2020年09月_普通网友

12月 11月 10月 09月 08月 07月 06月 05月 01月

原创 tensorflow从入门到精通100讲（四）-细粒度的情感分析Gated Convolutional Networks

首先简要介绍一下基于Aspect的情感分析(Aspect based sentiment analysis——ABAS)，ABAS的主要任务：是判断句子所在的场景在某一方面的情感极性。举个例子，假如我们拿到一条餐厅评价文本数据如下：这家餐厅的环境还不错，可以菜做的不怎么样。ABSA的任务就是去判断出下面两方面的情感极性：1.在‘环境’这个aspect，文本的情感是积极的，2.在‘做菜’这个aspect，文本的情感是消极的。和普通的情感分析的不同点是，此类情感分析任务除了需要给出文本的情感极性，还

2020-09-30 09:01:26 1454

原创建议三连，数据分析师的年终述职报告，留给你的年终报告吧

2020年马上到10月，又快到一年一度的年终总结+述职报告环节。有很多同学表示：有没有模板可以抄抄，今天它来了。考虑到每位同学做述职的性情不太一样，有的想出人头地，有的只想交差了事，有的早就对公司不满恨不得马上离职。因此，我们今天会给几个个性化版本，大家参照自己的需求来写。01版本一：负分滚粗型使用场景：想被领导骂的时候范文：我一年都好忙啊，都在写代码，写的啥我也不知道写作要点：很多做数据分析的同学，其实没有什么项目经验，也没有正儿八经建模，每天都在做人...

2020-09-29 16:06:23 1273

原创 Keras版Sequence2Sequence对对联实战——自然语言处理技术

今天我们来做NLP（自然语言处理）中Sequence2Sequence的任务。其中Sequence2Sequence任务在生活中最常见的应用场景就是机器翻译。除了机器翻译之外，现在很流行的对话机器人任务，摘要生成任务都是典型的Sequence2Sequence。Sequence2Sequence的难点在于模型需要干两件比较难的事情：语义理解（NLU:Natural Language Understanding）：模型必须理解输入的句子。句子生成(NLG:Natural Language Genera

2020-09-29 09:23:52 2297

原创初探目前最火的鸿蒙系统，跑了个 “hello world”！

最近华为鸿蒙OS 2.0正式开源！关于鸿蒙的教程其实网上也已经有一些尝鲜的小伙伴分享的相关文章了，编者我按照步骤一步步跑下来，整个流程还是非常简单的，尤其是对Android开发的小伙伴来说，从IDE到项目的创建及项目的编译安装简直是一模一样呀。我特么的都有点怀疑人生了...感兴趣的读者也可以试试哦。再贴一下鸿蒙的源码地址：https://openharmony.gitee.com咱们一起来跟着一位网友（一个俗人）学习一下如何跑起来第一个“hello world”，原文如下：1.前序.

2020-09-28 08:43:26 5524

原创 Tableau必知必会之图表显示部分标签的小妙招

有一个小的应用点，很多Tableau用户找不到解决的方法，那就是：在工作表里面，如何只显示部分标签，其他的不想显示。例如：下面这个标签杂乱甚至重叠的折线图，看起来是不是特别凌乱，甚至不知道标签显示的是哪个点。如果变成这样，只显示大于400,000销售额的月份。图表立刻变得一目了然，对吧？如果需要通过手工方式，一个个去掉不想要的标签，太费时费力。是否有更简单快捷的方法呢？其实，想实现这种效果，只需要写一个计算字段。我们以Tableau自带的超市数据为例。具体步骤如下：一、创

2020-09-27 09:50:46 4974

原创深度学习核心技术精讲100篇（九）-Catboost算法原理解析及代码实现

今天笔者来介绍一个超级简单并且又极其实用的boosting算法包Catboost，据开发者所说这一boosting算法是超越Lightgbm和XGBoost的又一个神器。catboost 简介在笔者看来catboost有一下三个的优点：它自动采用特殊的方式处理类别型特征（categorical features）。首先对categorical features做一些统计，计算某个类别特征（category）出现的频率，之后加上超参数，生成新的数值型特征（numerical features）。这

