翻译学习
文章平均质量分 87
百老
熟悉数据治理、物联网、数字孪生、大数据等领域;
获得TOGAF企业架构师、数据治理专家、阿里云云计算工程师、系统集成项目管理工程师、CSDN专家博客、高校教资等认证;
具备数据治理咨询能力、全栈程序开发能力、数据中台架构能力
展开
-
数据治理系统的文献综述
还确定了一些关键的数据治理成功因素,包括战略问责制、标准、管理盲点、拥抱数据的复杂性、跨部门问题、数据质量指标、与其他公司的合作、战略控制点、数据利益相关者的培训和意识和合规性监控。因此,成功的数据治理需要将来自不同部门的不同专业知识汇集到任何一个组织中,以实现流程的一致性、透明度和可重复性,从而实现最佳的数据相关决策并建立问责制、保持范围和重点、定义可衡量的成功。傅等人认为,有效的数据治理框架可以帮助组织创建明确的使命、实现清晰、增强使用组织数据的信心、建立责任、保持范围和重点,并定义可衡量的成功标准。翻译 2022-11-28 09:22:15 · 486 阅读 · 0 评论 -
云计算数据治理的关键挑战
阻碍云计算模型更广泛采用的主要原因之一主要与数据治理方面有关。虽然安全性被证明是采用云计算被提及最多的挑战,但表明云中41%的安全问题与治理和法律问题有关。云治理是IT领域的一个新名词,目前仍处于不成熟状态。微软将云治理定义为“围绕管理以下因素定义策略:可用性、安全性、隐私、云服务的位置,以及在应用程序运行时执行策略的合规性和跟踪”。数据治理被认为是云治理中最重要的方面之一。为本地IT基础架构构建的数据治理程序无法部署用于云基础架构和服务供应,这将需要全新的要求、设计和实施。翻译 2022-10-24 15:49:05 · 244 阅读 · 0 评论 -
数据治理系统解决方案浅析
为了应对数据复杂的现实,数据管理解决方案变得越来越昂贵。企业在使用统筹数据方面变得更加复杂,推动了需要不同方式来处理这些数据的新需求。有远见的组织认为,解决数据问题的唯一方法是实施有效的数据治理。以前由IT驱动的管理数据方面的尝试大多都失败了。直到最近,数据治理大多是非正式的,国家在国家发展规划中多次提到大数据、数字化转型。尽管企业数字化转型其重要性得到高度认可,但数据治理领域仍处于开发和研究阶段。目前,存在的大多是数据治理领域的描述性文献综述。原创 2022-10-06 17:14:47 · 757 阅读 · 0 评论 -
大数据分析模型--批处理和流处理
ApacheFlume是一个基于代理的平台,它支持来自不同来源的分布式、可靠和可访问的Web服务,以有效地收集、聚合和移动大量事件数据到集中定义的数据存储。此外,Dryad的特点是功能众多,包括生成作业图、在可用机器上调度进程、处理集群中的瞬时故障、收集性能指标、作业可视化、调用用户定义的策略以及动态更新响应政策决定的工作图。这是一种系统化的处理范式,其中随着时间的推移收集一组数据或一组工业数据,例如运营数据、商业智能、社交数据、历史和档案数据以及服务数据,并将收集到的数据输入分析人机交互较少的处理系统。翻译 2022-09-26 15:32:52 · 2602 阅读 · 0 评论 -
基于数字孪生的智慧城市
智慧城市是基于数字城市、物联网和云计算建立的现实世界和数字世界的融合,实现人与物的感知、控制和智能服务,而数字孪生城市无疑是一种新型现代智慧城市建设的起点。它是城市大数据的资源库,是城市物联网的枢纽。随着物联网、大数据、云计算和人工智能的发展,智慧城市的建设基础已经从最初的静态3D建模层面逐步向动态数字技术与静态3D模型相结合的数字孪生层面演进,形成了数字孪生城市助力智慧城市建设的新理念。该文作者定义了数字孪生和数字孪生城市的概念,探讨了数字孪生与智慧城市的关系,分析了基于数字孪生的智慧城市的特点。翻译 2022-09-26 15:29:08 · 875 阅读 · 0 评论 -
基于卷积神经网络的海底火山烟雾图像分类
