文件操作（1）File 常用方法、lambda表达式
1、什么是I/O流
I代表输入流 InputStream，O代表输出流OutputStream
在 Java 中，“ 流 ” 是一个抽象概念，它代表任何有能力产出数据的数据源对象或者是有能力接收数据的接收端对象。 “ 流 ” 屏蔽了实际的输入 / 输出设备中处理数据的细节。一个程序可以打开一个数据源上的流，然后按顺序读取这个流中的数据到程序中，这样的流称为输入流。一个程序也可以打开一个目的地
人工智能
华为云Flexus+DeepSeek征文｜深度解析华为云：企业级云计算服务的全面评测：安装博查插件-搭建模态AI搜索
前引： 在全球领先的技术企业中，云计算已成为企业提升竞争力的关键基础设施，华为云凭借其深厚的技术积累和创新能力，正在重塑企业云计算服务的新生态。本文将全面深入地评测华为云的服务特性、技术优势、性能表现和市场定位，为企业选择云服务提供专业、客观的参考，华为云正在用技术创新重塑云计算服务标准，为企业
fnOS飞牛云NAS变身AI服务器：Ollama部署DeepSeek-R1模型避坑指南
在fnOS飞牛云NAS上部署Ollama与DeepSeek-R1模型的完整实践将家用NAS设备转变为AI服务器是当前技术爱好者探索的热门方向之一。fnOS飞牛云NAS凭借其稳定的Linux基础和Docker支持，为运行本地AI模型提供了理想的平台。本文将详细介绍如何避开常见陷阱，在fnOS上成功部署Ollama框架并运行DeepSeek-R1模型。1. 环境准备与系统配置在开始部署前，确保您的fn
Flink 使用之批模式和流模式
Flink 使用介绍相关文档目录
Flink 使用介绍相关文档目录
批模式和流模式
Flink从诞生以来，在设计上一套架构同时支持批模式和流模式。在Flink1.12之前，Flink针对批处理作业和流处理作业分别提供了2套不同的API。用户对于批处理作业和流处理作业需要编写不同的应用代码。一定程度上限制了Flink的灵活性。幸运的是Flink1.12版本之后，社区废弃了Flink DataSet
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
统计学习方法1.4-2.1 笔记
1.4 模型评估与模型选择
训练误差与测试误差
关于模型的拟合好坏，计算训练集的训练误差进行衡量。
关于模型预测的好坏，通过测试集衡量
计算预测和真实的差异：测试误差：衡量预测效果
训练误差：
所有样本来自训练集，模型对于已知数据的预测能力。
测试误差：
样本来自测试集。模型对于未知数据的预测能力。
误差率和准确率是测试误差的两个特例
误差率里，当
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
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
