-
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：158
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值，告别数[详细]
-
数据处理（一）
所属栏目：[大数据] 日期：2021-05-29 热度：138
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储[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：91
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 #defi[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：166
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2万次左右时，[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：175
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：117
流程挖掘的定义 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[详细]
-
30分钟，将你的Spark SQL模型变为在线办事
所属栏目：[大数据] 日期：2021-05-29 热度：115
SparkSQL在机器学习场景中应用 第四范式已经在很多行业落地了上万个AI应用，比如在金融行业的反欺诈，媒体行业的新闻推荐，能源行业管道检测，而SparkSQL在这些A[详细]
-
介绍Kafka可视化Web界面管理工具：CMAK
所属栏目：[大数据] 日期：2021-05-29 热度：73
kafka-manager管理工具简介 它最早由雅虎开源，功能非常齐全，展示的数据非常丰富。同时用户能够在界面上执行一些简单的集群管理操作。 不过雅虎已经将其更名为C[详细]
-
医疗行业中的四个数据分析告捷案例
所属栏目：[大数据] 日期：2021-05-29 热度：123
甚至在冠状病毒在全球大流行之前，研究公司Acumen Research and Consulting就预测，到2026年，全球医疗分析市场将增长到522亿美元。分析正在帮医疗系统发现和管[详细]
-
讨论InnoDB底层原理
所属栏目：[大数据] 日期：2021-05-29 热度：196
存储引擎 很多文章都是直接开始介绍有哪些存储引擎，并没有去介绍存储引擎本身。那么究竟什么是存储引擎?不知道大家有没有想过，MySQL是如何存储我们丢进去的数[详细]
-
转发！一文掌握数据了解知识体系
所属栏目：[大数据] 日期：2021-05-29 热度：120
什么是数据分析?需要掌握哪些技能?如何进行数据分析?本文全面梳理了数据分析知识体系，从数据分析的定义讲起，详细介绍了分析思维模型和经典分析模型及指标体系[详细]
-
数据分析师or数据科学家：你的职业取舍是什么？
所属栏目：[大数据] 日期：2021-05-29 热度：138
数据分析师 如果你希望描述过去或当前的数据，同时展示关键的发现、变化和趋势，最后向利益相关者显示数据，那么数据分析师的职位最适合你。 尽管两个职位之间有[详细]
-
大数据时代，必须做好这3大规划：才能抢占新的造富机会
所属栏目：[大数据] 日期：2021-05-29 热度：93
但在数字化和数据化时代，运用的是货找人的思路，是根据消费者的生活场景，通过大数据智能推送营销活动，通过不同的应用程序去连接消费者，从而达到智能匹配和精[详细]
-
数据科学家必须了解的前十大Python库
所属栏目：[大数据] 日期：2021-05-29 热度：159
Python因其简单易用而被称为初学者级编程语言，它的编程语法易于学习，并且与C，Java和C ++相比具有较高的水平。 为了获得更准确的算法和编码，Analytics Insigh[详细]
-
如何完成数据透视的动态数据引用，让工作效率更高
所属栏目：[大数据] 日期：2021-05-29 热度：161
大家在工作中用数据透视表的时候有没有遇到，对一个工作底稿进行数据透视，数据如果增加行列后，就需要重新选定范围的情况，尤其是对那种流水的底稿，可能每天都[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：2021-05-29 热度：78
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[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：2021-05-29 热度：114
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[详细]
-
【机器学习】数据处理中白化Whitening的作用图解分析
所属栏目：[大数据] 日期：2021-05-28 热度：134
之前在看斯坦福教程中whiteining这一章时，由于原始图像相邻像素值具有高度相关性，所以图像数据信息冗余，对于白化的作用的描述主要有两个方面：1，减少特征之间的相关性；2，特征具有相同的方差（协方差阵为1）；但是为什么这么做，以及这样做对于算法或者[详细]
-
数据集成--Informatica PowerCenter
所属栏目：[大数据] 日期：2021-05-28 热度：139
概要 随着数据呈现单位级别的递增，从海量的数据中分析出有价值的数据，对未来的事情进行一些预测，显得更能体现出BI的优越性了，但这也同时考验着数据处理ETL的性能和安全。这几天大体调查了一下informatica公司的PowerCenter，在国内市场上使用的挺早的，[详细]
-
美团机器学习中的数据清洗与特征挖掘实践
所属栏目：[大数据] 日期：2021-05-28 热度：179
综述 如上图所示是一个经典的机器学习问题框架图。数据清洗和特征挖掘的工作是在灰色框中框出的部分，即“数据清洗=特征，标注数据生成=模型学习=模型应用”中的前两个步骤 灰色框中蓝色箭头对应的是离线处理部分。主要工作是： 从原始数据，如文本、图像或[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：170
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，[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：88
数据科学行业中一个最常见的陷阱是花费数小时为他们的项目寻找最佳算法，而没有花足够的时间首先理解数据。 数据科学和机器学习项目的结构化方法从项目目标开始[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：153
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[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：166
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[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：159
分析大数据 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[详细]