2020-09-27 09:50:12 2431

原创深度学习核心技术精讲100篇（七）-keras 实战系列之深度学习模型处理多标签（multi_label）

最近在读论文的的过程中接触到多标签分类(multi-label classification)的任务，必须要强调的是多标签（multi-label）分类任务和多分类(multi-class)任务的区别：多标签分类任务指的是一条数据可能有一个或者多个标签，举个例子：比如一个病人的体检报告，它可能被标记上，高血压，高血糖等多个标签。多分类任务指的是一条数据只有一个标签，但是标签有多种类别。机器学习中比较经典的iris鸢尾花数据集就是标准的多分类任务，一条数据喂给模型，模型需判断它是3个类别中的哪一个

2020-09-26 07:11:40 2331 2

原创摘要抽取算法——最大边界相关算法MMR(Maximal Marginal Relevance) 实践

NLP(自然语言处理)领域一个特别重要的任务叫做——文本摘要自动生成。此任务的主要目的是快速的抽取出一篇文章的主要内容，这样读者就能够通过最少的文字，了解到文章最要想表达的内容。由于抽取出来的摘要表达出了文章最主要的含义，所以在做长文本分类任务时，我们可以采用文本摘要算法将长文本的摘要抽取出来，在采用短文本分类模型去做文本分类，有时会起到出奇的好效果。文本摘要自动生成算法文本摘要抽取算法主要分为两大类：一种是生成式：生成式一般采用的是监督式学习算法，最常见的就是sequence2sequence

2020-09-25 08:39:54 1871

原创 tableau必知必会之如何将 Tableau Server 从 Windows 迁移到 Linux 的方法

Tableau 10.5 推出的 Linux版Tableau Server，用户能够将Tableau的分析平台与Linux的企业级功能相结合。该版本的最终用户功能与 Windows 版 Tableau 完全相同，已经在自己 IT 环境中使用 Linux 的客户可以快速地将 Tableau Server 无缝集成到自己的流程和工作流中。借助这个新的部署选项，喜欢使用 Linux 的客户无需再为了支持 Tableau 而同时维护 Windows 和 Linux 环境。...

2020-09-24 09:17:47 1237

原创深度学习核心技术精讲100篇（二十）-如何通过树模型实现梯度提升树(GBDT)+LR,随机森林(RandomForest) +LR

在讲如何通过树模型做特征工程之前，首先让我们回顾一下一个机器学习（除去深度学习项目部分）项目的大致流程：从业务场景中抽象出问题——分类问题，回归问题，还是聚类问题等，接下来是数据获取，数据清洗，探索性数据分析(EDA)等数据预处理方面的工作，然后就是特征工程（Feature Engineering），这部分需要人工对数据进行理解，采取一些手动或者自动的方法，挖掘出重要的特征或者一些有联系的组合特征，这一步在机器学习项目中极其关键，选择和应用场景以及数据类型相符合的机器学习模型，调参数，模型融

2020-09-24 09:16:44 1350

转载张一鸣：我的大学四年收获及工作感悟

在生活工作当中，我们经常会发现：为什么有的年轻人创业越做越大，有的年轻人创业却越做越小？为什么同时进入职场的年轻人，两三年后达到的高度可能相差甚远？一个优秀的年轻人，和一个普通的年轻人之间，到底有什么区别？张一鸣先生的这篇深度总结，应该能给你很多思考。大学里的三点收获2001年我考入了南开大学，起初大学的生活是让人有点失落的，但慢慢地从安静朴素的校园和踏实努力的氛围中，我还是找到了自己的节奏。大学期间我主要在做三件事情，一是写代码，因为我是搞技术的；二是看书，看了很多很多书；三是修...

