商业智能 BI 跟业务系统的思维差异，跨越和提升
比如做一个集团级的分析指标体系规划，覆盖的业务面至少包括了例如财务、销售、采购、生产、安全、审计、运营、战略、人力、流程管理、项目、合同管理等等，几乎是没有业务边界、没有业务的死角，这里面的业务必须要什么都要能懂一些，才能做出整体的业务、经营、管理分析框架出来。什么不懂，就得去研究什么。传统的业务系统软件开发，从需求调研的用户定位，到业务的梳理，到底层数据库表结构的设计，到整个开发过程和测试、后期的运维以及整体的思维方式，能非常明显的感受到这些跟商业智能 BI 完全是两个不同的方向，差异非常的大。
改造一个电子敲击乐器的接口
虽然接口插座有两个，其中能够使用的包括右边的底线和左边的九个引线。这是制作所得到的接口电路板。这是将乐器外壳背后的螺钉拆卸下来，打开后盖露出内部的结构。外部的键盘通过薄膜电缆与电路板上的插座相连。打开敲击板黑色橡胶垫，露出其中内部的结构。每个敲击点具有若干个排列的凸起， 形成内部薄膜开关的接触点。它们公共端是一根底线。它可以发出不同的架子鼓的声响。原本是想利用这个乐器为录制的短视频配上卡点声效， 由于它过于大了，所以将其的输入部分改造成小巧的键盘输入，这样便于桌面操作。下面拆卸它，查看一下它的接口部分。
MongoDB 分片集群
通过上面的例子我们可以知道，就是可以将大型的数据，进行区分成相对更小并且易于管理的小片，将这些数据片分给不同的 mongodb 节点，这些节点，就组成了分片集群。实际情况下，如果我们的数据增长非常大，那么肯定会有冷热数据的区分，对于冷数据，我们可以将数据放到差一些的服务器，很少会用到查询操作或者写操作，例如我们的服务器，内存占用较高，我们可以增加服务器的数量，增加集群的数量，这样服务器一多，技术是开放的，我们的心态，更应是开放的。，例如我们一台服务器，内存占用较高，我们可以通过增加服务器的内存在处理。
教你程序员的年终报告怎么写
又到年终,各位是一年经验用十年呢?还是打怪的级数越来越高?年终的述职报告是很多公司都要求的一项工作.好的述职报告不能作为考量的所有,但是坏的述职报告却能导致对于接触过少的领导产生很大影响,毕竟很多时候述职报告并不只是自己的直接上级看,更高级的领导仅能从述职报告上来评判你的工作.述职报告有2个重要意义:1.向领导提炼总结一年工作内容,作为表现自己的形式2.作为年终个人总结前的部分铺垫,完成个人总结中...
有刷电机过压后的情况
下面对电路板加热层施加10V电压， 可以看到它的温度逐步上升到可以融化焊锡的温度了。瓶子的高度是21厘米，水的高度为 12 厘米， 水完全包含在瓶子的圆柱形部分内。所以现在可以想象一个圆柱形的瓶子， 知道它有12 厘米的水， 上面有 6 厘米的空气， 这个瓶子的总高度将是12 加 6 等于 18。所以水的分数是 12 除以 18，等于 2 除以 3， 这就是这个有趣问题的答案了。解决这个问题的关键是两者中的空气量是相等的。由于整个瓶子的高度等于 21， 空气的高度等于 21 减 15， 等于 6 厘米。
【区块链 | EVM】深入理解学习EVM - 深入Solidity数据存储位置：存储
了解以太坊和基于EVM的链中的存储模型对于良好的智能合约开发至关重要。你可以在智能合约上永久地存储数据，以便将来执行时可以访问它。每个智能合约都在自己的永久存储中保持其状态。它就像*"智能合约的迷你数据库 "*，但与其他数据库不同，这个数据库是可以公开访问的。所有存储在智能合约存储器中的值可供外部免费读取（通过静态调用），无需向区块链发送交易。然而，向存储空间写入是相当昂贵的。事实上，就Gas成本而言，它是EVM中最昂贵的操作。存储的内容可以通过调用来改变。这种调用会改变状态。
AI 训练加速原理解析与工程实践分享
本文整理自同名线上分享，是 12 月份「百度百舸 - 云原生 AI」技术公开课的第二期。 这次分享将系统性的分析在 AI 模型训练过程中的主要性能瓶颈，以及当前针对这些瓶颈的主要的加速方案和技术原理，并介绍百度智能云在这方面的一些实践成果。 今天的分享，主要包括三个部分： 首先介绍我们为什么需要做 AI 训练加速，也就是整体背景和出发点是什么； 第二部分我们会系统性的分析实际训练过程中的可能会遇到的性能瓶颈问题，然后针对这些问题，介绍目前主要的加速方案； 第三部分介绍百度百舸平台的 AI 训练
【年终总结】另类年终总结：在煤老板开的软件公司实习是怎样一种体验？
某个编剧曾经说过：“怀念煤老板，他们从不干预我们创作，除了要求找女演员外，没有别的要求。”，现在的我毕业后正式工作快半年了，手上的活越来越多，负责的事项越来越多越来越杂，偶尔夜深人静走在回家的路上，也怀念当时在煤老板旗下的软件公司实习时无忧无虑的快乐生活，谨以此文纪念一下当时的时光。画重点，福利究竟有多好首先公司的办公地点位于南京市中心，与新街口德基隔基相望。每天发价值88元的内部币，用于在楼下老...
