自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

51CTO首頁(yè)

AI.x社區(qū)

軟考社區(qū)

免費(fèi)課

企業(yè)培訓(xùn)

鴻蒙開發(fā)者社區(qū)

WOT技術(shù)大會(huì)

公眾號(hào)矩陣

移動(dòng)端

視頻課免費(fèi)課排行榜短視頻直播課軟考學(xué)堂

全部課程軟考華為認(rèn)證廠商認(rèn)證 IT技術(shù)PMP項(xiàng)目管理免費(fèi)題庫(kù)

在線學(xué)習(xí)

文章資源問答課堂專欄直播

51CTO

鴻蒙開發(fā)者社區(qū)

51CTO技術(shù)棧

51CTO官微

51CTO學(xué)堂

51CTO博客

CTO訓(xùn)練營(yíng)

鴻蒙開發(fā)者社區(qū)訂閱號(hào)

51CTO軟考

51CTO學(xué)堂APP

51CTO學(xué)堂企業(yè)版APP

鴻蒙開發(fā)者社區(qū)視頻號(hào)

51CTO軟考題庫(kù)

賬號(hào)設(shè)置退出

數(shù)據(jù)分析

1669內(nèi)容??

關(guān)注

涵蓋數(shù)據(jù)分析相關(guān)研究熱點(diǎn)、技術(shù)難點(diǎn)與應(yīng)用場(chǎng)景，讓用戶更好地學(xué)習(xí)、使用數(shù)據(jù)分析的各種工具。

共 1669 條

人貨匹配模型沒搞懂？互聯(lián)網(wǎng)行業(yè)都在討論它

所謂電子商務(wù)，還是商務(wù)，本質(zhì)上運(yùn)作的邏輯是一樣的。不同的是，互聯(lián)網(wǎng)上用戶行為能留下充分的數(shù)據(jù)記錄，因此能進(jìn)行相對(duì)準(zhǔn)確的分析。再也不用像傳統(tǒng)門店那樣，靠研究人員現(xiàn)場(chǎng)肉眼觀察消費(fèi)動(dòng)線了。?

2023-12-26 13:15:20

人貨匹配模型

EDA中常用的九個(gè)可視化圖表介紹和代碼示例

探索性數(shù)據(jù)分析(EDA)是數(shù)據(jù)科學(xué)家用來(lái)分析和調(diào)查數(shù)據(jù)集并總結(jié)其主要特征的一種方法，通常采用數(shù)據(jù)可視化技術(shù)。我們可以說(shuō)EDA是通過(guò)創(chuàng)建可視化和摘要來(lái)調(diào)查和理解數(shù)據(jù)集的過(guò)程。

2023-12-25 15:51:07

探索性數(shù)據(jù)分析數(shù)據(jù)可視化

六個(gè)探索性數(shù)據(jù)分析(EDA)工具，太實(shí)用了！

在本文中將介紹六個(gè)極其實(shí)用的探索性數(shù)據(jù)分析(EDA)工具，這些工具能夠幫助您更好地理解數(shù)據(jù)、發(fā)現(xiàn)隱藏的信息，并為后續(xù)分析和決策提供有力支持。

2023-12-22 09:14:48

EDA 數(shù)據(jù)分析探索性數(shù)據(jù)分析

咨詢公司的數(shù)據(jù)分析模型有多高大上？帶你漲漲姿勢(shì)！

所謂分析模型和方法，都是有特定的使用背景、使用目的、使用效果的。而且并不是所有的分析方法，都是沖著“精準(zhǔn)”去的。能快速、省事的解決問題，才是最終目的。

2023-12-18 11:29:44

分析模型效果矩陣法

數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)方法

數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)可以幫助企業(yè)提高決策效率和準(zhǔn)確性、優(yōu)化業(yè)務(wù)流程和降低成本、提升用戶體驗(yàn)和增加用戶忠誠(chéng)度、發(fā)現(xiàn)新的商業(yè)機(jī)會(huì)和拓展市場(chǎng)，以及提高企業(yè)競(jìng)爭(zhēng)力和市場(chǎng)地位。

