- 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...
- 商务智能系列文章目录 【商务智能】数据预处理 【商务智能】数据仓库 ( 多维数据模型 | 多维数据分析 ) 【商务智能】商务智能 ( 概念 | 组成 | 过程 ) 文章目录 商务智能系列文... 商务智能系列文章目录 【商务智能】数据预处理 【商务智能】数据仓库 ( 多维数据模型 | 多维数据分析 ) 【商务智能】商务智能 ( 概念 | 组成 | 过程 ) 文章目录 商务智能系列文...
上滑加载中
推荐直播
-
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中 -
华为云码道全新升级，多会话并行与多智能体协作2026/05/08 周五 19:00-21:00
王一男-华为云码道产品专家；张嘉冉-华为云码道工程师；胡琦-华为云HCDE；程诗杰-华为云HCDG
华为云码道4月份版本全新升级，此次直播深度解读4月份产品特性，通过“特性解读+实操演示+实战案例+设计创新”的组合，全方位展现码道在多会话并行与多智能体协作方面的能力，赋能开发者提升效率
正在直播
热门标签