HelloWorld 开发者社区
科技资讯
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
qData 1.6.7 发布:修复增量读取与 ETL 字段传递问题
Apple HomeView 在部分地区开售,整合家庭控制与视频通话
Cloudflare 推出 Spend Management Beta,为 Workers 增加支出限制
Cloudflare 开源 Kitesurf:面向 AI 智能体的轻量浏览器引擎
JeecgBoot 与敲敲云介绍分层方案,连接低代码开发与业务搭建
开源项目
全部项目推荐好文
阿里云EMAS旗下低代码平台Mobi开放定向内测
<blockquote<strong简介:</strong【低代码深度共创】EMAS旗下低代码平台Mobi开放定向内测名额,限时限量,参与调研先到先得!</blockquoteMobi是面向全端(Web、NativeApp、H5、全平台小程序等)场景,模型驱动的低代码开发平台(Low
尚硅谷数仓实战之3数仓搭建
@<aTOC</a<blockquote<p数仓笔记</p<p<ahref"https://link.segmentfault.com/?encwfQ4ruChvs0dZQMJD5jyVQ%3D%3D.RMP93ecOg76NnxARqsN%2B6dD8GElC0zSYwT8
尚硅谷数仓实战之2数仓分层+维度建模
@<aTOC</a<blockquote<p数仓笔记</p<p<ahref"https://link.segmentfault.com/?encLJiFnexs3DifQmgYCo99wQ%3D%3D.nAjq47yOHGGOv2SifcmvhQ3zExS1Y7UxB0u8S
尚硅谷数仓实战之1项目需求及架构设计
@<aTOC</a<blockquote<p数仓笔记</p<p<ahref"https://link.segmentfault.com/?enc0VQPmMJOJ02%2BaketvW0Dfg%3D%3D.Pu5mWRJHLBB3Oh8g5JPNlUaX%2FQvKVzJHZ
数据仓库和数据集市:ODS、DW、DWD、DWM、DWS、ADS
@<aTOC</a<blockquote<p数仓笔记</p<p数据仓库和数据集市详解:ODS、DW、DWD、DWM、DWS、ADS:<ahref"https://link.segmentfault.com/?encsM%2B1nUV%2B8h9lgowEwGg4OA%3D%3
KDD Cup 2020 Debiasing比赛冠军技术方案及在美团广告的实践
ACMSIGKDD(国际数据挖掘与知识发现大会,简称KDD)是数据挖掘领域的国际顶级会议。美团到店广告平台搜索广告算法团队与中科院大学共同组建参赛队伍Aister,参加了Debiasing、AutoGraph、MultimodalitiesRecall三道赛题,最终在Debiasing赛道中获得冠军(1/1895),在AutoGraph赛道中也获
Apache IoTDB 建模方式详解
!(https://oscimg.oschina.net/oscnet/edbdce991822444a99a3f3b7011ab903.jpg)之前写过一个IoTDB数据模型(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fmp.weixin.qq.com%2
NoSQL 的数据建模技术
这是一篇很牛逼的技术文章,讲述如何对NoSQL的数据进行建模。英文原文:http://highlyscalable.wordpress.com/2012/03/01/nosqldatamodelingtechniques/(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fhi
Quick BI 功能“炸弹”:即席分析、模板市场、企业微信免密登录等强势功能
<blockquote<strong简介:</strong2021年7月,QuickBI公共云版本迭代新功能:重磅推出即席分析、模板市场,分析门槛再降低;推出企业微信无缝对接,移动端类目个性配置及管理提升多端能力;数据建模配置交互升级至拖拽模式提升效率,新增数据源并新增群空间文件上传能力;
数据挖掘建模过程全公开
「数仓宝贝库」,带你学数据!导读:本文以餐饮行业的数据挖掘应用为例,详细介绍数据挖掘的建模过程。数据挖掘的基本任务包括利用分类与预测、聚类分析、关联规则、时序模式、偏差检测、智能推荐等方法,帮助企业提取数据中蕴含的商业价值,提高企业的竞争力。对餐饮企业而言,数据挖掘的基本任务是从餐饮企业采集各类菜品销量、成本单价、会员消费、促销活动等内部数据,

正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。