2020-09-23 08:41:58 1213

原创深度学习核心技术精讲100篇（六）-keras 实战系列之推荐系统FM（Factorization Machine）算法

笔者在之前的文章中介绍过使用keras搭建一个基于矩阵分解的推荐系统,而那篇文章所介绍的方法可能只是一个庞大推荐系统中的一小环节。而对于工业级别的推荐系统，面对极其庞大的产品种类数量，一步就输出符合用户心意的产品可能够呛，最好的方式应该是从巨大的产品类别之中粗筛出一些靠谱的待推荐产品，然后再从粗筛的产品中精挑细选出要推荐给用户的最终产品。工业级别的推荐系统简介工业级别的推荐系统的架构图如下图所示，大致分为两个阶段：召回阶段：也就是粗筛阶段，由于涉及到的产品数量巨大，大的公司都是千万级别，甚至上亿

2020-09-22 08:42:40 1304 1

原创深度学习核心技术精讲100篇（十二）-DCGAN(对抗生成网络）算法应用及代码实现

前一阵子，偶然看到一个换脸的视频，觉得实在是很神奇，于是饶有兴致的去了解一下换脸算法。原来背后有一个极为有意思的算法思想——对抗生成。今天笔者斗胆来介绍一下在学术界大名鼎鼎的GAN(Generative Adversarial Networks ),此网络结构由Ian J. Goodfellow大神在2014年提出，一经推出，就引爆了学术界。随后各种各样的GAN算法以指数级增长的方式涌现出来，比如WGAN（Wasserstein GAN），CGAN（condition gan），SRGAN（super

2020-09-21 09:12:34 1478

原创 tableau必知必会之教你做品牌树的树梢（分类桑基图补丁）

关于桑基图，我们分享过tableau必知必会之如何巧妙制作分类桑基图。最近，我们收到很多数据粉反馈：我是小白，可否告诉我，品牌树顶端的树梢部分怎么实现呢？今天，我就将品牌树的树梢部分的做法分享给大家。已掌握此技巧的用户可将它分享给有学习需求的数据朋友，独乐乐不如众乐乐嘛！分类桑基图的栗子中，树梢部分的制作方法未能尽述（如下图）。因为，实现这种效果的步骤的确很简单。这里，我们用Tableau自带的超市数据为例，来分享它的做法。具体步骤如下：一、创建条形图将子类别拖至列.

2020-09-20 07:25:13 1641

原创机器学习算法源码全解析（一）-带你深入理解随机森林（RandomForest）原理及如何防止 Dropout

要想了解如何增强机器学习模型性能，我们需要知道如何降低模型的误差。所以首先我们必须明白模型误差是由偏差（Bias）和方差（Variance）组成的。偏差是指样本预测值的平均值与样本真实值的差，而方差是指样本预测值偏离样本预测值平均值的程度。其中偏差（Bias）可以描述模型的准确性而方差（Variance）可以描述模型的稳定性，一定程度上反映了模型泛化能力。所以增强机器学习模型性能就意味着需要提高模型的准确性和稳定性。我们来看看下图，直观的感受一下偏差（Bias）和方差（Variance）对模

2020-09-20 07:23:57 1332

原创胶囊网络（Capsule）实战——keras算法练习

Capsule是深度学习之父hinton在2017年提出来的一个较为轰动的网络结构。capsule这个结构主要的特点是：Vector in Vector out——向量进，向量出，而普通的神经元(Neuron)是Vector in Scalar out——向量进，标量出。capsule输出的向量比Neuron输出的标量表达出更丰富的特征。下图台湾大学的李宏毅老师对capsule解读的slide。Neuron的输出标量只能表示到是否存在鸟嘴。 capsule的输出的向量不仅能表示鸟嘴是否存在，而且还能

2020-09-19 07:00:52 1922

转载在阿里写了8年代码后，我才明白这些道理

导读：很多工程师在工作一段时间后会遇到迷茫期，虽有技术傍身，也难免会产生焦虑，反复思考怎样才能快速成长。关于如何提高自己的思考力，运用思考的力量推动能力提升，以此实现技术成长，阿里巴巴盒马产品技术部的岩动在阿里工作8年后，总结了一套思考方法，分享给每个正在成长的工程师。（本篇文章较长，阅读时间约30分钟，建议收藏后，找一个合适的时间慢慢品读哦）引言我们来看一下几类在程序员成长、发展的常见问题，如果你或多或少存在一些，那么恭喜你，这篇文章值得你仔细往下看了：你自认为付出了跟别...

