「碎语杂记」有些东西，可能不是那样
昨天，闲聊，谈到了数学问题，说得更具体一些，是概率问题。
最简单的抛硬币问题。
正面朝上和反面朝上的概率应该是一样的，各占50％。
抛两次硬币，应该有三种结果，两次全是正面朝上，两次全是反面朝上，正面反面各占一次，概率分别是25％、25％和50％。
于是，有些同志以为，如果第一次是反面朝上，那么第二次正面朝上的概率就应该比反面朝上的概率大。
其实不是那回事儿。
每一次抛硬币，正面朝上
人工智能
遗传算法：启发自真实现象
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
第9章目录
9.1 遗传算法：启发自真实现象
1、目标
我们的目标不是深入研究遗传和进化的科学原理，我们不会研究旁氏表、核苷酸、蛋白质合成、RNA和其他生物进化相关的话题。
相反，我们只讨论达尔文进化论背后的核心原理，并根据这个原理开发出一套算法。
我们并不在
AI提示词宝典：100+常用提示词，覆盖20+场景，程序员和小白必备，让AI工作更高效！
你是不是也有过这样的经历：打开 AI 工具（ChatGPT、文心一言、豆包等），盯着输入框半天，却只打出 “帮我写点东西”“给点建议”，最后得到的回复要么空泛、要么偏离需求？其实，AI 的 “智商” 很大程度上取决于你的 “提问方式”——提示词（Prompt）
Hadoop-MapReduce运行机制
MapRduce是hadoop中的一个分布式计算工具,分为map阶段和reduce阶段其采用了一个分而治之的思想
以下一个例子作为演示,假设有一个涉及300M的文件(1.txt200m 2.txt 100m)
进行计算,求每个单词所占的个数
image.png
mapreduce_流程.png
Map阶段
image.png
1.首先进行逻辑
2025 AI数据准备：EasyLink让多模态非结构化数据处理变简单
一、前言在数据驱动的时代，企业每天被PDF、财报、合同、研究报告等海量文档所淹没。这些非结构化的多模态数据中蕴藏着关键业务洞察，却因格式复杂、版式多样、信息分散，成为难以开采的暗数据。研究人员仍需逐页翻查论文，分析师依旧通宵解析百页报表——传统处理方式不仅效率低下，更在规模面前显得无力。随着大模型的普及，许多人期待
模糊的记忆——脑的本质
这部分是以进化论为前提的，如果你不相信进化论，信服力可能会打折扣。但是，为了了解本章的内容，信不信的问题暂且搁置。
因为人脑有很多与维持生命没有直接关系的高级能力，这些能力会掩盖脑的本质，为了研究脑的本质，本章研究了动物脑，动物脑的大部分能力与维持生命有直接关系。这里研究的是狗脑。
狗是一种非常聪明的动物，可以学会很多复杂的指令。通过研究狗脑可以探索脑的本质。下面的实验使用美食来激励狗子。
实验是
大数据数仓经典最值得阅读书籍推荐
从事数仓工作，在工作学习过程也看了很多数据仓库方面的数据，此处整理了数仓中经典的，或者值得阅读的书籍，推荐给大家一下，希望能帮助到大家。建议收藏起来，后续有新的书籍清单会更新到这里。
书籍推荐
《数据仓库工具箱(第3版)——维度建模权威指南》
数据仓库工具箱
本书会介绍基本知识，然后逐个讨论具体实例内容，最后进行综合总体分析，在内容的结构方面很有特色。本书涉及的行业较多，但这些内容
树+神经网络算法强强联手（Python）
结合论文《Revisiting Deep Learning Models for Tabular Data》的观点，集成树模型通常擅长于表格数据这种异构数据集，是实打实的表格数据王者。集成树模型中的LightGBM是增强版的GBDT，支持了分类变量，在工程层面大大提高了训练效率。关于树模型的介绍，可见之前文章：一文讲透树模型
DNN深度神经网络擅长于同构的高维数据，从高维稀疏的表
数据仓库(06)数仓分层设计
目前主流的数据仓库分层大多为四层,也有五层的架构，这里介绍基本的四层架构。 分别为数据贴源层(ods)、数据仓库明细层(dw)、多维明细层(dws)和数据集市层(dm)。
下面是架构图：
数据仓库分层设计
数据分层的目的是：减少重复计算，避免烟囱式开发，节省计算资源，靠上层次，越对应用友好，也对用户友好，希望大部分（80%以上）的需求，都用DWS，DW的表来支持就行，所以