该文作者采用深度卷积神经网络(Deep Convolutional Neural Networks,DCNN)对小尺度数据集下的烟雾海底图和无烟海底图进行分类和有限的计算。在后期的工作中,我们可以增加样本的多样性(如黑烟、灰烟等,海底火山结合多种类型的烟雾,海底生物复杂场景的底图等)。翻译 2022-09-22 17:23:55 · 440 阅读 · 0 评论 -
基于遥感图像深度学习的海洋测深
沿海开发和规划面临的问题,包括自然灾害和极端风暴事件。跟踪和预测沿海地区物理特征随时间演变的能力是沿海开发、风险缓解和沿海地区一体化管理的重要因素。传统的海洋测深是使用回声探测技术获得的,该技术被认为是昂贵的,并且由于各种情况,并不一定可行。遥感图像可用于使用入射波特征和反演模型(例如波的物理模型)来估计测深。本文作者提出了一种使用深度学习进行测深估计的新方法。结果表明,深度学习能够在各种模拟情况下准确估计海洋深度,提供了一种新的海洋测深方法和深度学习的新应用。翻译 2022-09-22 08:58:16 · 1565 阅读 · 0 评论 -
地球系统科学混合建模方法的挑战和机遇
这种方法对于稀疏空间数据也很有用,例如非卫星观测(地面站、浮标等),与仅使用再分析数据的其他方法相比,可以通过深度神经网络使用站点数据增加再分析数据的分辨率。计算需求随着时间的推移不断增长,并超过传统的仅使用 CPU 的超级计算的能力,Earth Systems的建模已从同构HPC系统转移到加速计算领域,尤其是基于GPU的加速。特征检测还有助于地球系统建模的决策支持,特征检测器可以在长期运行的气候模型中识别“有趣”的数据区域,然后只保存该特定事件的数据,大大降低了模型运行的I/O和存储要求。翻译 2022-09-21 09:17:11 · 274 阅读 · 0 评论 -
边缘计算:趋势、挑战、方向
在最终用户或设备与云之间,EC范式并不打算取代云服务,而是对其进行扩展,在最终用户附近提供强大的计算资源,以更低的网络流量和更低的延迟,同时提供更好的用户体验. 尽管如此,如果需要,边缘节点总是有可能访问网络核心。边缘计算 (边缘计算) 范式将计算和存储放到网络的边缘,在边缘进行消费和生产数据。雾计算:在该模式中数据、(数据)处理和应用程序集中在网络边缘的设备中,而不是几乎全部保存在云中,是云计算(Cloud Computing)的延伸概念,这个因“云”而“雾”的命名源自“雾是更贴近地面的云”。翻译 2022-09-21 09:09:49 · 825 阅读 · 0 评论 -
哥白尼海洋环境观测服务:观测--数据--用户
本文作者概述了CMEMS的发展,以及如何通过生成可供下游应用和服务使用的高级海洋数据产品来提高原位观测和卫星观测的价值,突出说明原位观测与卫星观测的互补性,描述CMEMS长期发展的前景以及原位观测和卫星观测对海洋观测发展的影响。超过一半的CMEMS用户和25%的下载量来自研究组织,公共部门(环境监控、海洋安全)占其18%的用户和33%的下载量,私营部门占用户的13%和下载量的35%。观测是CMEMS的基本支柱,因此CMEMS高度依赖于全面的卫星观测和海洋原位观测的及时可用性。图1 CMEMS体系架构。翻译 2022-09-20 13:47:11 · 3025 阅读 · 0 评论 -
关于海洋数据上云的一些机遇与挑战
自从玛丽亚飓风中恢复过来以来,加勒比区域观测子系统致力于开发和测试基于云的高性能计算(HPC)海洋模型,加勒比区域观测子系统的建模人员已经在亚马逊AWS云平台上进行了区域高分辨率的有限体积海洋模型(FVCOM)的试验,接下来要进行迁移的是其气象研究预报(WRF)实施、模拟近海波浪(SWAN)和SWAN海滩预报以及更新的区域海洋建模系统(ROMS)。在文章中,该作者提供云计算的介绍,描述云计算用于管理和分析观测数据和模型结果的用途,讨论迁移到云时必须考虑的因素:成本、安全性和组织对云计算使用的限制。翻译 2022-09-20 10:58:30 · 757 阅读 · 0 评论