2023-12-13 13:35:50

數(shù)據(jù)驅(qū)動(dòng)數(shù)字化轉(zhuǎn)型數(shù)據(jù)分析

數(shù)據(jù)分析防掉坑指南

只要你聽到的不是一個(gè)具體指標(biāo)，都得打起十二分精神。因?yàn)闆]有經(jīng)過(guò)專業(yè)訓(xùn)練的人，根本分不清楚自己想問的是啥。一句“分析分析”就完事了。分析問題混亂是常事。

2023-12-13 12:46:49

數(shù)據(jù)分析指標(biāo)算法

如何讓數(shù)據(jù)湖倉(cāng)達(dá)到數(shù)據(jù)倉(cāng)庫(kù)的性能

數(shù)據(jù)湖倉(cāng)庫(kù)的演變重塑了數(shù)據(jù)分析，結(jié)合了數(shù)據(jù)湖和數(shù)據(jù)倉(cāng)庫(kù)的優(yōu)勢(shì)。盡管它具有變革性的潛力，但諸如高效查詢性能等挑戰(zhàn)仍然存在。創(chuàng)新解決方案如MPP查詢執(zhí)行、緩存框架和系統(tǒng)級(jí)優(yōu)化可能彌合這些差距，并使企業(yè)能夠享受湖倉(cāng)庫(kù)的所有好處，而無(wú)需承受任何缺點(diǎn)。

2023-12-13 07:26:24

數(shù)據(jù)湖倉(cāng)數(shù)據(jù)倉(cāng)庫(kù)性能

太精彩了，原來(lái)RFM模型還可以這樣用

任何模型都有其產(chǎn)生的歷史背景、數(shù)據(jù)基礎(chǔ)、使用范圍，也不是所有模型的目的都是精準(zhǔn)。簡(jiǎn)單、好用、省事，是更多時(shí)候的考慮。?

2023-12-11 13:57:00

RFM 模型激勵(lì)機(jī)制

數(shù)據(jù)科學(xué)家95%的時(shí)間都在使用的11個(gè)基本分布

今天將為大家?guī)?lái)數(shù)據(jù)科學(xué)家95%的時(shí)間都在使用的11個(gè)基本分布。掌握這些分布，有助于我們更深入地理解數(shù)據(jù)的本質(zhì)，并在數(shù)據(jù)分析和決策過(guò)程中做出更準(zhǔn)確的推斷和預(yù)測(cè)。

2023-12-08 13:53:47

基本分布數(shù)據(jù)科學(xué)數(shù)據(jù)分析

2023年五個(gè)自動(dòng)化EDA庫(kù)推薦

EDA或探索性數(shù)據(jù)分析是一項(xiàng)耗時(shí)的工作，但是由于EDA是不可避免的，所以Python出現(xiàn)了很多自動(dòng)化庫(kù)來(lái)減少執(zhí)行分析所需的時(shí)間。EDA的主要目標(biāo)不是制作花哨的圖形或創(chuàng)建彩色的圖形，而是獲得對(duì)數(shù)據(jù)集的理解，并獲得對(duì)變量之間的分布和相關(guān)性的初步見解。

2023-12-07 14:34:00

EDA 數(shù)據(jù)集數(shù)據(jù)分析

經(jīng)營(yíng)分析，如何診斷業(yè)務(wù)問題

所謂“屋漏偏逢連夜雨”，就是這個(gè)局面。此時(shí)，想要用數(shù)據(jù)描述問題，容易，樹個(gè)標(biāo)桿就能看出差距。想用數(shù)據(jù)診斷問題，就得突破上邊層層險(xiǎn)阻，爭(zhēng)取業(yè)務(wù)的支持和老板的理解，才能見效。這是從數(shù)據(jù)到落地的必經(jīng)之路。

2023-12-07 12:38:07

經(jīng)營(yíng)分析診斷業(yè)務(wù)數(shù)據(jù)

技術(shù) or 業(yè)務(wù)？數(shù)據(jù)分析發(fā)展路徑大盤點(diǎn)

