Qlik更新|新的数据集成平台已经出现,怎么能停止不前!

2020年9月发布的Qlik版本已经到来,随之而来的是AI改变游戏规则的创新,将用户提升到一个全新的水平。这包括对话分析,高级分析等新功能。您还将发现视觉分析功能,SaaS功能和用户体验的其他重大增强。该版本超越了分析,因为它还包括对数据集成平台的新改进,具有改进的ETL性能和扩展的编录发布选项。


首先,Insight Advisor Chat是全新的对话分析体验,内置在Qlik Sense中,可通过Qlik Sense Saas中心获得。它为更多的人提供了一种更快,更轻松的方式来在所有应用程序中提出问题,从而做出以数据为依据的决策。其中还添加了一个新的业务逻辑层,以在生成见解并与用户进行交互时自定义和指导Insight Advisor的行为。现在,Qlik提供高级分析计算,以补充实时集成功能,从此版本开始使用K-means集群。

Insight Advisor现在可以在Qlik Sense中增强全方位的用户体验。借助基于搜索的视觉分析,对话分析,关联见解,加速的创建和数据准备以及高级分析,可提供当今市场上最具竞争力的增强功能集,从而帮助我们的用户最大程度地发挥潜力。此版本中的全部增强功能仅在SaaS中可用,但很快将在即将发布的客户端管理(Windows)版本中提供。

SaaS功能和集线器

Qlik Sense Enterprise SaaS支持无限的用例,以降低云迁移的总拥有成本。 以下是一些具体的项目:

  • Qlik Sense Enterprise SaaS中的标准最大应用程序内存大小(最大5GB)增加了一倍,并为所有新老客户提供了无限量的数据重新加载和存储
  • 改进UI,以获得更加一致和吸引人的体验
  • 集线器改进:包括通过电子邮件发送的系统通知,图表历史记录,改进的数据管理
  • Qlik DataTransfer,我们的新实用程序,用于将本地数据推送到云

可视化方面

与每个版本一样,Qlik将继续致力于提供世界一流的可视化增强功能。 在此版本中,您将发现新功能,例如新的动画器以显示随时间变化的数据,改进的参考线以及其他一些迫切需要的可视化改进。 您可以在我们的可视化展示应用程序中找到我们在可视化方面的持续投资中最好的。

图表的其他改进包括:

  • 主度量的数字格式
  • 打开和关闭容器中的边框
  • 在Sankey图表中自定义排序
  • 过滤器窗格中的频率计数
  • WMS(网络地图服务)图层不透明度
  • 悬停图标切换

包含对Qlik构建的开源库的支持的API

Qlik继续投资其“ API优先”策略,并以此为首批开放源代码库(包括supportenigma.js和nebula.js)提供支持。 支持扩展还将包括qlik-cli,它可以通过命令行访问所有公共API,从而使编写新旧工作流的脚本和自动化变得更加容易。 该列表将继续扩展,更新将在Qlik.dev上可用。 利用我们的Qlik社区论坛来询问有关开源库的问题,我们的团队将根据需要提供指导。

数据集成

此版本包括对Qlik的数据集成平台的改进,包括能够从Qlik Catalog直接发布到PowerBI的功能。还通过利用Snowflake和Azure Synapse中的MPP体系结构功能,继续通过Qlik Compose for Data Warehouses提高性能标准。此版本既提高了性能,又减少了运营支出。最后,通过记录和加密对DW设计或目标数据集的所有修改,添加了新的审核功能,以实现SOX合规性。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生(Region Proposal),生有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值