-
万科物业否认上市计划，科技转型完毕后才会考虑？
所属栏目：[大数据] 日期：2021-06-07 热度：99
事实上，从2013年开始，时任万科总裁的郁亮就先后率队考察阿里、腾讯、小米等企业，科技的种子在当时已经播下。 2015年，万科创始人王石曾在第三届外滩国际金融[详细]
-
无障碍城市部署始于无偏见的数据洞察力
所属栏目：[大数据] 日期：2021-06-07 热度：98
特别是在新冠疫情爆发期间，运输业进行数字化转型，引入了数据分析和自动化系统，以使通勤者的旅程更加顺畅。 但是，大多数交互是在人与周围基础设施之间进行的[详细]
-
视频数据曝光，视觉企业冤不冤?
所属栏目：[大数据] 日期：2021-06-07 热度：85
首先要明白一点，视频监控的安全至关重要。 深信服行业解决方案资深专家黄智林指出，在平安城市、雪亮工程、天网工程建设之下，视频接入网络几乎覆盖城市所有区[详细]
-
通过大数据技术实现全方位的建筑性能提升
所属栏目：[大数据] 日期：2021-06-07 热度：198
气候变化是历史上最大的环境危机。对自然世界的选择是我们自己创造的问题，已经影响了数百万人。这个问题很可能在未来几十年内作为人道主义危机而出现，我们必须[详细]
-
利用机器学习实现更智能的公用事业管理
所属栏目：[大数据] 日期：2021-06-07 热度：145
诸如能源、天然气、水和废物管理等公用事业已经依靠智能设备来优化基础设施和供需平衡。 现在，正在出现更智能的公用事业，由技术驱动的复杂市场组成的整个生态[详细]
-
搜索后半生：微信要做大搜索吗？
所属栏目：[大数据] 日期：2021-06-06 热度：190
在刚刚过去的微信2021公开课PRO中，释放了一个很清晰的信号：微信搜一搜未来可期。 微信搜一搜团队Samuel在微信公开课中提及搜一搜的使用场景：用微信就能搜。微[详细]
-
神结合，K8s+DevOps应用之路
所属栏目：[大数据] 日期：2021-06-06 热度：139
如今，越来越多的企业开始全面采用DevOps，借此加快产品上市速度并巩固收入目标，Kubernetes正成为相关实践中的一大有力武器。 凭借不断为敏捷开发与运营团队提[详细]
-
疫情冲击下 大数据风控能否挺过周期？
所属栏目：[大数据] 日期：2021-06-06 热度：61
受新冠疫情影响，银行信贷资产质量压力加大。经过数年实践，并得到监管力推的大数据风控，能否穿越经济周期？ 继去年整顿大数据行业以来，2020年，随着二代征信[详细]
-
劈波斩浪：2021年疫情开启“云上盛会”
所属栏目：[大数据] 日期：2021-06-06 热度：182
而这场被称为年度最火直播的背后，究竟是如何推动和支撑的，也成为人们好奇的关键。 此次直播，团队制定了将央视频直播过渡方案全面升级为DICT智能视频云承载的[详细]
-
大数据分析：红包怎么抢好
所属栏目：[大数据] 日期：2021-06-05 热度：90
算法解释 网上有人分析微信红包用的方法是两倍均值法，意思即：每个人抢的额度为0.01到总额度除以剩余人数的两倍。本文用此方法来判断， 假定有10个红包共100元，此时均值为10，第一个人(设定为P1)抢到的值为0.01-20元内任意值。设P1抢到12元; 此时还剩下9个[详细]
-
整理一份详细的数据预解决方法
所属栏目：[大数据] 日期：2021-06-05 热度：191
为什么数据处理很重要? 熟悉数据挖掘和机器学习的小伙伴们都知道，数据处理相关的工作时间占据了整个项目的70%以上。数据的质量，直接决定了模型的预测和泛化能力的好坏。它涉及很多因素，包括：准确性、完整性、一致性、时效性、可信性和解释性。 整理一份[详细]
-
未来计算机将会取代数学家的职位？
所属栏目：[大数据] 日期：2021-06-05 热度：126
1、现在来说，计算机和数学是两个不同的学科。有趣的是，几十年前计算机科学还是数学的一个分支，作为计算机之父的冯诺依曼是个数学家。做出了改变的图灵，也是一名数学家。 数学与计算机的关系在不断演变，不同的人有不同的看法。数学作为计算机科学的基础[详细]
-
在裸机云上运行大数据详解
所属栏目：[大数据] 日期：2021-06-05 热度：79
Analytics(分析)工作量有什么独特之处? 首先，让我们就定义分析工作负载的观点达成一致。根据Curt Monash的说法，分析是事务性的反义词。 尽管事务处理(OLTP)的特点是具有少量的离散操作，每秒具有大量事务，并且具有严格的数据完整性，但分析工作负载通常以[详细]
-
大数据的影响
所属栏目：[大数据] 日期：2021-06-05 热度：94
城市大数据的数据资源来源丰富多样，广泛存在于经济、社会各个领域和部门，是政务、行业、企业等各类数据的总和。同时，城市大数据的异构特征显著，数据类型丰富、数量大、速度增长快、处理速度和实时性要求高，且具有跨部门、跨行业流动的特征。 按照数据源[详细]
