-
作为架构师，你应该如何挖掘真正的业务需求？
所属栏目：[大数据] 日期：2021-05-29 热度：52
在上一篇文章中，作为架构师的你，已经了解到业务人员需要什么以及如何在收集用户故事的过程中识别需求。在那篇文章里，我还描述了用户故事模板： 为了避免 需要解决的问题，作为角色我想要功能； 为了获得 预期的利益，作为角色我想要功能。 这两种模板可[详细]
-
文本挖掘----基于OCR的文档关键字提取
所属栏目：[大数据] 日期：2021-05-29 热度：169
前言 紧急添加：有人反馈看不懂。那是因为没有看姐妹篇，《你有没有想到，这样的观点挖掘引擎？》。请先阅读本文，再继续看下去！ 做了一段时间的OCR，把大量的图片、PDF处理成了文本。请注意：这些文本在互联网上属于稀有资源。这些文本以前都放在一个盒[详细]
-
51Nod－1027－大数乘法
所属栏目：[大数据] 日期：2021-05-29 热度：187
给出2个大整数A,B，计算A*B的结果。 Input 第1行：大数A 第2行：大数B (A,B的长度 = 1000，A,B = 0） Output 输出A * B Input示例 123456 234567 Output示例 28958703552 水题，不多解释了，就是字符串的处理！ 代码C： #include stdio.h#include string.h[详细]
-
HDU 5666 Segment(大数+gcd)
所属栏目：[大数据] 日期：2021-05-29 热度：105
大意：给定一个直线方程x+y=p;（p为质数）求在第一象限围城的区域里格子的点数有多少。 思路：一条直线上的格子点数为gcd(x,y),那么我们可以直接用三角形上加内的总点数减去在直线上的点数那么在直线上的点数为gcd(x,y)=gcd(x,y-x)(yx)=gcd(x,p-y)=gcd(x,p[详细]
-
基于3D彩票Knn算法的遗漏模式挖掘
所属栏目：[大数据] 日期：2021-05-29 热度：114
作者：白于空 关于3D彩票的介绍：略 摘要:根据遗漏模型；建立期望遗漏，当前遗漏，平均遗漏，最大遗漏，遗漏方差进行knn分类；挖掘模式； 直接在代码中传递表达信息；结论预测精度比期望值约高20%； import numpy as npimport pandas as pddata = pd.read_[详细]
-
大数据下BI产品如何发挥最大价值
所属栏目：[大数据] 日期：2021-05-29 热度：83
看到这个题目，你是否总感觉云里雾里？你是否真正懂什么叫“大数据”？商业智能BI和大数据又有着什么千丝万缕的联系？为什么说商业智能BI能在大数据中发挥价值？ 大数据，指的是所涉及的数据资料量规模巨大到无法通过人脑甚至主流软件工具，在合理时间内达[详细]
-
帆软FineBI：人人可用的自助型BI，数秒呈现数据可视化
所属栏目：[大数据] 日期：2021-05-29 热度：64
副标题#e# 今天给大家介绍一款上手度极低、可用做数据可视化的工具——帆软商业智能FineBI（www.finebi.com），它简单易用，人人可用，可以让业务人员自主、灵活、多样的可视化分析，无需任何技术，数秒实现数据可视化。借助FineBI，企业可以充分发掘数据价[详细]
-
数据处理（一）
所属栏目：[大数据] 日期：2021-05-29 热度：194
在实际项目开发中，归档解档以及writetofile用的相对较少，但也必须了解一下。 归档解档 一、归档解档的理解如下： /** * 可以存储自定义模型对象 * 1.归档相对于polist存储而言，它可以直接存储自定义模型对象，而polist文件需要将模型转化为字典才可以存[详细]
-
PAT 1007 A除以B (20) （大数取余+除法）
所属栏目：[大数据] 日期：2021-05-29 热度：191
思路：串的处理。 #includemap#includequeue#includecmath#includecstdio#includestack#includeiostream#includecstring#includealgorithm#define ll long long#define inf 0x3f3f3f3f#define eps 1e-8#includevector#define ls l,mid,rt1#define rs mid+1[详细]
-
科普：大数定律和赌博
所属栏目：[大数据] 日期：2021-05-29 热度：181
副标题#e# 1713年，数学家伯努利严格的证明了概率论上第一个极限定理：大数定律。这个定理的意思是，当统计样本数量趋近于无穷大时，随机事件的概率将趋近于一个稳定值。 为了验证这个定理，伯努利还曾经扔了2万多次硬币，来描述这个定理，当扔硬币次数到2[详细]
-
BI数据仓库构建和BI数据分析应用
所属栏目：[大数据] 日期：2021-05-29 热度：142
BI数据仓库是为了便于多维分析和多角度展示数据按特定模式进行存储所建立起来的关系型数据库。在商业智能系统的设计中，数据仓库的构建是关键，是商业智能系统的基础，承担对业务系统数据整合的任务，为商业智能系统提供数据抽[详细]
-
如何通过流程挖掘改进业务步骤
所属栏目：[大数据] 日期：2021-05-29 热度：122
流程挖掘是一种方法，通过这种方法，组织可以从现有的系统中收集数据，以客观地可视化业务流程是如何运行的，以及如何改进它们。从流程挖掘中获得的分析洞察力可以帮助优化整个组织的数字化转型计划。 在过去，流程挖掘在制造业中的应用最为广泛，可以用来[详细]
-
【干货】你不得不知道的11款BI工具
所属栏目：[大数据] 日期：2021-05-28 热度：152
