-
大数相除算法
所属栏目：[大数据] 日期：2021-02-22 热度：181
简介 在实际的项目中，同事在移植一个算法时候碰到要进行64位整数的除法运算。找了一下一下，Linux内核中有支持该运算的函数 do_div() ，该函数在 Linux/arch/arm/include/asm/div64.h 文件中实现。看不太懂其具体的实现方法，于是我就想能不能自己写一个大[详细]
-
视音频数据处理入门：FLV封装格式解析
所属栏目：[大数据] 日期：2021-02-22 热度：54
===================================================== 视音频数据处理入门系列文章： 视音频数据处理入门：RGB、YUV像素数据处理 视音频数据处理入门：PCM音频采样数据处理 视音频数据处理入门：H.264视频码流解析 视音频数据处理入门：AAC音频码流解析[详细]
-
用大数据分析攻城狮的职业生涯与薪资增长轨迹
所属栏目：[大数据] 日期：2021-02-22 热度：106
提到互联网，尤其是互联网工程师们，人们往往会想到两个词：“高薪”和“高压”。在知乎上一个询问工程师薪资的问题下，一位知友默默的回复：“其实单位时间内工资并不高” ，而这也许道出了许多程序员小伙伴们的心声。 ? ?“精神崩溃的一个最初征兆就是坚信[详细]
-
7 款顶级开源 BI（商务智能）软件和报表工具
所属栏目：[大数据] 日期：2021-02-22 热度：124
在这个信息化时代，每分每秒都产生海量数据。在海量数据中，挖掘出有用的数据，并且能以较人性化、直观的方式展示这些数据，变得尤为重要。本文将介绍 7款顶级开源 BI（商务智能）软件和报表工具，用于商业数据的分析处理，希望对您有所帮助。 BIRT BIRT(Bus[详细]
-
为什么要BI（商业智能）
所属栏目：[大数据] 日期：2021-02-22 热度：172
参考链接 http://blog.csdn.net/bi_worker/article/details/51732770[详细]
-
【Power BI Desktop】开始篇
所属栏目：[大数据] 日期：2021-02-22 热度：183
什么是Power BI Desktop？ Microsoft Power BI 會將貴公司的資料轉換成方便您收集及組織的各種視覺效果，讓您可以專注於所關切的事項。隨時掌握最新資訊，找出進行中的趨勢，並進一步推動業務。 目前免费 官网 Power BI Desktop目前没有中文官网，但是放出了[详细]
-
Power BI for Office 365 概览
所属栏目：[大数据] 日期：2021-02-22 热度：95
伴随着数据量的日益增长，通过自服务式的商业智能把数据转换成辅助决策支持的工具，越来越成为迫切的需求。在以前，处理这些数据往往只是IT人员范围内的事，但是通过Power BI for Office 365里面的新功能喝服务，微软降低了这个门槛。它里面都是基于大多数人[详细]
-
DB、ETL、DW、OLAP、DM、BI关系结构图
所属栏目：[大数据] 日期：2021-02-08 热度：76
（1）DB/Database/数据库——这里一般指的就是OLTP数据库，在线事物数据库，用来支持生产的，比如超市的买卖系统。DB保留的是数据信息的最新状态，只有一个状态！比如，每天早上起床洗脸照镜子，看到的就是当时的状态，至于之前的每天的状态，不会出现的你的[详细]
-
R语言-数据处理
所属栏目：[大数据] 日期：2021-02-08 热度：107
Reading Data 读取表格数据的函数read.table()以及read.csv() readLines()用于逐行读取文本文件 source()读取R代码的重要函数 dget()用来读取R代码文件 load()和unserialize()用于把二进制对象读入R Writing Data write.table() writeLines() dump() dput()[详细]
-
简单粗暴的“大数据“解决方案
所属栏目：[大数据] 日期：2021-02-08 热度：114
这里说“大数据”确实有点哗众取宠，但确确实实是解决一些大数据量的情况。比如常用的布隆过滤器(BloomFilter)、常用的文本相似比较算法SimHash等，这里介绍的都是看上去是简单粗暴的方法，但当你深入了解后你就会发现什么叫简约而不简单，掌握这些常用的手[详细]
-
连续属性离散化
所属栏目：[大数据] 日期：2021-02-08 热度：200
1. 离散化技术分类 连续属性的离散化方法也可以被称为分箱法，即将一组连续的值根据一定的规则分别放到其术语的集合中。 离散化技术可以根据如何对数据进行离散化加以分类，可以根据是否使用类信息或根据进行方向(即自顶向下或自底向上)分类。 如果离散化过[详细]
-
【重！磅！干！货
所属栏目：[大数据] 日期：2021-02-07 热度：82
查看之前文章请点击右上角 ， 关注 并且 查看历史消息 ，还可以在文章最后评论留言。谢谢您的支持！ 回复【 文本挖掘 】 或者 【 点击阅读原文 】 获取链接与代码附录 一、 功能概述 ? ? ? ?关键词词频网络图是以股票论坛、 个股新闻、研究报告三个网站作为[详细]
-
51Nod－1116－K进制下的大数
所属栏目：[大数据] 日期：2021-02-07 热度：100
ACM模版 描述 题解 这里我们通过样例可以发现 A1A 的数位和是21，刚好是 K-1 的倍数，所以我们不妨多举几组数据测试一下，发现竟然都符合这个规律(￣┰￣*)，那么AC就不远了。 可是这里需要强调的是，K的最小值，如果K清一色的都是从2开始枚举，那么不用想了[详细]