2020-09-18 09:36:03 1403

原创 MATLAB在AI领域的应用，语音信号处理全解析（附代码）

数字信号处理课设，我们使用MATLAB对语音信号进行了一系列处理，并将其所有功能集中于下图界面中：这个界面涉及功能众多，其中包括语音信号的观察分析、音色变换、AM调制解调、减抽样、加噪去噪、相频分析和幅频滤波等，最重要的是对MATLAB中函数的掌握，通过不同函数的组合实现你想要实现的功能。本篇不会给出整个界面的程序，下面会分块给出每个功能的程序，整个界面只需GUI设计界面文件、定义结构体并把对应键程序打进去即可。1、语音信号的采集1.1题目要求使用windows下的录音机录制一段语音

2020-09-18 08:55:23 3164

转载新技术加速隐私暴露，如何应对？

新技术加速隐私暴露，如何应对？（一）原创数据玩家一个数据玩家的自我修养2019-10-09收录于话题#新技术与隐私保护8个点击上方蓝字关注数据玩家正文约4000字，读完需11分钟序最近的大数据行业风声鹤唳，多家大数据服务头部企业、贷超、催收公司被查，引发行业地震，未被牵连的企业纷纷自查，其他头部公司黑稿和纠纷频出。从业者如惊弓之鸟，人人自危；普通用户纷纷叫好，同时引发对隐私保护的担忧和强监管诉求。此刻我又想...

2020-09-17 10:52:10 9539 1

原创 tensorflow从入门到精通100讲（三）-谈谈Estimator在Tensorflow中的应用

正如Tensorflow的官网所示：TensorFlow 提供一个包含多个 API 层的编程堆栈其架构图如下。用户可以任意选择不同级别的API进行自己模型的构建。而本篇文章就最高级别的API——Estimator进行一个简短的介绍。tensorflow API层的编程堆栈使用Estimator的流程大致如下：构建输入数据流定义特征列创建Estimator实例训练模型，进行预测创建输入数据流tf.data API 构建输入数据流的流程如下图所示。构建输入..

2020-09-17 09:12:30 1087

原创 tensorflow从入门到精通100讲（五）-知识图谱（ Knowledge Graph）关系抽取之PCNN

知识图谱（ Knowledge Graph）以结构化的形式描述客观世界中概念、实体及其关系，将互联网的信息表达成更接近人类认知世界的形式，提供了一种更好地组织、管理和理解互联网海量信息的能力。上述一大段是我从2018知识图谱发展报告中copy下来的一段话，用普通人能听懂的人话来描述:知识图谱就是把去发现世间万物的之间的联系。在技术上就是将数据以一个一个的<subject,relation,object>的三元组形式存储起来。不知道大家有没有这样一种感受，如果你在某一领域的学习了解到很多的知

2020-09-16 09:03:32 2524 1

原创 Keras蚂蚁金服大赛实战——自然语言处理技术

之前在自然语言处理技术系列的第一篇NER实战的结语中介绍过：序列标注（分词，NER），文本分类（情感分析），句子关系判断（语意相似判断），句子生成（机器翻译）是NLP领域的四大任务，之后我又陆续简单介绍了情感分析实战,和Seq2Seq生成对联。今天我们来到这个系列的终章篇——语义相似判断。语义相似判断就是判断两个句子是否具有相同的语义，其应用场景多用于问答系统：判断两个问句是否具有相同的语义。判断问题和检索出的答案是否匹配。当然也可以用于其他场景比如判断两幅图片是否是一样——人脸识别，所以从广义上

