-
和人工智能聊天，自然语言模型 GPT-2可能会推出个人信息
所属栏目：[大数据] 日期：2021-08-23 热度：95
自然语言模型 GPT-2就像是收到了某种暗号，立刻送出一套 个人信息：姓名、电话号码，还有地址、邮箱和传真 （部分信息已打码）。 这可不是GPT-2瞎编的，而是真实存在的个人信息！这些个人信息，全部来自于网上。 原来是因为GPT-2靠网上扒取的数据来训练。 本[详细]
-
AI的挑战 核心算法和相关系统软件缺位
所属栏目：[大数据] 日期：2021-08-23 热度：145
在人工智能领域，我国和其他国家相比，在核心算法和相关系统软件方面我们也还存在卡脖子的可能性。在近日举办的2020年大数据科技传播与应用高峰论坛期间，上海交通大学教授、日本工程院外籍院士李颉在接受中国科技新闻网采访时如是说。 缺少核心算法和相关系[详细]
-
网络和数据布线专家将成为数字世界的主要合作伙伴
所属栏目：[大数据] 日期：2021-08-22 热度：51
调研机构去年发布的一份调查报告预计，到2023年，结构化布线市场将增长30亿美元以上。 未来几年，企业将比以往任何时候都更加依赖大数据。需要采用更强大的基础设施来处理大数据，这就需要更多的数据布线。当然，企业需要合适的承包商来进行安装和维护。 选[详细]
-
业务数据可视化的6个优秀实践
所属栏目：[大数据] 日期：2021-08-22 热度：113
在分析平台所生成的报告中看到模糊的数字是一回事。查看详细而丰富多彩的图形则完全又是另一回事--这些图形也是由分析软件生成的--它们可以立即展示出趋势，即使是非技术用户也可以轻松地掌握。 数据可视化工具使后者成为了可能。他们将数据放到一个可视化的[详细]
-
影响数据科学未来的主要走向
所属栏目：[大数据] 日期：2021-08-22 热度：112
人工智能(AI)和机器学习(ML)经历了巨大的增长，这是因为越来越多的企业寻求快速、低成本、创新的方式来使用大数据。但是，为了有效地部署这些技术，企业的团队必须紧跟最新的数据科学趋势。 如今，数据科学一词涵盖了人工智能(AI)、机器学习(ML)、物联网、深[详细]
-
走出实验室: IBM为企业推进AI注入新动力
所属栏目：[大数据] 日期：2021-08-22 热度：119
2020年7月9日，2020年世界人工智能大会（the World Artificial Intelligence Conference, WAIC）云端峰会正式开幕，IBM的人工智能辩论系统IBM Project Debater荣获大会最高奖项卓越人工智能引领者奖（Super AI Leader，简称SAIL奖）。 下面我们就来聊聊在这[详细]
-
在Apache Spark中执行聚合的五种措施
所属栏目：[大数据] 日期：2021-08-22 热度：113
聚合是数据分析任务中广泛使用的运算符，Spark为此提供了坚实的框架。 以下是使用Spark可以针对大数据进行聚合的五种不同方式。 RDD上的GroupByKey或ReduceByKey转换：RDD是Spark中分布式数据收集的最早表示，其中数据通过 T类型的任意Java对象表示。 RDD上[详细]
-
医疗行业中的四个数据分析成功事件
所属栏目：[大数据] 日期：2021-08-22 热度：50
所有行业的组织都希望更大限度地由数据驱动。在医疗领域尤其如此，在该领域里，医疗服务提供商正在利用分析对手头的大量数据进行分析，从而提高患者的治疗效果，简化运营并削减成本。 甚至在冠状病毒在全球大流行之前，研究公司Acumen Research and Consulti[详细]
-
畅谈InnoDB底层原理
所属栏目：[大数据] 日期：2021-08-22 热度：129
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据的? 其实存储引擎也很简单，我认为就是一种存储解决方案，实现了新增数据、更新数据和建立索引[详细]
-
大数据世界，必须做好这3大布局：才能抢占新的造富机会
所属栏目：[大数据] 日期：2021-08-22 热度：162
在传统的商业形态中，企业想要实现盈利，就要借助不同的场景作为获客入口去与用户建立连接，实现交易，这运用的是人找货的模式。 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[详细]
-
关于DevOps，数据科学家需要知道这些
所属栏目：[大数据] 日期：2021-08-22 热度：63
随着机器学习(ML)在过去几年的快速发展，开始ML实验变得非常容易。多亏了像scikit-learn和Keras这样的库，用几行代码就可以创建模型。 但是，将数据科学项目转化为有意义的应用程序比以往任何时候都更加困难，比如将模型转化为团队决策或成为产品的一部分。[详细]
-
数据可视化的基本流程概括
所属栏目：[大数据] 日期：2021-08-22 热度：154
我们要的不是数据，而是数据告诉我们的事实。大多数人面临这样一个挑战：我们认识到数据可视化的必要性，但缺乏数据可视化方面的专业技能。部分原因可以归结于，数据可视化只是数据分析过程中的一个环节，数据分析师可能将精力花在获取数据、清洗整理数据、[详细]
-
搞大数据，Java 工程师需要知道哪些知识？
所属栏目：[大数据] 日期：2021-08-22 热度：73