-
38年后的今天，用数据重温什么是女排精神？
所属栏目：[大数据] 日期：2021-06-05 热度：186
38年前 1981年11月16日 中国队击败当时号称东洋魔女的日本女排，首次夺得世界冠军，这也是中国在三大球运动(足球、篮球、排球)中的首个世界冠军。 然而2019年的今天，足球篮球无论怎样的上上签都无法挽救他们的颓势，接连失利均导致国家队主教练辞职。 中国[详细]
-
大数据品牌战略的重要要素
所属栏目：[大数据] 日期：2021-06-05 热度：180
大数据促进更强大的品牌实践的方式 无论企业是刚刚起步的初创品牌，还是多年来成为市场主导力量的知名品牌，相同的核心原则都将决定企业是否成功。幸运的是，大数据的重大进步可以在此过程中发挥重要作用。 大数据可以通过多少种方式来提升其品牌?其市场机会[详细]
-
合理建立Hadoop数据库的7个方法
所属栏目：[大数据] 日期：2021-06-05 热度：173
数据湖的概念起源于大数据的出现且数据已成为企业的核心资产，Hadoop则是作为存储和管理数据的平台而出现。但是，盲目地投入Hadoop数据湖建设并不一定会使您的企业进入大数据时代至少不是以一种成功的方式。 在将各种形状和大小的数据资产以非统一方式汇入Ha[详细]
-
大数据推动企业网站搜索引擎优化(SEO)的5种措施
所属栏目：[大数据] 日期：2021-06-05 热度：70
大数据在企业搜索引擎优化(SEO)的重要性 尽管谷歌公司对其算法的要求越来越严格，但精明的营销人员正在寻找更好的方法来通过数据分析实施搜索引擎优化(SEO)策略。 搜索引擎优化(SEO)越来越容易实现，尤其是在企业网站上。以下介绍企业网站如何通过大数据提升[详细]
-
数据一模一样性检测的应用场景与实践
所属栏目：[大数据] 日期：2021-06-05 热度：126
离线or在线,事前or事后 应对业务数据不一致问题的常规操作是，配置定时任务，在每个固定时间点去拉取历史一段时间的数据出来进行比对，判断是否有数据故障出现，比如利用hadoop做一些批处理MapReduce作业，这种离线计算的方式时效性比较差，对于电商系统或者[详细]
-
Python数据挖掘与机器学习技术基础实战
所属栏目：[大数据] 日期：2021-06-05 热度：113
一、数据挖掘与机器学习技术简介 什么是数据挖掘?数据挖掘指的是对现有的一些数据进行相应的处理和分析，最终得到数据与数据之间深层次关系的一种技术。例如在对超市货品进行摆放时，牛奶到底是和面包摆放在一起销量更高，还是和其他商品摆在一起销量更高。[详细]
-
如何评价算法的优缺点？
所属栏目：[大数据] 日期：2021-06-05 热度：141
序言 评价一个算法的好坏，我认为关键是看能不能解决问题。如果算法能很好地解决实际的问题，那么我认为就是好算法。 比如预测的算法，关键是看预测的准确率，即预测值与实际值之间的接近程度，而不是看算法本身的评分高低。 在《 如何用人工智能预测双 11[详细]
-
Python数据结构的时间繁琐性
所属栏目：[大数据] 日期：2021-06-05 热度：89
1.让我们了解大O符号的含义是什么? 在算法中执行许多操作。 这些操作可能包括遍历集合，复制项目或整个集合，将项目追加到集合中，在集合的开始或结尾处插入项目，删除项目或更新集合中的项目。 Big-O衡量算法运算的时间复杂度。 它测量算法计算所需运算所需[详细]
-
大数据与传统数据的差异，来认识下！干货
所属栏目：[大数据] 日期：2021-06-05 热度：129
大数据与传统的数据技术的差别： 1、数据规模大：传统数据技术主要是利用现有存在关系性数据库中的数据，对这些数据进行分析、处理，找到一些关联，并利用数据关联性创造价值。这些数据的规模相对较小，可以利用数据库的分析工具处理。而大数据的数据量非常[详细]
-
人工智能和大数据存在什么问题?
所属栏目：[大数据] 日期：2021-06-05 热度：76
人工智能和大数据存在什么隐患? 相关性和因果关系 我们都知道相关性并不意味着因果关系。然而，人类的大脑天生就会寻找规律，当我们看到曲线倾斜在一起，数据中出现明显的规律时，我们的大脑就会自动给出规律。 然而，从统计数据来看，我们仍然无法实现这一[详细]
-
数据湖的这些知识点你清楚吗
所属栏目：[大数据] 日期：2021-06-05 热度：89
定义 看下维基百科的定义：数据湖是一个以原始格式(通常是对象块或文件)存储数据的系统或存储库。数据湖通常是所有企业数据的单一存储。用于报告、可视化、高级分析和机器学习等任务。数据湖可以包括来自关系数据库的结构化数据(行和列)、半结构化数据(CSV、[详细]