本身，數(shù)據(jù)分析能力是個(gè)底層能力，各種崗位，各類公司都有需求。特別是最近各行各業(yè)的數(shù)字化轉(zhuǎn)型大潮，使得做數(shù)據(jù)的同學(xué)在業(yè)務(wù)上，技術(shù)上都多了很多公司和行業(yè)可以選擇。

2023-12-03 09:10:00

技術(shù)業(yè)務(wù)數(shù)據(jù)分析

探索性數(shù)據(jù)分析（EDA）之?dāng)?shù)據(jù)可視化案例：附數(shù)據(jù)集和源碼

在這篇文章中，我們使用數(shù)據(jù)可視化在數(shù)據(jù)集上做了一系列的實(shí)驗(yàn)和測(cè)試，基于各個(gè)變量對(duì)數(shù)據(jù)集做了一些分析，比如單變量分析和可視化（條形圖、餅圖、折線圖、直方圖）；熱力圖可看作是雙變量分析，因?yàn)樗尸F(xiàn)了兩兩變量之間的相關(guān)性。

2023-11-30 07:23:53

數(shù)據(jù)分析 EDA

加薪之路：高級(jí)數(shù)據(jù)分析師必備的八大能力

設(shè)計(jì)標(biāo)簽?zāi)芰褪崂碇笜?biāo)一樣重要，但是經(jīng)常被人忽視。高級(jí)的數(shù)據(jù)分析師可不是只會(huì)把維度表里的城市、性別、年齡拖出來(lái)用，而是能很敏銳地從業(yè)務(wù)口中捕捉到“高級(jí)用戶”“長(zhǎng)線運(yùn)營(yíng)”“防御性產(chǎn)品”這種詞語(yǔ)，然后試著用數(shù)據(jù)量化。

2023-11-29 13:50:00

數(shù)據(jù)分析師

推薦多任務(wù) 2023 最新進(jìn)展：用戶生命周期視角下的多任務(wù)推薦模型 STAN

自從 MMoE 和 PLE 大殺四方，獲得 RecSys Best Paper，多任務(wù) CTR/CVR/StayTime 還有什么做法？本文介紹了 Shopee 提出的在用戶分群基礎(chǔ)上進(jìn)一步細(xì)化多任務(wù)效果的優(yōu)化方法--用戶生命周期視角下的多任務(wù)推薦模型。

2023-11-29 07:25:58

生命周期數(shù)據(jù)分析

嚴(yán)把數(shù)據(jù)質(zhì)量關(guān)，用Pandas輕松進(jìn)行七項(xiàng)基本數(shù)據(jù)檢查

當(dāng)在處理較小的數(shù)據(jù)分析項(xiàng)目時(shí)，使用Pandas進(jìn)行這些數(shù)據(jù)質(zhì)量檢查是一個(gè)很好的起點(diǎn)。根據(jù)問題和數(shù)據(jù)集的不同，還可以加入其他檢查。

2023-11-28 18:15:42

Pandas 數(shù)據(jù)檢查

我們一起捋捋數(shù)據(jù)分析落地全流程

面對(duì)細(xì)節(jié)數(shù)據(jù)缺失，可以用管理手段配合數(shù)據(jù)建設(shè)。比如要求客服在首次接單且售后無(wú)異常的情況下，接單30分鐘內(nèi)完成分配，有異常就人工反饋標(biāo)注。

2023-11-28 12:42:56

數(shù)據(jù)分析管理

Python Pandas數(shù)據(jù)預(yù)處理：你知道數(shù)據(jù)標(biāo)準(zhǔn)化嗎？

z 映射的值是用當(dāng)前特征值與比較數(shù)組的平均值之差，除以比較數(shù)組的標(biāo)準(zhǔn)差計(jì)算得來(lái)的。例如，我們可以計(jì)算列 deceduti 的 z-map，使用列 terapia_intenva 作為比較數(shù)組。我們可以使用 scipy.stats? 庫(kù)的 zmap() 函數(shù)實(shí)現(xiàn)。