2020-09-15 08:47:50 1267

原创 Keras情感分析（Sentiment Analysis）实战---自然语言处理技术

情感分析（Sentiment Analysis）是自然语言处理里面比较高阶的任务之一。仔细思考一下，这个任务的究极目标其实是想让计算机理解人类的情感世界。我们自己都不一定能完全控制和了解自己的情感，更别说机器了。不过在人工智能的认知智能阶段（人工智能三阶段——计算智能，感知智能，认知智能），商家还是可以用它来做一些商品或服务的评论分析，继而有效地去优化商品或服务，为消费者们提供更好用户体验。情感分析任务简介情感分析任务其实是个分类任务，给模型输入一句话，让它判断这句话的情感是积极的，消极的，还是

2020-09-14 09:11:36 2765

原创产品运营必须知道的几个概念，如何进行网页分析？

通过上一期内容《产品运营必须知道的几个概念，什么是定向营销？》，我们对自己的目标用户开始了引流行为，但是仅仅有流量是不够的。引流进来的用户着陆页在哪儿，在你网站做了什么，最后又是从哪儿退出的，他们又为什么要走呢，网站性能还可以做的更好吗？回顾一下Google Analystics报表逻辑我们就可以知道，行为内主要是告诉我们用户在网站什么页面产生了交互的模块。行为这一模块同其他模块相似，包含了很多子模块，如概览、行为流、网站内容、网站速度等，下面我们一一来讨论。概览这里不仅限于网页浏览

2020-09-13 07:55:31 1115

原创 Java 动态调试技术原理及实践

调试是发现和减少计算机程序或电子仪器设备中程序错误的一个过程。最常用的断点调试技术会在断点位置停顿，导致应用停止响应。本文将介绍一种Java动态调试技术，希望能对大家有帮助。同时也欢迎读者朋友们一起交流，继续探索动态化调试技术。1. 动态调试要解决的问题断点调试是我们最常使用的调试手段，它可以获取到方法执行过程中的变量信息，并可以观察到方法的执行路径。但断点调试会在断点位置停顿，使得整个应用停止响应。在线上停顿应用是致命的，动态调试技术给了我们创造新的调试模式的想象空间。本文将研究Java语言.

2020-09-13 07:54:46 1166

转载大厂面试爱问的「调度算法」，20 张图一举拿下

前言最近，我偷偷潜伏在各大技术群，因为秋招在即，看到不少小伙伴分享的大厂面经。然后发现，操作系统的知识点考察还是比较多的，大厂就是大厂就爱问基础知识。其中，关于操作系统的「调度算法」考察也算比较频繁。所以，我这边总结了操作系统的三大调度机制，分别是「进程调度/页面置换/磁盘调度算法」，供大家复习，希望大家在秋招能斩获自己心意的 offer。正文进程调度算法进程调度算法也称 CPU 调度算法，毕竟进程是由 CPU 调度的。当 CPU 空闲时，操作系统就选择内存中的某个「就绪.

2020-09-12 07:35:40 1029

原创扩张的矩阵三要素——时间、空间和事件

时间，空间和实物(事件)三个要素构成一个场景。改变其中任何一个要素都会进入到一个新的场景，同时另外两个要素也会随之发生改变。从产品的角度来看，三个要素的改变都可以让一个产品从一个现有的场景进入到另一个场景，完善产品的场景矩阵。甚至是通过三个要素的组合和不同颗粒度的划分，创造出全新的使用场景，使产品进入空白的市场实现新的扩张和增长。时间本篇我们从场景的第一个要素时间来看。时间相对于另外两个要素空间和实物更加的线性和均匀，并且有统一的标准度量单位，分钟，小时，天等。每一个不同的时间单位都对应一.

