人工智能

什么是数据治理?

所谓“数字转型,治理先行”,近年来在国家政策倡导下,地方政府、国企、央企以及很多传统企业都是走数字化转型的路,而在数字化转型的过程中,数据治理可谓是重中之重。那么,何为数据治理?数据治理有什么意义?怎么进行数据治理?今天我就来跟大家分享一下我对数据治理的看法。 数据治理的定义 关于数据治理,国际数据治理研究所(DGI)给出的定义是:“数据治理是一个通过一系列信息相关的过程来实现决

解析Apache BookKeeper

本系列关于 BookKeeper 的博客希望帮助大家理解和掌握 BookKeeper 原理和内部逻辑。理解系统内部运行逻辑是快速定位并解决生产问题以及开发和修改新功能的基石。在本系列后续文章中,我会将BookKeeper各项指标与运行机制相结合,为大家展现高效进行性能问题定位的方法。 BookKeeper 中包含很多不同的插件,我们主要关注 BookKeeper 作为 Apache Pulsar

《教育心理学》学习.2-1

记忆术及其训练 2.1 引言 记忆(memory)是人类心智活动的一种,是人脑对过去经验的反映。所谓记忆,就是在头脑中积累和保存个休经验的心理过程。以信息加工的术语来讲,就是人脑对外界输入的信息进行编码、存储和提取的过程。记忆按照保持信息时间的长短,可以分为感觉记忆(sensory memory)、长时记忆(long-term memory,STM)和短时记忆(short-term memory

第8章·分形

书名:代码本色:用编程模拟自然系统 作者:Daniel Shiffman 译者:周晗彬 ISBN:978-7-115-36947-5 总目录 第 8 章 分形 1、目录 8.1 什么是分形 8.2 递归 8.3 用递归函数实现康托尔集 8.4 科赫曲线和ArrayList技术 8.5 树 8.6 L系统 分形图 2、分形 本章我们主要学习自然几何背后的概念和模拟技

Android OpenCV + tess-two 实现银行卡识别:扫描识别

目录 前言 之前实现了本地图片的银行卡号的扫描,这次顺带实现了下相机扫描的识别,我是用的农业银行卡测试的,识别速度还是挺nice的 效果展示 实现步骤 核心步骤与我的这篇文章一样:Android OpenCV + tess-two 实现银行卡识别:本地图片识别 这里扫描的主要是换成了对于相机数据的处理,这里我使用的是CameraX获取的相机数据,对于相机的回调方法的

大师兄的数据分析学习笔记(二十五):聚类(一)

大师兄的数据分析学习笔记(二十四):回归树与提升树 大师兄的数据分析学习笔记(二十六):聚类(二) 一、监督学习和无监督学习 分类和回归都属于监督学习,监督学习的特点是有标注。 所谓标注也就是数据的特征,不管是分类还是回归都是通过标注进行区分数据。 而无监督学习没有标注,所以无监督学习的目的就是给数据加上标注。 进行标注的原则是,加过标注后的数据应该尽可能相似,而不同标注内的数据应该尽可能不同

Seurat数据结构学习.1

Seurat.obj.v3.png Seurat对象中的Assay: ###################################################################### 在-RNA槽: @counts:未作任何处理的原始RNA表达矩阵。 @data:原表达矩阵通过NormalizeData()归一化消除测序文库差异(对于每个细胞,将每个基因的表

Netty基础-NIO(一)

零、本文纲要 一、NIO三大组件 Channel Buffer Selector 二、Buffer 基础依赖 ByteBuffer使用 ByteBuffer结构 ByteBuffer常见方法 三、Buffer使用模拟 情景模拟 模拟还原数据 一、NIO三大组件 NIO,non-blocking io 非阻塞 IO Channel / Buffer / Selector 1. Chan

Kotlin 协程之取消与异常处理探索之旅(上)

前言 协程系列文章: 一个小故事讲明白进程、线程、Kotlin 协程到底啥关系? 少年,你可知 Kotlin 协程最初的样子? 讲真,Kotlin 协程的挂起/恢复没那么神秘(故事篇) 讲真,Kotlin 协程的挂起/恢复没那么神秘(原理篇) Kotlin 协程调度切换线程是时候解开真相了 Kotlin 协程之线程池探索之旅(与Java线程池PK) Kotlin 协程之取消与异常处理探索之旅(

数学建模:马尔科夫决策过程

@[toc] 设随机过程的时间集合,状态空间 ,即 是时间离散、状态离散的随机过程。若对任意的整数 ,满足。则称为马尔可夫链,简称马氏链。上式称为过程的马尔可夫性或无后效性。 与无关,即转移概率只与出发状态、转移步数、到达状态相关 可以证明:k步转移概率矩阵为一步转移概率矩阵的k次幂。 若存在m为正整数,概率矩阵P的m次幂 的所有元素皆为正,则P称为正规概率矩阵。 正则概率矩阵的这一性