2023-11-27 13:58:00

數(shù)據(jù)預(yù)處理數(shù)據(jù)標(biāo)準(zhǔn)化

業(yè)務(wù)模型 VS 算法模型，到底該怎么用？

典型的業(yè)務(wù)模型RFM，做用戶分層時(shí)，如果每個(gè)指標(biāo)分3類，那么就有3*3*3=27類，在業(yè)務(wù)上已經(jīng)復(fù)雜到很難匹配對(duì)應(yīng)策略了。但是如果用協(xié)同過(guò)濾算法，完全可以做到千人千面，這也是算法模型的巨大優(yōu)勢(shì)。

2023-11-27 12:24:23

算法模型業(yè)務(wù)模型

淺談工作中常用的數(shù)據(jù)分析方法

本文將從業(yè)務(wù)指標(biāo)建立、業(yè)務(wù)指標(biāo)體系搭建到常用的數(shù)據(jù)分析方法進(jìn)行介紹。

2023-11-26 17:47:00

數(shù)據(jù)分析

數(shù)據(jù)分析經(jīng)典方法之：周期性分析法

周期分析法，還是更深入分析的基礎(chǔ)。比如做預(yù)測(cè)，如果能拆分出整體數(shù)據(jù)中周期規(guī)律，預(yù)測(cè)就非常簡(jiǎn)單！比如做指標(biāo)異動(dòng)分析，如果已知有幾個(gè)因素在影響，每個(gè)因素自身周期規(guī)律，那么追溯真實(shí)原因也很容易。很多同學(xué)做得不深入的原因，就是對(duì)基礎(chǔ)規(guī)律了解不夠。?

2023-11-26 08:20:35

數(shù)據(jù)分析周期性

Python：打造可視化數(shù)據(jù)分析應(yīng)用的實(shí)戰(zhàn)指南！

本文介紹了如何使用Python打造可視化數(shù)據(jù)分析應(yīng)用，以及NumPy、Pandas和Matplotlib這些常用模塊的使用方法和代碼案例。

2023-11-24 14:02:00

Python 數(shù)據(jù)分析

AI如何擴(kuò)展數(shù)據(jù)分析并使其更高效

通過(guò)自動(dòng)化各種分析任務(wù)和簡(jiǎn)化分析生命周期，AI將錯(cuò)誤降至最低，釋放人力資源用于戰(zhàn)略工作，并削減運(yùn)營(yíng)成本。在AI和數(shù)據(jù)之間的這種共生關(guān)系中，企業(yè)為擴(kuò)展分析和推動(dòng)數(shù)據(jù)驅(qū)動(dòng)的決策找到了一個(gè)強(qiáng)大的支持力量。

2023-11-21 16:02:56

數(shù)據(jù)分析人工智能

如何通過(guò)數(shù)據(jù)分析推動(dòng)數(shù)字時(shí)代營(yíng)銷的演變

在這個(gè)數(shù)字時(shí)代，技術(shù)和數(shù)據(jù)引導(dǎo)成功的營(yíng)銷活動(dòng)，數(shù)據(jù)分析已成為企業(yè)在這個(gè)動(dòng)態(tài)環(huán)境中生存和發(fā)展不可或缺的工具。通過(guò)利用數(shù)據(jù)分析，企業(yè)可以根據(jù)洞察做出決策，個(gè)性化營(yíng)銷策略，精確定位目標(biāo)受眾，并準(zhǔn)確評(píng)估營(yíng)銷計(jì)劃的結(jié)果。

2023-11-15 10:08:33

數(shù)據(jù)分析大數(shù)據(jù)

從零開始學(xué)習(xí)數(shù)據(jù)分析之MySQL入門

最近，我的一位證券行業(yè)的鐵哥們想要學(xué)習(xí)SQL，來(lái)取代Excel做數(shù)據(jù)處理。因此，我決定開設(shè)一個(gè)系列，從基礎(chǔ)知識(shí)開始，介紹數(shù)據(jù)分析的相關(guān)內(nèi)容。這個(gè)系列不僅涵蓋MySQL的SQL語(yǔ)句，還將涉及使用pymysql操作、Pandas用法、PySparkSQL、PySpark算子的使用以及商業(yè)智能（BI）報(bào)表平臺(tái)等方面的內(nèi)容。