2020-09-12 07:35:06 3473

原创深度学习核心技术精讲100篇（十）-机器学习模型融合之Kaggle如何通过Stacking提升模型性能

之前的文章中谈到了机器学习项目中，要想使得使得机器学习模型进一步提升，我们必须使用到模型融合的技巧，今天我们就来谈谈模型融合中比较常见的一种方法——stacking。翻译成中文叫做模型堆叠，接下来我们就来了解下，此法到底如何将模型做堆叠从而提升模型效果的。stacking具体流程我们就对着下图（两层的stacking）来详细描述一下如何做模型stacking：首先将数据分为5份，在stacking的第一层定义5个基模型[model_1 ,model_2,model_3,model_4,mod

2020-09-11 08:39:53 1602

原创 Keras命名体识别（NER）实战---自然语言处理技术

命名体识别（Name Entity Recognition）是自然语言处理(Nature Language Processing)领域中比较重要的一个任务，几乎百分之50的和文本处理有关的项目中都会涉及到命名体识别。笔者认为其中最关键的原因是：从广义的角度来讲，如果把一句话比作一串珍珠的话,命名实体就是这串珍珠项链中的珍珠，句子的其他部分是把珍珠串起来的线。举个例子： "小明在1992年从哈佛大学毕业 "其中小明，1992年，哈佛大学都是命名实体，而这些实体包含了这句话里面的极为重要信息：人物信息，

2020-09-10 06:43:28 1390

原创基于 Kafka 与 Debezium 构建实时数据同步

起源在进行架构转型与分库分表之前，我们一直采用非常典型的单体应用架构：主服务是一个 Java WebApp，使用 Nginx 并选择 Session Sticky 分发策略做负载均衡和会话保持；背后是一个 MySQL 主实例，接了若干 Slave 做读写分离。在整个转型开始之前，我们就知道这会是一块难啃的硬骨头：我们要在全线业务飞速地扩张迭代的同时完成架构转型，因为这是实实在在的”给高速行驶的汽车换轮胎”。为了最大限度地减少服务拆分与分库分表给业务带来的影响（不影响业务开发也是架构转型的前提），我们

2020-09-09 09:19:05 3480 3

原创运筹学（最优化理论）学习笔记 | 列生成法

以一个实际问题为例引出列生成算法。Cutting stockproblem 切割下料问题假设工厂有标准长度为218cm的钢管，现有客户需要44个长度为81cm的钢管，3个长度为70cm的钢卷，48个长度为68cm的钢卷。请问如何将标准长度为218cm的钢管进行切割，才能保证所使用标准长度钢管的数目最小？切法1：将1个标准长度的钢管切成1个81cm的钢管切法2：将1个标准长度的钢管切成1个70cm的钢管切法3：将1个标准长度的钢管切成1个68cm的钢管……切法n:可能各位也发现

2020-09-08 08:12:00 1814 1

原创深度学习核心技术精讲100篇（三）-层次自适应的多臂老虎机决策算法 ( HATCH )在滴滴中的应用

导读：本文是对滴滴 AI Labs 和中科院大学联合提出的 WWW 2020 Research Track 的 Oral 长文 "Hierarchical Adaptive Contextual Bandits for Resource Constraint based Recommendation" 的详细解读。在这篇文章中，滴滴 AI Labs 提出了一种基于强化学习的层次自适应的多臂老虎机的资源限制下的个性化推荐方法 (HATCH)。该方法将资源限制下的用户推荐问题建模成一个资源限制下的上下文..

2020-09-08 08:08:38 1474

原创 LeetCode上稀缺的四道shell编程题解析

LeetCode19201题目描述写一个 bash 脚本以统计一个文本文件 words.txt 中每个单词出现的频率。为了简单起见，你可以假设：1. words.txt只包括小写字母和''。2. 每个单词只由小写字母组成。3. 单词间由一个或多个空格字符分隔。02（words.txt）文件内容 the day is sunny the thethesunnyisis03输出（以词频降序排列）： ...

