的各种业务方面，共同点是增强金融解决方案的巨大前景。 笔者邀请您，先思考： 1 金融领域有哪些典型数据问题？ 2 金融领域应用那些数据科学方法？ ? 管理客户数据 对于金融公司来说，数据是最重要的资源。因此，高效的数据管理是企业成功的关键。今天，在结构和数量上存在大量的金融数据：从社交媒体活动和移动互动到市场数据和交易细节。 人工智能工具，特别是自然语言处理，数据挖掘和文本分析有助于将数据转化为智能数据治理和更好的业务解决方案，从而提高盈利能力。 我们认为，我们主要关注金融领域的7大数据科学用例，但还有很多其他值得一提的。 如果您有任何进一步的想法，请在评论部分分享您的想法。 原文链接： https://medium.com/activewizards-machine-learning-company/top-7-data-science-use-cases-in-finance
2.6K40发布于 2018-06-22 - 来自专栏编程小白狼
Java大屏数据动态展示实现
随着大数据技术的快速发展，数据可视化成为企业决策、实时监控等场景中的重要工具。Java作为一种广泛应用的编程语言，以其强大的数据处理和可视化能力，在实现大屏数据动态展示方面发挥着重要作用。 本文将详细介绍如何使用Java及相关技术实现大屏数据的动态展示。 一、技术选型与准备 1.1 技术选型 Java JDK：用于编译和运行Java程序。 二、系统架构设计 大屏数据动态展示系统通常包括前端展示层、后端服务层和数据源层。 4.2 部署 将Java Web项目打包成WAR包，部署到Tomcat等Web服务器上。启动Web服务器，访问大屏展示页面，验证系统功能。 五、总结 通过Java及其相关技术实现大屏数据动态展示，可以满足企业实时监控、数据可视化等需求。
2.4K10编辑于 2024-12-31 - 来自专栏BAT的乌托邦
【小家java】java7新特性（简述八大新特性） 不温不火
这个世界这点是公平的：要么就安逸的穷，要么就拼命的干 Java7开发代号是Dolphin(海豚),于2011-07-28发行. 先将String转换为hashCode，然后相应的进行处理，JavaCode在底层兼容Java7曾经版本号。 2、数字字面量的改进 Java7前支持十进制（123）、八进制（0123）、十六进制（0X12AB） Java7添加二进制表示（0B11110001、0b11110001） 数字中可加入分隔符 Java7 之前须要在finally中关闭socket、文件、数据库连接等资源； Java7中在try语句中申请资源，实现资源的自己主动释放（资源类必须实现java.lang.AutoCloseable接口，一般的文件 、数据库连接等均已实现该接口，close方法将被自己主动调用）。
77710发布于 2019-09-03 - 来自专栏灯塔大数据
每周学点大数据 | No.7大数据规模的算法分析
No.7期 大数据规模的算法分析 Mr. 王：这样的时间界限记为O(1)，我们称之为常数时间算法，这样的算法一般来说是最快的，因为它与输入规模完全无关，不论输入规模n多么大，我们都可以用一个与输入规模n无关的常数时间得出结论，相比于巨大的n来说 另外，与大O记号类似，常用的记号还有Θ，Θ(g(n)) 表示函数f(n)构成的集合，存在n0，c1，c2。当n≥n0时，0≤c1g(n)≤f(n)≤c2g(n)。 它们与大O记号和Ω记号类似，只是在大小关系上不包含等于。 小可：嗯，听到这里，我理解了如何进行算法的分析和几种记号表示的含义了。 Mr. 内容来源：灯塔大数据
74240发布于 2018-04-09 - 来自专栏数据分析师小熊
数据分析师7大能力：梳理标签体系
上期分享了数据分析师必备能力：打标签。这次分享一个更高级能力：构造标签体系。在提升能力的顺序上，当然是先会打一个标签，再会搞整个体系了。 一、什么是标签“体系”？ 说“做数据的来分析分析……”分析啥呀，连对象都没统一呢！ 所以，为了保住饭碗为了有效推动业务工作，更得体系化设计了。 然后任由他们自说自话，最后：请数据分析给一个公平公正公开所有人都能接受的完美方案……这么搞，最后就是做数据的小可怜儿改了几十版，还是被某些人吐槽：不完美呀。天啊，我要打住了，再吐槽下去要歪楼了。 沟通不好，一切白费，因此下一篇我们来分享《数据分析7大能力之沟通能力》敬请期待哦。