2023-11-14 16:14:49

數(shù)據(jù)分析 MySQL 大數(shù)據(jù)

2023年重塑CRM和數(shù)據(jù)行業(yè)的趨勢(shì)

物聯(lián)網(wǎng)已經(jīng)成為大多數(shù)行業(yè)的游戲規(guī)則改變者，但2023年CRM和物聯(lián)網(wǎng)的合作將有所增加。這種集成帶來(lái)了許多優(yōu)勢(shì)，如銷售自動(dòng)化、高度定制的營(yíng)銷活動(dòng)、提高客戶忠誠(chéng)度等。

2023-11-08 07:00:10

CRM 數(shù)據(jù)行業(yè)趨勢(shì)

如何做內(nèi)容推薦策略產(chǎn)品？

本次將分享內(nèi)容推薦策略的道與術(shù)，其中“道”指價(jià)值觀，“術(shù)”指方法論。本篇內(nèi)容比較口語(yǔ)化，既適合一線同學(xué)，又適合從事搜廣推的團(tuán)隊(duì)管理者閱讀。

2023-11-06 07:33:01

推薦策略數(shù)據(jù)分析

Ydata_Profiling：自動(dòng)生成數(shù)據(jù)探索報(bào)告的Python庫(kù)

Ydata_profiling能夠直接完成數(shù)據(jù)探索的工作，只需要幾行代碼，它會(huì)生成互動(dòng)網(wǎng)頁(yè)形式的報(bào)告，里面包含數(shù)據(jù)概覽、字段分布、統(tǒng)計(jì)學(xué)特征、相關(guān)性、缺失值、樣本信息等。

2023-11-06 06:39:36

數(shù)據(jù)分析 Python

Filebeat on k8s 日志采集實(shí)戰(zhàn)操作

Filebeat? 提供了豐富的配置選項(xiàng)，可以根據(jù)您的需求對(duì)日志數(shù)據(jù)進(jìn)行高度定制和篩選。它還支持自動(dòng)發(fā)現(xiàn)新容器、節(jié)點(diǎn)和服務(wù)，并動(dòng)態(tài)調(diào)整采集策略。這使得它成為 Kubernetes 環(huán)境中日志采集的有力工具。

2023-11-06 01:17:25

主機(jī)容器選項(xiàng)

數(shù)據(jù)分析終極一問：指標(biāo)波動(dòng)有多大，才算是大！

所謂盲人騎瞎馬，大概就是這個(gè)感覺。至于指望著“從頭、騰、阿公司，請(qǐng)一個(gè)高級(jí)數(shù)據(jù)科學(xué)家，建立人工智能大數(shù)據(jù)模型，一張嘴就天知地知”，則已經(jīng)是病入膏肓指望著救命仙丹的想法了。

2023-11-03 11:51:31

指標(biāo)波動(dòng)數(shù)據(jù)模型

2023年大數(shù)據(jù)行業(yè)預(yù)測(cè)

大數(shù)據(jù)在2023年將變得觸手可及的一年。大多數(shù)公司現(xiàn)在都明白數(shù)據(jù)作為一種資產(chǎn)的價(jià)值，但許多企業(yè)仍在努力挖掘它的真正價(jià)值。嘗試這樣做在一定程度上推動(dòng)了托管數(shù)據(jù)庫(kù)即服務(wù)和/或數(shù)據(jù)管理即服務(wù)的增長(zhǎng)，從而降低了復(fù)雜性。

2023-11-02 07:24:41

大數(shù)據(jù)行業(yè)預(yù)測(cè)

我不建議你抄大廠的用戶畫像，為什么？

用戶數(shù)據(jù)少、做出來(lái)沒有用。還有些傳統(tǒng)企業(yè)傻乎乎，覺得：我找一些中間商，買一些用戶數(shù)據(jù)補(bǔ)個(gè)缺，是不是就OK了？當(dāng)然不是！國(guó)家對(duì)于用戶隱私的保護(hù)級(jí)別一直在上升。