分片集群中的分片集合
MongoDB 中 分片集群有专门推荐的模式，例如 分片集合它是一种基于分片键的逻辑对文档进行分组，分片键的选择对分片是非常重要的，分片键一旦确定，MongoDB 对数据的分片对应用是透明的mongodb 分片中，有一个概念叫做数据块，默认一个数据块是 64 M ，这个也是可以配置的他在 mongodb 中的 地位是这个样子的：mongos 会将数据发送到 数据块中，实际上是 1 个 shard 分片对应多个数据块，也可以不对应数据块例如上图，当一个数据块变大的时候，就会分成 2 个，慢慢的若数据块的数量多
光电效应的历史：爱因斯坦与莱纳德之间的争斗
】这段时间的分心对莱纳德来说非常不走运了，】】因为就在第二年，另一位名叫威廉·伦琴的德国科学家用很厚磷光屏对 Lenard 管进行实验，并发现了一种新的射线，伦琴称之为 X 射线。】】对此，莱纳德有一个有趣的理论，即电只能由灰尘而不是由气体携带，】】正是因为紫外线使得导体带电，从而聚集了灰尘，就使得金属板板材看起来粗糙。】】爱因斯坦的关于光的新观点是什么？
搞技术的要不要学习财务知识
比如企业层面的盈利，看净利润的大小；越是大型的集团或者企业，公司里面设立的部门就越多，也越细化，各部门之间既相互独立管理，又是相互的辅助支持，所以在工作中经常遇到这样的一个问题，就是做技术的要不要学习财务知识。比如现金周期很长，到底是哪个环节出了问题，是应付周期，还是存货周期，还是应收周期，这就涉及到上游的采购、中间的生产、销售，和下游的客户销售及回款，业务应该如何改进，这就是下一步企业业务管理要去聚焦的问题。人有的时候是因为工作的需要，学习一门知识，慢慢的就变成了兴趣，一路就坚持下来越来越喜欢了。
【第62篇】Inception-v4
论文链接：Inception-v4近年来，非常深度的卷积网络一直是图像识别性能最大进步的核心。一个例子是Inception架构，它已经被证明以相对较低的计算成本实现了非常好的性能。最近，残差连接与更传统的架构相结合，在2015年的ILSVRC挑战赛中产生了最先进的性能;其性能类似于最新一代Inception-v3网络。这就提出了一个问题，即将Inception架构与残差连接相结合是否有任何好处。本文给出了明确的经验证据，用残差连接进行训练，可以显著加快Inception网络的训练。还有一些证据表明，残差In
在国企做程序员怎么样？
有读者咨询我，在国企做开发怎么样？当然是有利有弊，国企相对稳定，加班总体没有互联网多，不过相对而言，工资收入没有互联网高，而且国企追求稳定，往往技术栈比较保守，很难接触新的技术，导致技术水平进步缓慢。下面分享一位国企程序员的经历，希望能给大家一些参考价值。下文中的“我”代表故事主人公我校招加入了某垄断央企，在里面从事研发工程师的工作。下面我将分享一些入职后的一些心得体会。在国企中，开发是最底层最苦...
【区块链 | EVM】深入理解学习EVM - 深入Solidity数据位置：Calldata
如果你熟悉web3.js或ethers.js，你可能看过使用或时作为参数传递的data字段。这是calldata（简称），或 "随着消息调用发送的数据"（无论我们用的是staticcall、合约调用，还是任何改变状态（区块链状态或合约状态）的实际交易，在这里都不重要）。黄皮书上，对calldata的解释？(第21页，第4.2节 > 交易 > 数据）。calldata是EVM中的一个特殊数据位置。它指的是在两个地址之间的任何消息调用交易中发送的原始十六进制字节。
带你从概念到服务对象，解读商业智能BI
这样一来，企业的管理人员在了解企业信息，进行决策的时候，就很难获得企业全面的数据情况，接导致中高层管理人员难以获取不同部门的数据，这样一来不仅会导致决策出现问题，甚至有可能让企业无法处理异常数据，解决不了发现的问题，让企业发展陷入困境。数据信息化可以帮助企业全面的了解企业的经营管理，将企业经营管理模式从经验驱动调整为到数据驱动，降低情绪、心理等主观影响，形成以数据为基础的业务决策支撑，提高决策的准确性，这是企业更高层次的企业管理方式。站在企业不同员工角度，有的人认为是有数据孤岛存在的，一定要解决。
【Blender UV映射02】智能UV映射 创建和应用法线纹理
记录一些关键的操作快捷键，以及学习智能UV映射（Smart UV Project）、PS中创建法线纹理、Blender中法线纹理的应用。
PoolFormer实战：使用PoolFormer实现图像分类任务（二）
训练的主要步骤：1、使用AverageMeter保存自定义变量，包括loss，ACC1，ACC5。2、判断迭代的数据是否是奇数，由于mixup_fn只能接受偶数，所以如果不是偶数则要减去一位，让其变成偶数。但是有可能最后一次迭代只有一条数据，减去后就变成了0，所以还要判断不能小于2，如果小于2则直接中断本次循环。3、将数据输入mixup_fn生成mixup数据，然后输入model计算loss。4、 optimizer.zero_grad() 梯度清零，把loss关于weight的导数变成0。
今日推荐
周排行