87310编辑于 2022-04-22 - 来自专栏博文视点Broadview
7大类数据分析报告写作指南
根据一个人对报告内容的熟悉程度来分，有7种类型，一一介绍如下： 类型一：介绍型报告 介绍型报告适用于：向不了解情况的人，做第一次汇报时使用。介绍型报告一般采用总分式结构，分若干个角度进行介绍。 因此探索型报告必须有较强的逻辑性，得解释清楚自己列举的数据与给出的结论之间有啥逻辑关系。最后的提示/建议，也是建立在坚实的数据基础上的。 （七大类型选一个） 3、他是否了解我说的东西？（不了解的先做介绍） 4、他的意见是否会影响结果（特别是预测/评估报告） 这样有的放矢，就能让数据报告切中对方痛点，解答对方的疑问，减少质疑。 避免毫无意义地铺陈数据。 最常见的，比如想向大领导安利一个方案，为了确保内部详细，会安排好几个模块： 1、先介绍背景（介绍型报告） 2、再介绍当前走势（监控型报告） 3、再介绍当前问题（诊断型报告） 4、再介绍计划方案（探索型报告
78130编辑于 2023-04-04 - 来自专栏Java,后端开发,网站开发,数据结构,算法分析.
数据结构-7.Java对象的比较
文章专栏: Java-数据结构 若有问题 评论区见 欢迎大家点赞 评论 收藏 分享 如果你不知道分享给谁,那就分享给薯条. 你们的支持是我不断创作的动力 . 1. 2.元素的比较 2.1 基本类型的比较 在 Java 中，基本类型的对象可以直接比较大小。 使用PriorityQueue创建大小堆，解决TOPK问题 top-k 问题：最大或者最小的前 k 个数据。比如：世界前 500 强公司 链接: 面试题 17.14. //由于PriorityQueue默认是小根堆, 所以需要实现比较器, 重写compare方法,来创建大根堆. class IntCmp implements Comparator<Integer> { ) { int top = priorityQueue.peek(); if(top > arr[j]) { //top大,
23810编辑于 2024-11-19 - 来自专栏企鹅号快讯
2018年7大预测
也正因为是以“共享”和“分享”为基，导致信息极易泄露，数据安全得不到有效保护。 兆信股份使用慧聪私有云服务，保障客户数据安全性与稳定性，能达到银行级的安全系数。 六、大数据实际运用，个性化营销更广泛 2017年，以数据为基础、效果为导向的量化营销、目标成为主流，很多品牌凭借此“软技能”已经尝到甜头。 2018年，将会有大量早期着手大数据的企业，尤其是已经使用了兆信股份数字身份管理系统的企业，已经有了22年的数据沉淀，能够精准地进行客户画像，行为分析等，真正实现企业比消费者更懂自己，据特殊用户或用户体系提供定制化内容 所有这些海量数据，加之人工智能的处理能力，将帮助机器更好地调配人力资源。人类将成为“数字指挥员”，技术作为我们自身的延伸，将以引领我们开启更加智能的生活。
1.2K110发布于 2018-01-08 - 来自专栏怀英的自我修炼
Java漫谈7
如果你初学编程，尤其是学Java，switch你是绕不过去的。而当你学习的时候，折腾你的可能还不是switch的定义，而是switch的语法，尤其是break的用法。 SWITCH 清单 Java中面对多个选择时可以直接使用switch，这样逻辑上简洁。 switch中break的用法是个坑，有它时，case执行完就跳出switch判断了。
66680发布于 2018-03-12 - 来自专栏Java帮帮-微信公众号-技术文章全总结
Java中的24种设计模式与7大原则