2023-11-01 11:34:40

用戶畫像企業(yè)

Intent數(shù)據(jù)傳遞為什么需要Bundle？

使用序列化的好處是可以方便地傳遞復(fù)雜的對(duì)象，包括對(duì)象的屬性和方法等。而如果不通過(guò)序列化，直接傳遞對(duì)象的引用，可能會(huì)導(dǎo)致對(duì)象的屬性和方法在傳遞過(guò)程中丟失或無(wú)法正常使用。

2023-11-01 08:20:51

Intent 數(shù)據(jù)傳遞對(duì)象

科技運(yùn)營(yíng)數(shù)據(jù)管理實(shí)踐

數(shù)據(jù)管理實(shí)踐是一項(xiàng)有既有挑戰(zhàn)又有意義的工作，而且需要不斷持續(xù)優(yōu)化，它即是一門科學(xué)，更是一門藝術(shù)，我們要深入學(xué)習(xí)以上“道”，“法”，“術(shù)”，“器”的方法論，再結(jié)合工作中的具體場(chǎng)景，不斷深耕實(shí)踐，讓運(yùn)維之手和運(yùn)維之眼有數(shù)可依，更加高效、從容地實(shí)現(xiàn)自動(dòng)化、智能化運(yùn)維，全面實(shí)現(xiàn)科技賦能。我們將踔厲奮發(fā)、篤行不怠，持續(xù)推動(dòng)數(shù)字化轉(zhuǎn)型工作更上一層樓，把一流財(cái)富管理銀行推向前進(jìn)！

2023-10-31 07:06:50

運(yùn)營(yíng)數(shù)據(jù)管理

數(shù)據(jù)分層：打造數(shù)據(jù)資產(chǎn)管家

隨著數(shù)據(jù)分析技術(shù)的進(jìn)一步發(fā)展，數(shù)據(jù)分層也必將不斷優(yōu)化和完善。從數(shù)據(jù)分析工具的不斷升級(jí)，到人工智能和機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用，數(shù)據(jù)分層必將成為企業(yè)數(shù)據(jù)管理和決策分析的頭號(hào)利器。

2023-10-30 18:44:26

數(shù)據(jù)優(yōu)化數(shù)據(jù)分層

這才是搭建數(shù)據(jù)指標(biāo)體系，而不是死背AARRR

梳理數(shù)據(jù)流，即明確業(yè)務(wù)的目標(biāo)是否已量化記錄，業(yè)務(wù)的操作流程是否已量化記錄。這一步是確保前兩步梳理的內(nèi)容，能落地成數(shù)據(jù)表報(bào)，而不是懸在空中。考察的是數(shù)據(jù)采集的功夫。

2023-10-30 08:14:14

數(shù)據(jù)指標(biāo)體系

火山引擎VeCDP：如何0-1構(gòu)建與應(yīng)用標(biāo)簽體系

火山引擎VeCDP的標(biāo)簽最終服務(wù)于上層的業(yè)務(wù)場(chǎng)景，例如營(yíng)銷、分析等場(chǎng)景。而標(biāo)簽體系是對(duì)標(biāo)簽的一種組織方式，對(duì)標(biāo)簽進(jìn)行分類，形成一套可以長(zhǎng)期穩(wěn)定使用并且適用性較強(qiáng)的框架。

2023-10-30 07:30:08

VeCDP 火山引擎

數(shù)據(jù)分析的經(jīng)典方法之結(jié)構(gòu)分析法

類似的方法，還有矩陣分析法、趨勢(shì)分析法、漏斗分析法。這些方法的共同點(diǎn)，就是：用一組有邏輯的指標(biāo)，樹立清晰的標(biāo)桿，長(zhǎng)期監(jiān)控業(yè)務(wù)變化，從而快速得出結(jié)論。