题目是一名叫截然不同的同学私信我的一个问题，原话是，搞大数据，java 需要掌握哪些技术点?，我稍微调整了一下。必须得承认一点，我本人没有搞过大数据，所在这方面的经验为零。 但同学既然问了，咱就不能假装不知道啊，虽然真的是不知道。但要变强，就必须[详细]
-
城市CIO必须在新冠时期提高数据工作
所属栏目：[大数据] 日期：2021-08-22 热度：121
私营部门很久以前就意识到了数据是宝贵的资源。企业可以利用大数据更好地了解客户、提高营销精准度及设计引人注目的产品和服务。公共部门在过去十年里取得很大的进步，但在利用自己所具有的丰富资源方面仍然落在后面。各个城市已经在使用数据，但却尚未探索[详细]
-
数据分析在业务中的五个优点
所属栏目：[大数据] 日期：2021-08-22 热度：145
企业的业务由数据组成，只有当努力理解数字所代表的含义时，才能正确地走向未来。数据不仅仅是在讲述企业积累的难以理解的数字以及过去的故事，实际上，还需要使用它来告知所有将来的决策。 不幸的是，人类的大脑并非旨在从大量未分类的数据点集合中提取有意[详细]
-
数据科学家的工具列表：增长生产效率的工具包
所属栏目：[大数据] 日期：2021-08-22 热度：61
新的东西令人激动，新的框架、新的仪器、新的工具，都会让生活变得更轻松。保持更新很难，我们需要花更多的时间在其上。 当然，我们并不是要一直更新到最新的发现，它可能是某个特定库的新的小版本，也可能是处于兴趣或是工作需要而寻找。现在开始吧! Texthe[详细]
-
数据管理成功的最重要方案
所属栏目：[大数据] 日期：2021-08-22 热度：106
当组织处理大型复杂的项目时，自然会出现数据管理方面的挑战。这些挑战并不一定要令人生畏。组织战略计划、执行模型、项目组合、预算及其所有辅助数据，可以为组织建立效率，数据完整性和最终对决策的信心打下坚实的基[详细]
-
大数据给企业带来的5大优点
所属栏目：[大数据] 日期：2021-08-22 热度：199
大数据市场如今正在呈爆炸式增长。根据调研机构Markets and Markets公司的调查，未来五年的全球大数据市场规模将达到2290亿美元。尽管大数据技术发展迅速，但许多中小企业却忽略了它的好处。 企业需要考虑大数据的巨大好处，并相应地进行投资。 为什么小型企[详细]
-
终于有人把人工智能、BI、大数据、数据科学讲明白了
所属栏目：[大数据] 日期：2021-08-22 热度：60
01 数据 数据几乎渗透到我们生活的每一个角落，从我们在手机中留下的数字足迹，到健康记录，再到购物历史，以及对资源(如能源)的使用情况。在当今这个数字世界里，脱离数字的生活虽然不是不可接受的，但也需要巨大的牺牲精神和不可思议的毅力才能忍受。 我们[详细]
-
大数据如何推动企业的数字化转型
所属栏目：[大数据] 日期：2021-08-22 热度：105
大数据一词最早出现于15年前，顾名思议，大数据是日益增长的、多样化的、复杂的、数量庞大的数据，这些数据难以通过传统的数据管理实践进行管理。近年来，随着数字化转型的兴起，大数据已成为组织数字化转型旅程的主要推动力。 IT和商业服务转型咨询机构Pace[详细]
-
如何创建数据架构以促进创新
所属栏目：[大数据] 日期：2021-08-22 热度：198
昔日的数据架构已经无法满足当今对速度、灵活性和创新的需求。成功升级的关键(也是巨大的潜在回报)是敏捷性。 在过去的几年中，组织不得不迅速在原有基础设施的基础上部署各种新的数据技术，从而推动由市场驱动的各种创新，例如定制化的报价、实时警报和预测[详细]
-
如何挑拣云计算机器学习平台
所属栏目：[大数据] 日期：2021-08-22 热度：51
云计算机器学习平台提供的多种功能可以支持完整的机器学习生命周期。 为了创建有效的机器学习和深度学习模型，组织需要获取大量的数据，并对其执行特征工程的方法，以及在合理的时间内训练数据模型的方法。然后，组织需要一种方法来部署模型，监视它们是否随[详细]
-
数据行业的高级岗位和初级岗位，到底有什么不同？
所属栏目：[大数据] 日期：2021-08-22 热度：72
最近搜罗了一些粉丝问的问题，一些比较好的问题拿出来和大家一起探讨，今天的问题是就数据分析的岗位级别区分来探讨一下，帮助大家在数据分析的岗位晋升中可以有的放矢。 数据行业的高级岗位和初级岗位，到底有什么区别？ 首先我们来看看，一个初级数据分析[详细]
-
ClickHouse留存分析工具十亿数据秒级查询计划
所属栏目：[大数据] 日期：2021-08-22 热度：142
本文实践了对于千万级别的用户，操作总数达万级别，每日几十亿操作流水的留存分析工具秒级别查询的数据构建方案。同时，除了留存分析，对于用户群分析，事件分析等也可以尝试用此方案来解决。 背景 你可能听说过Growingio、神策等数据分析平台，本文主要介绍[详细]
-
什么是误差图？今天带你认识可视化误差图，让数据一目了然
所属栏目：[大数据] 日期：2021-08-22 热度：184
这是Python数据可视化的系列短篇，针对初级和中级用户，将理论和示例代码相结合，使用matplotlib, seaborn, plotly等工具创建不同主题的图表。 本文主题是如何在图表中显示误差。 import os import warnings import requests import numpy as np import pand[详细]