-
开源ETL工具kettle系列之常见问题
所属栏目：[大数据] 日期：2021-02-07 热度：96
摘要 本文主要介绍使用kettle设计一些ETL任务时一些常见问题，这些问题大部分都不在官方FAQ上，你可以在kettle的论坛上找到一些问题的答案 问题 Join 我得到A 数据流（不管是基于文件或数据库），A包含field1,field2,field3 字段，然后我还有一个B数据流，B[详细]
-
开源ETL工具kettle系列之在应用程序中集成
所属栏目：[大数据] 日期：2021-02-07 热度：62
摘要 本文主要讨论如何在你自己的Java应用程序中集成Kettle 集成 如果你需要在自己的Java应用程序中集成Kettle,一般来说有两种应用需求，一种是通过纯设计器来设计ETL转换任务，然后保存成某种格式，比如xml或者在数据库中都可以，然后自己调用程序解析这个[详细]
-
开源ETL工具kettle系列之增量更新设计
所属栏目：[大数据] 日期：2021-02-07 热度：183
前言 ETL中增量更新是一个比较依赖与工具和设计方法的过程，Kettle中主要提供Insert / Update 步骤，Delete 步骤和Database Lookup 步骤来支持增量更新，增量更新的设计方法也是根据应用场景来选取的，虽然本文讨论的是Kettle的实现方式，但也许对其他工具也[详细]
-
开源ETL工具kettle系列之动态转换
所属栏目：[大数据] 日期：2021-02-07 热度：170
摘要 本文主要讨论使用Kettle来设计一些较为复杂和动态的转换可能使用到的一些技巧，这些技巧可能会让你在使用Kettle的时候更加容易的设计更强大的ETL任务。 动态参数的传递 Kettle 在处理运行时输入参数可以使用JavaScript 来实现，大部分工作只是按照一个[详细]
-
开源ETL工具kettle系列之建立缓慢增长维
所属栏目：[大数据] 日期：2021-02-07 热度：93
摘要 本文主要介绍使用kettle 来建立一个Type 2的Slowly Changing Dimension 以及其中一些细节问题 Kettle 简介 Kettle 是一个强大的，元数据驱动的ETL工具被设计用来填补商业和IT之前的差距，将你公司的数据变成可增长的利润. 我们先来看看Kettle能做什么：[详细]
-
大数据分析公司Kentik完成230万美元B轮融资
所属栏目：[大数据] 日期：2021-02-07 热度：117
点击上方蓝色字体关注。 您还可以搜索公众号“ D1net ”选择关注D1net旗下的各领域（云计算，数据中心，大数据，CIO，企业协作，网络数通，信息安全，企业移动应用，系统集成，服务器，存储，呼叫中心，视频会议，视频监控等）的子公众号。 ======= 数据的可[详细]
-
互联网金融之量化投资深度文本挖掘——附源码文档
所属栏目：[大数据] 日期：2021-02-07 热度：163
?? 【重！磅！干！货[详细]
-
hdu1042 N!(大数)
所属栏目：[大数据] 日期：2021-02-07 热度：122
N! Time Limit: 10000/5000 MS (Java/Others)????Memory Limit: 262144/262144 K (Java/Others) Total Submission(s): 75069????Accepted Submission(s): 21870 Problem Description Given an integer N(0 ≤ N ≤ 10000),your task is to calculate N! ? In[详细]
-
桑文锋:深入浅出大数据分析(PPT)
所属栏目：[大数据] 日期：2021-02-06 热度：141
导读 在DTCC 2016中国数据库技术大会“大数据创业”专场，Sensors Data CEO 桑文锋分享了主题为《深入浅出大数据分析》的演讲， 作为一名资深大数据牛人， 从大数据思维讲起，深入浅出剖析数据驱动的理念，常用的数据分析方法，推荐的思路，多维数据分析技术[详细]
-
文本相识度算法（余弦相似性、简单共有词、编辑距离、SimHash、
所属栏目：[大数据] 日期：2021-02-06 热度：130
文本相似度计算在信息检索、数据挖掘、机器翻译、文档复制检测等领域有着广泛的应用。 比如舆论控制，我们假设你开发了一个微博网站，并且已经把世界上骂人的句子都已经收录进了数据库，那么当一个用户发微博时会先跟骂人句子的数据库进行比较，如果符合里面[详细]
-
余弦计算相似度度量
所属栏目：[大数据] 日期：2021-02-06 热度：76
余弦计算相似度度量 相似度度量（Similarity），即计算个体间的相似程度，相似度度量的值越小，说明个体间相似度越小，相似度的值越大说明个体差异越大。 对于多个不同的文本或者短文本对话消息要来计算他们之间的相似度如何，一个好的做法就是将这些文本中[详细]
-
大数运算和大数类
所属栏目：[大数据] 日期：2021-02-06 热度：198
1、首先看一个小问题： 整型数组、字符型数组、vector在未初始化的情况下： int main(){int data[5];char c[5];vectorint v(5);vectorchar v1(5);vectorint v2;cout "int[]:";for (int i = 0; i 5; i++){cout data[i] " ";}cout endl endl;cout "char[]:";fo[详细]