2023-10-29 18:15:41

數(shù)據(jù)分析趨勢(shì)分析法漏斗分析法

這套方法，更能讓數(shù)據(jù)分析師立功，比算法模型好用

往往我們看到所謂用戶畫像，ABtest，預(yù)測(cè)模型，要么就是那些順風(fēng)順?biāo)拇髲S在說(shuō)，要么就是當(dāng)產(chǎn)品準(zhǔn)備賣給乙方的甲方在說(shuō)。一但大形勢(shì)不好，過(guò)往吹得再厲害的模型、畫像、測(cè)試統(tǒng)統(tǒng)都不管用了。

2023-10-27 11:31:00

數(shù)據(jù)分析師預(yù)測(cè)模型 ABtest

數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)，就得這么干！

破題的關(guān)鍵，在于：把業(yè)務(wù)動(dòng)作和數(shù)據(jù)關(guān)聯(lián)起來(lái)。用數(shù)據(jù)論證判斷，在行動(dòng)中收集數(shù)據(jù)，這樣才能讓數(shù)據(jù)和業(yè)務(wù)結(jié)合起來(lái)。比如眼前的任務(wù)，注意審題，老板只給了個(gè)方向：提升兩平臺(tái)同時(shí)下單人數(shù)，至于到底現(xiàn)在是多少，提升到多少？為什么要提升？一點(diǎn)信息都沒給。

2023-10-26 06:58:44

數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)

數(shù)據(jù)分析和機(jī)器學(xué)習(xí)的11個(gè)高級(jí)可視化圖表介紹

可視化是一種強(qiáng)大的工具，用于以直觀和可理解的方式傳達(dá)復(fù)雜的數(shù)據(jù)模式和關(guān)系。它們?cè)跀?shù)據(jù)分析中發(fā)揮著至關(guān)重要的作用，提供了通常難以從原始數(shù)據(jù)或傳統(tǒng)數(shù)字表示中辨別出來(lái)的見解。

2023-10-24 20:38:15

數(shù)據(jù)分析機(jī)器學(xué)習(xí)

如何正確使用 Bean Validation 進(jìn)行數(shù)據(jù)校驗(yàn)

為了避免重復(fù)這些驗(yàn)證，通常的做法是將驗(yàn)證邏輯直接捆綁到領(lǐng)域模型中，通過(guò)元數(shù)據(jù)（默認(rèn)是注解）去描述模型，生成校驗(yàn)代碼，從而使校驗(yàn)從業(yè)務(wù)邏輯中剝離，提升開發(fā)效率，使開發(fā)者更專注業(yè)務(wù)邏輯本身。

2023-10-18 18:38:44

數(shù)據(jù)校驗(yàn)業(yè)務(wù)

使用Pandas進(jìn)行時(shí)間重采樣，充分挖掘數(shù)據(jù)價(jià)值

在Pandas中進(jìn)行數(shù)據(jù)重采樣，有助于可視化連續(xù)或離散時(shí)間數(shù)據(jù)中的趨勢(shì)和規(guī)律，進(jìn)一步挖掘數(shù)據(jù)價(jià)值，突出顯示不同的組成部分，包括趨勢(shì)、季節(jié)性和不規(guī)則問題（可能是數(shù)據(jù)中的噪音）。

2023-10-16 18:02:29

Pandas 數(shù)據(jù)可視化

大數(shù)據(jù)企業(yè)獲得創(chuàng)新的見解

現(xiàn)在最流行的是人工智能技術(shù)，盡管人工智能已經(jīng)存在了幾十年，但直到最近它才進(jìn)入主流的消費(fèi)環(huán)境。由于采用的成本高，人工智能行業(yè)一直被財(cái)力雄厚、能夠獲得大量數(shù)據(jù)的企業(yè)所主導(dǎo);這是因?yàn)椋绻麤]有當(dāng)今的大數(shù)據(jù)技術(shù)，人工智能就難有作為。