2020-09-07 08:56:37 1144

转载阿里达摩院大佬：自学转算法岗路上的那些坑

目录不要看看不懂的书和视频不要盲目地去实现算法不要埋头学习，忽略和工业界朋友的交流最后，下决心要趁早众（lian）所（pi）周（yao）知（hou），我是自学转行算法的。算转行比较成功的吧。虽然不是那种手握几篇顶会的大佬。但总算进入了阿里这样的大厂，成为了别人眼中的大厂算法工程师。今天，我想总结一下自己转行自学的过程中踩过的一些坑，希望对你有所帮助和启发。不要看看不懂的书和视频既然是自学，途径无非就是看书和看视频两种途径。这些资料，今天已经.

2020-09-07 08:54:07 1247

原创最昂贵的石头？Tableau 带你探索陨石的历史

一颗“具有潜在危险性”的小行星——2011ES4 号小行星，于 9 月 2 日凌晨同地球擦肩而过——它距地球的最近距离不过地月距离的三分之一。在茫茫无际的宇宙中，这么近的距离算得上是“亲密接触”了。其实，每年奔向地球的小行星很多，但大多数都是一闪而过或消散在大气层中，并没有机会落地变成陨石。本期，小编就为大家挑选了一篇有关世界各地陨石着陆历史的可视化作品，感兴趣的小伙伴一起来看看吧～https://public.tableau.com/zh-cn/gallery/century-meteori.

2020-09-07 08:53:19 1285

原创 10分钟带你入门MATLAB

MATLAB基础知识，学会了这些基础知识，各位小伙伴基本上能够自主编写MATLAB程序。今天我主要讲解MATLAB的3类语句、6类函数和2类语法，好，废话不多说，我们开始学习吧！目录一、3类语句二、6类函数三、2类语法一| 3类语句01 |if 语句clearclc%已知A，求BA=6;ifA>5B=1;elseifA>0B=2;elseB=3;end我们使用if语句判断B到底应该等于几？...

2020-09-06 07:17:48 1452

原创推荐系统架构治理

导读：在数字化革命和AI赋能的大背景下，推荐场景逻辑越来越复杂，推荐细分场景越来越丰富，对业务迭代和效果优化的效率有了更高的要求。推荐系统业务和技术在传统架构支撑下自然堆砌，变得越来越臃肿，开发维护困难，推荐系统在应用架构上正面临新的挑战。本文就第四范式在智能推荐系统架构方面的探索实践，聊一聊在应用架构治理方面提升推荐服务开发维护效率，增强系统灵活性和扩展性的新探索。重点探讨在开发推荐系统乃至智能系统领域时遇到的问题，解决方法及未来的发展趋势。主要内容包括：推荐系统业务现状、趋势及挑战

2020-09-06 07:17:19 1224

原创使用matlab调用Oracle数据库

一、通过JDBC连接Oracle数据库小编通过JDBC连接Oracle数据库，步骤如下啊；1、找到jdbc的驱动程序文件并复制位置在Oracle安装基目录\product\11.2.0\dbhome_1\jdbc\lib\ojdbc6.jar，然后将它复制到matlab安装目录的java子目录…\MATLAB\R2016a\java\jar\toolbox下;2、修改matlab的classpath文件该文件在...\MATLAB\R2013a\toolbox\local\classp

2020-09-05 06:39:17 1288

原创 Flink从入门到精通100篇（八）-美团点评是如何在 Flink平台建立实时数仓的？

导读：本文根据 Apache Flink 系列直播整理而成，由美团点评数据系统研发工程师黄伟伦老师分享。主要内容如下：实时数仓建设目的如何建立实时数仓仓库质量保证实时数仓建设目的解决传统数仓的问题实时数仓是一个很容易让人产生混淆的概念。实时数仓本身似乎和把 PPT 黑色的背景变得更白一样，从传统的经验来讲，我们认为数仓有一个很重要的功能，即能够记录历史。通常，数仓都是希望从业务上线的第一天开始有数据，然后一直记录到现在。但实时处理技术，又是...

2020-09-04 08:27:55 1098