外观定义了一个高层接口, 让子系统更容易使用. 6、亨元模式(Flyweight Pattern): 如想让某个类的一个实例能用来提供许多"虚拟实例", 就使用蝇量模式. 7、代理模式(Proxy pattern : 使用中介者模式来集中相关对象之间复杂的沟通和控制方式. 6、备忘录模式(Memento pattern): 当你需要让对象返回之前的状态时(例如, 你的用户请求"撤销"), 你使用备忘录模式. 7、 ------------------------------------------------------------------------------------------------- 七大设计原则 接口中的方法尽量少. 5、迪米特法则【LOW OF DEMETER】：低耦合，高内聚. 6、开闭原则【OPEN CLOSE PRINCIPLE】：一个软件实体如类、模块和函数应该对扩展开放，对修改关闭. 7、
88070发布于 2018-03-15 - 来自专栏大数据钻研
2018最具就业前景的7大编程语言，Java、Python和JavaScript？
2018 年即将到来，Coding Dojo(编码道场)近期发布了 2018 最具就业前景的 7 大编程语言。 该公司分析了来自 Indeed 的 25 门编程语言、栈和框架的数据，以找出雇主最需求的七个数据。数据基于每种语言的工作发布数量。 需先说明的是，国内和国外的情况有所差异，以下数据和分析仅供参考。 Java 已经有 20 多年的历史，被全世界数以百万计的开发者使用，数十亿设备都是由 Java 开发，并且能够通过 Java 虚拟机在任何硬件和操作系统上运行。 7、Perl 在我们的分析中，Perl 减少了大约 3000 个工作岗位并排名第七位。Perl 继续受到系统和网络管理员的欢迎，并成为一种粘合剂语言。 SQL：SQL是存储、检索和操作数据库中的数据标准查询语言。SQL 的工作需求非常高，与顶级编程语言 Java 相比，超过 30000 个工作岗位提到了它。
2K70发布于 2018-04-25 - 来自专栏帅云霓的技术小屋
大模型与AI底层技术揭秘 (7) 卡车搬运的数据
让我们举一个例子： import tensorflow as tf import numpy as np # 使用 NumPy 生成假数据(phony data), 总共 100 个点. x_data 让我们再回到《大模型与AI底层技术揭秘 (2) 人妖之间的国度》中提到的“算盘打出原子弹”的故事。实际上，这是一个典型的分布式并发计算的场景。Tensorflow也提供了分布式训练的能力。 在Tensorflow中可以指定将数据传给worker来计算。 分布式训练的流程如下图： 图中，各个GPU各自拉取训练样本和参数进行训练，计算后更新参数。 我们发现，这一计算过程中涉及到大量的数据通信： 拉取大量的样本，如海量图片等； 拉去参数数据； 将训练的参数回馈； 在自动驾驶等训练场景，集群中每天的数据通信量可达PB之巨。 NVidia为了保障分布式训练场景下，海量数据的搬运，也设计了一套IO加速体系。请看下期。
44120编辑于 2023-10-30 - 来自专栏极客猴
7大 Python 特殊技巧提升数据分析能力
本文是 Peter Nistrup 根据自己的日常数据分析工作的经验，总结出 7 个提升数据分析效率的技巧。 1. Pandas Profiling 该工具效果明显。 使用Cufflinks和Plotly绘制Pandas数据 「经验丰富的」数据科学家或数据分析师大多对 matplotlib 和 pandas 很熟悉。 需要做大量数据可视化工作的朋友，可以阅读 Cufflinks 和 Plotly 的文档，发现更多方法。 假设你花了一些时间清洗 notebook 中的数据，现在你想在另一个 notebook 中测试一些功能，那么你是在同一个 notebook 中实现该功能，还是保存数据并在另一个 notebook 中加载数据呢 7. 为 Jupyter Notebook 即时创建幻灯片 使用 RISE，你可以仅通过一次按键将 Jupyter Notebook 即时转变为幻灯片。
1K10发布于 2019-11-20
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