2023-10-13 06:52:40

大數(shù)據(jù)人工智能生產(chǎn)力

15個(gè)高效的Pandas代碼片段

Python的Pandas庫(kù)是數(shù)據(jù)科學(xué)家必備的基礎(chǔ)工具，在本文中，我們將整理15個(gè)高級(jí)Pandas代碼片段，這些代碼片段將幫助你簡(jiǎn)化數(shù)據(jù)分析任務(wù)，并從數(shù)據(jù)集中提取有價(jià)值的見解。

2023-10-12 15:02:21

Python Pandas 數(shù)據(jù)分析

數(shù)據(jù)分析：揭示戰(zhàn)略重點(diǎn)舉措的隱藏模式

在當(dāng)今快節(jié)奏和數(shù)據(jù)驅(qū)動(dòng)的世界中，企業(yè)不斷尋求獲得競(jìng)爭(zhēng)優(yōu)勢(shì)的方法。為滿足這一需求而出現(xiàn)的一種強(qiáng)大工具是數(shù)據(jù)分析。通過(guò)利用數(shù)據(jù)的巨大力量，企業(yè)可以做出更明智的決策并推動(dòng)戰(zhàn)略舉措，從而推動(dòng)他們走向成功。

2023-10-10 16:06:14

數(shù)據(jù)分析工具

九張圖揭秘如何做數(shù)據(jù)分析項(xiàng)目

某互聯(lián)網(wǎng)大廠TOB業(yè)務(wù)線，可以向平臺(tái)商家提供SaaS/Paas類服務(wù)，但苦于銷售水平不高，溝通話術(shù)質(zhì)量不佳，轉(zhuǎn)化率不足?，F(xiàn)計(jì)劃做話術(shù)培訓(xùn)，提升客戶轉(zhuǎn)化率。

2023-10-10 11:41:28

數(shù)據(jù)分析項(xiàng)目

數(shù)據(jù)分析，如何驅(qū)動(dòng)科學(xué)決策

所謂的決策不科學(xué)性：原本可以出去玩，結(jié)果非宅家惹女朋友不開心?；蛘弑緛?lái)可以去景點(diǎn)，結(jié)果因?yàn)椴恢?，所以沒去。通過(guò)數(shù)據(jù)澄清現(xiàn)狀，梳理邏輯，可以避免這些問題。

2023-10-09 08:22:18

驅(qū)動(dòng)科學(xué)數(shù)據(jù)分析因素

大數(shù)據(jù)面臨的六個(gè)挑戰(zhàn)以及如何利用云計(jì)算克服這些挑戰(zhàn)？

企業(yè)在利用大數(shù)據(jù)的力量時(shí)遇到的另一個(gè)主要挑戰(zhàn)是缺乏熟練的人才。大數(shù)據(jù)分析需要一套獨(dú)特的技能，包括數(shù)據(jù)科學(xué)、統(tǒng)計(jì)、編程和領(lǐng)域?qū)I(yè)知識(shí)。然而，擁有這些專業(yè)技能的專業(yè)人員嚴(yán)重短缺。

2023-10-09 06:52:53

大數(shù)據(jù)云計(jì)算數(shù)據(jù)分析

Pydantic，數(shù)據(jù)類型確認(rèn)和解析神器

Pydantic通過(guò)提供一種優(yōu)雅且易于使用的解決方案，簡(jiǎn)化了Python中數(shù)據(jù)驗(yàn)證和解析。它能確保數(shù)據(jù)的一致性，簡(jiǎn)化數(shù)據(jù)轉(zhuǎn)換，并自動(dòng)生成文檔。

2023-10-08 12:34:16

Pydantic 數(shù)據(jù)轉(zhuǎn)換

上一頁(yè) 1 ··· 3 4 5 6 7 ··· 34 下一頁(yè)

點(diǎn)贊

51CTO技術(shù)棧公眾號(hào)

業(yè)務(wù)
速覽

媒體

51CTO CIOAge HC3i

社區(qū)

51CTO博客鴻蒙開發(fā)者社區(qū) AI.x社區(qū)

教育

51CTO學(xué)堂精培企業(yè)培訓(xùn) CTO訓(xùn)練營(yíng)