- 大数据开发分了几个方向： 1.底层的基础平台开发 2.面向用户的数据产品开发 3.数据仓库开发 4.大数据分析 5.算法，数据挖掘 一、基础平台开发： Java 为主。主要做统一数据开发平台、大数据源... 大数据开发分了几个方向： 1.底层的基础平台开发 2.面向用户的数据产品开发 3.数据仓库开发 4.大数据分析 5.算法，数据挖掘 一、基础平台开发： Java 为主。主要做统一数据开发平台、大数据源...
- 经常觉得很奇怪怎么辣么多数据分析师的广告，字节的峰池大佬是觉得未来该岗位可能消亡（康康大佬怎么说的同时了解下这个岗位，本文不代表本人观点，请客观理性看待=。=）。 突然想起拿了京东算法岗ssp的上财学姐... 经常觉得很奇怪怎么辣么多数据分析师的广告，字节的峰池大佬是觉得未来该岗位可能消亡（康康大佬怎么说的同时了解下这个岗位，本文不代表本人观点，请客观理性看待=。=）。 突然想起拿了京东算法岗ssp的上财学姐...
- 学习总结 （1）要熟悉pandas、matplotlib等工具包，如train_df['text_unique'] = train_df['text'].apply(lambda x: ' '.join... 学习总结 （1）要熟悉pandas、matplotlib等工具包，如train_df['text_unique'] = train_df['text'].apply(lambda x: ' '.join...
- 目录 需求分析 功能需求分析 性能需求分析 系统安全性 数据完整性 系统数据分析 系统功能模块示意图 系统流程图设计 项目运行环境 需求分析 功能需求分析 系统功能是通过前后台管理实现... 目录 需求分析 功能需求分析 性能需求分析 系统安全性 数据完整性 系统数据分析 系统功能模块示意图 系统流程图设计 项目运行环境 需求分析 功能需求分析 系统功能是通过前后台管理实现...
- 目录 第一部分：基础 Numpy简介 数组创建及基础属性 初识数组的特点 创建常用数组 生成随机数 一维数组的索引 逻辑型索引 多维数组的索引 求解距离矩阵 变化数组shape 第二部分：应用 Numpy矩阵介绍 ... 目录 第一部分：基础 Numpy简介 数组创建及基础属性 初识数组的特点 创建常用数组 生成随机数 一维数组的索引 逻辑型索引 多维数组的索引 求解距离矩阵 变化数组shape 第二部分：应用 Numpy矩阵介绍 ...
- 01对比细分 在互联网的数据分析中, 经常我们去分析比如今天的活跃人数降低了, 我们经常要从多个维度去分析为什么降低。 同时我们还要跟上周, 昨天, 去年同期等做对比, 分析虽然是降低了, 但对比去年是否有变化。 那么我们如何做一个有效的细分呢。 首先我们有很多可以细分的维度, 比如 从时间上拆分,... 01对比细分 在互联网的数据分析中, 经常我们去分析比如今天的活跃人数降低了, 我们经常要从多个维度去分析为什么降低。 同时我们还要跟上周, 昨天, 去年同期等做对比, 分析虽然是降低了, 但对比去年是否有变化。 那么我们如何做一个有效的细分呢。 首先我们有很多可以细分的维度, 比如 从时间上拆分,...
- 文章目录 I . 贝叶斯信念网络II . 马尔科夫假设III . 贝叶斯信念网络 示例 1IV . 贝叶斯信念网络 示例 2V . 贝叶斯信念网络 联合概率分布计算VI . 贝叶斯信念网络 联合概... 文章目录 I . 贝叶斯信念网络II . 马尔科夫假设III . 贝叶斯信念网络 示例 1IV . 贝叶斯信念网络 示例 2V . 贝叶斯信念网络 联合概率分布计算VI . 贝叶斯信念网络 联合概...
- 文章目录 I . 数据挖掘 功能II . 数据挖掘 结果判断III . 数据挖掘 学习框架IV . 数据挖掘 分类 I . 数据挖掘 功能 1 . 概念描... 文章目录 I . 数据挖掘 功能II . 数据挖掘 结果判断III . 数据挖掘 学习框架IV . 数据挖掘 分类 I . 数据挖掘 功能 1 . 概念描...
- 文章目录 I . 拼写纠正 简介II . 拼写纠正 案例需求III . 计算每个假设的概率IV . 引入 贝叶斯公式V . 使用贝叶斯公式计算每个假设的概率VI . 比较每个假设概率时 ... 文章目录 I . 拼写纠正 简介II . 拼写纠正 案例需求III . 计算每个假设的概率IV . 引入 贝叶斯公式V . 使用贝叶斯公式计算每个假设的概率VI . 比较每个假设概率时 ...
- 文章目录 一、 Apriori 算法过程二、 Apriori 算法示例 参考博客 : 【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集 与 事物 Tra... 文章目录 一、 Apriori 算法过程二、 Apriori 算法示例 参考博客 : 【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集 与 事物 Tra...
- # -*- coding: utf-8 -*- import numpy as np s = "11011011011011011011011011011011" print(len(s)) np.fro... # -*- coding: utf-8 -*- import numpy as np s = "11011011011011011011011011011011" print(len(s)) np.fro...
- 文章目录 一、 数据挖掘引入二、 数据挖掘简介三、 数据挖掘 与 KDD ( Knowledge Discovery From Data ) 从数据到知识四、 数据挖掘中的数据源五、 数据挖掘中的... 文章目录 一、 数据挖掘引入二、 数据挖掘简介三、 数据挖掘 与 KDD ( Knowledge Discovery From Data ) 从数据到知识四、 数据挖掘中的数据源五、 数据挖掘中的...
- 文章目录 I . 垃圾邮件过滤 需求 及 表示方法II . 贝叶斯方法 步骤 1 : 提出假设III . 贝叶斯方法 步骤 2 : 计算垃圾邮件假设概率IV . 贝叶斯方法 步骤 2 : 计算正常... 文章目录 I . 垃圾邮件过滤 需求 及 表示方法II . 贝叶斯方法 步骤 1 : 提出假设III . 贝叶斯方法 步骤 2 : 计算垃圾邮件假设概率IV . 贝叶斯方法 步骤 2 : 计算正常...
- 文章目录 一、 数据挖掘特点二、 数据挖掘组件化思想三、 朴素贝叶斯 与 贝叶斯信念网络四、 决策树构造方法五、 K-Means 算法优缺点六、 DBSCAN 算法优缺点七、 支持度 置信度八、 ... 文章目录 一、 数据挖掘特点二、 数据挖掘组件化思想三、 朴素贝叶斯 与 贝叶斯信念网络四、 决策树构造方法五、 K-Means 算法优缺点六、 DBSCAN 算法优缺点七、 支持度 置信度八、 ...
- 文章目录 一、 基于划分的聚类方法二、 K-Means 算法 简介三、 K-Means 算法 步骤四、 K-Means 方法的评分函数五、 K-Means 算法 图示 一、 基于划分... 文章目录 一、 基于划分的聚类方法二、 K-Means 算法 简介三、 K-Means 算法 步骤四、 K-Means 方法的评分函数五、 K-Means 算法 图示 一、 基于划分...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签