BI（BusinessIntelligence）即商业智能，越来越多的智能软件供应商推出可视化数据分析工具，应对企业业务人员的大数据分析需求。然而如果你觉得不是数据分析专业、没有挖掘算法基础就无法使用BI工具？NO，自助式分析工具已经让数据产品链条变得大众化。为[详细]
-
趣图：论医生和修电脑的相似性
所属栏目：[大数据] 日期：2021-05-28 热度：79
(点击上方公众号，可快速关注) 《转发一张趣图：论医生和修电脑的相似性》 点击“ 阅读原文”，可查看更多趣图/段子 ↓↓↓?（支持微信登录）[详细]
-
【数字智能三篇】之一： 一页纸说清楚“什么是大数据”
所属栏目：[大数据] 日期：2021-05-28 热度：157
按：【数字智能三篇】 目前“大数据”、“推荐系统”、“深度学习”是数字智能领域的热点研究方向，相关的书籍也很火热，比如“大数据”仅这两年就出版了很多本，让一般人看的眼花缭乱。 本系列共分三篇，力求仅以一页纸的篇幅来系统完整地介绍以上这三个[详细]
-
C语言超大数相加求和、加减乘除算法实现
所属栏目：[大数据] 日期：2021-05-28 热度：164
#include?stdio.h#include?stdbool.h#include?string.h#include?stdlib.h#define?MAXLEN?20int?arr1[MAXLEN];int?arr2[MAXLEN];char?str1[MAXLEN];char?str2[MAXLEN];void?convertBin(int?intNum)?{???static?int?bitSize?=?32;???int?modBin?=?intNum??1;[详细]
-
hdoj 1002 A + B Problem II 大数
所属栏目：[大数据] 日期：2021-05-28 热度：150
A + B Problem II Time Limit: 2000/1000 MS (Java/Others)????Memory Limit: 65536/32768 K (Java/Others) Total Submission(s): 302658????Accepted Submission(s): 58410 Problem Description I have a very simple problem for you. Given two integer[详细]
-
数据量太大？用Python处理数据密度过大障碍
所属栏目：[大数据] 日期：2021-05-28 热度：197
副标题#e# 当我们需要观察比较2个变量间的关系时，散点图是我们首选图表。 可当数据量非常大，数据点又比较集中在某个区间中，图表没法看，密密麻麻的怎么看? 怎么办?这时候就得看密度图了 什么是密度图? 所谓的密度图 (Density Plot) 就是数据的分布稠密情[详细]
-
让你在10分钟内掌握如何用Python将数据批量的插入到数据库
所属栏目：[大数据] 日期：2021-05-28 热度：183
副标题#e# 本文基于python, 使用pandas, pymysql等三方库实现了向数据库中高效批量插入数据，一方面提供被网上很多瞎转载的答案给坑蒙了的人(因为我也是)，一方面自己也做个笔记，以后方便查阅 需求原因 最近在处理一个需求，有关批量往数据库插入数据的，[详细]
-
Spark日臻完善之小文件是否需要合并?
所属栏目：[大数据] 日期：2021-05-28 热度：107
我们知道，大部分Spark计算都是在内存中完成的，所以Spark的瓶颈一般来自于集群(standalone, yarn, mesos, k8s)的资源紧张，CPU，网络带宽，内存。Spark的性能，想要它快，就得充分利用好系统资源，尤其是内存和CPU。有时候我们也需要做一些优化调整来减少[详细]
-
5个可以帮助Pandas进行数据预解决的可视化图表
所属栏目：[大数据] 日期：2021-05-28 热度：59
数据科学和机器学习项目的结构化方法从项目目标开始。同一组数据点可以推断出一些有意义的信息。基于我们所寻找的，我们需要关注数据的另一个方面。一旦我们明确了目标，我们就应该开始考虑我们需要的数据点。这将使我们能够专注于最相关的信息集，而忽略[详细]
-
大数据在疫情期间对货运运营商的安全不可估量
所属栏目：[大数据] 日期：2021-05-28 热度：99
大数据对于避免许多危机非常重要。采用大数据应对冠状病毒疫情危机是一个很好的例子。越来越多的国家和组织正在使用大数据来促进社交距离，加强联系追踪并找到新的治疗方法。 在这场危机期间，某些行业比其他行业更依赖大数据来保障安全。这些包括货运运营[详细]
-
数据科学家vs数据分析师，到底有啥差异？
所属栏目：[大数据] 日期：2021-05-28 热度：64
副标题#e# 数据科学和机器学习两个领域很容易混淆，从职责描述上还是大家的普遍印象里，这两个职位都差不多。相较之下，数据科学和数据分析这两个职位更容易区分。它们虽有关键差别，但也有相似之处。 有人会说，要成为一名数据科学家，要先从数据分析的工[详细]
-
大数据和物联网是如何相辅相成的？
所属栏目：[大数据] 日期：2021-05-28 热度：63
物联网传感器持续接收来自大量连接的异构设备的数据。随着联网设备数量的增加，物联网系统需要具有可伸缩性，以适应数据的流入。分析系统处理这些数据并提供有价值的报告，这将使企业具有竞争优势。由于数据是基于其类型挖掘的，因此必须对数据进行分岔以[详细]
-
粉碎二八法则！每个数据科学家都得会一点SparkMagic
所属栏目：[大数据] 日期：2021-05-28 热度：179
著名的帕累托法则，即80/20定律，告诉我们：原因和结果、投入和产出、努力和报酬之间存在着无法解释的不平衡。即使是21世纪最具吸引力的工作，数据科学依然逃不脱这一定律。 商业数据科学家80%的时间都花在查找、清洗和准备数据上，这是数据科学家工作中效[详细]
浙公网安备 33038102330465号