首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏刷题笔记

    7-6 A-B

    点这里 7-6 A-B 本题要求你计算A−B。不过麻烦的是,A和B都是字符串 —— 即从字符串A中把字符串B所包含的字符全删掉,剩下的字符组成的就是字符串A−B。

    77020发布于 2019-11-08
  • 来自专栏Java

    7-6 连续因子

    7-6 连续因子 题目 7-6 连续因子 (20 分) 一个正整数 N 的因子中可能存在若干连续的数字。例如 630 可以分解为 3×5×6×7,其中 5、6、7 就是 3 个连续的数字。

    38410编辑于 2025-01-21
  • 来自专栏刷题笔记

    7-6 列车调度 (25 分)

    本文链接:https://blog.csdn.net/shiliang97/article/details/98481886 7-6 列车调度 (25 分) 火车站的列车调度铁轨的结构如下图所示。 7-6 列车调度 (25 分) - mumu - CSDN博客 这个问题分析起来挺简单的。我想的是整一个数组,比前面大的小,就把大的换成这个小的,比前面的大就存到下一个。

    1.2K10发布于 2019-11-08
  • 来自专栏刷题笔记

    7-6 出生年 (15 分)

    本文链接:https://blog.csdn.net/shiliang97/article/details/99697104 7-6 出生年 (15 分) ?

    1K30发布于 2019-11-08
  • 来自专栏刷题笔记

    7-6 部分排序 (15 分)

    本文链接:https://blog.csdn.net/shiliang97/article/details/101473028 7-6 部分排序 (15 分) 对于一组数据,我们可以只对原先处在中间位置的那些元素进行排序 输入格式: 在一行内输入n r a1 a2 ... an 其中,不大于200的正整数n表示该组数据的个数;不大于200的非负整数r表示该组数据两端各自留有r个数不参与排序,若r+r>=n,则该组数据无需排序 整数a1 a2 ... an是该组的n个数据,且都在8位以内。 输出格式: 排序之后的序列,元素之间用一个空格间隔,最后一个元素之后不加空格。

    1.1K20发布于 2019-11-08
  • 来自专栏刷题笔记

    7-6 统计字符出现次数 (20 分)

    本文链接:https://blog.csdn.net/shiliang97/article/details/97867095 7-6 统计字符出现次数 (20 分) 本题要求编写程序,统计并输出某给定字符在给定字符串中出现的次数

    4.5K30发布于 2019-11-08
  • 来自专栏云微的一点分享

    数据结构与算法题目集(中文)7-6 列出连通集 (25分)题解

    - 我的GIS/CS学习笔记:https://github.com/yunwei37/ZJU-CS-GIS-ClassNotes <一个浙江大学本科生的计算机、地理信息科学知识库 > 还有不少数据结构和算法相关的笔记以及

    42330编辑于 2023-02-11
  • 来自专栏刷题笔记

    【2020HBU天梯赛训练】7-6 整除光棍

    7-6 整除光棍 这里所谓的“光棍”,并不是指单身汪啦~ 说的是全部由1组成的数字,比如1、11、111、1111等。传说任何一个光棍都能被一个不以5结尾的奇数整除。

    58710发布于 2020-06-23
  • 来自专栏AI机器学习与深度学习算法

    机器学习入门 7-6 scikit-learn中的PCA

    从两个角度来看: 时间上,不对数据进行处理的KNN算法分类时间为6.98ms,而使用PCA将64维的数据降到2维的数据后进行KNN算法分类的时间为2.99ms,这得益于数据特征维度的大幅降低,当然这也是降维的一个非常重要的意义 当然这也很好理解,因为毕竟原始数据是64维的数据,如果降低到2维的话,特征信息损失的非常多。 通过实验的两个结果可以看出,对于从64维降到2维的数据来说,2维数据能够保留原来数据总方差的14.5% + 13.7% = 28.2%,而剩下71.8%在将数据从64维降到2维的过程中丢失了。 我们可以将数据降维到2维数据,通过可视化的方式来直观的观察数据。比如在digits数据中,将其降维到2维数据,然后对其进行可视化。 ? 比如对于digits数据集来说,如果仅仅是为了区分蓝色点和紫色点,二维数据就足够了。

    1.3K30发布于 2019-11-13
  • 来自专栏ET

    什么是数据集成平台?数据集成平台推荐

    数据集成平台的基础知识1. 什么是数据集成平台?数据集成平台是一种用于管理和协调数据流动的软件工具或服务。它的主要目标是将来自多个不同数据源的数据整合到一个统一的、易于访问和分析的数据存储库中。 数据集成平台的主要组件数据集成平台通常包括以下主要组件:连接器 连接器是用于与不同数据源通信的组件。每个数据源都有其自己的连接器,用于确保数据的顺利流动。 数据集成平台与ETL的区别数据集成平台和ETL(提取、转换、加载)是数据管理领域中的两个不同概念,它们虽然有一些重叠之处,但也存在一些关键区别。 数据集成平台则更加通用,可以应对多种不同的数据集成需求,包括批处理和实时数据处理。数据集成平台工具介绍选择适合企业需求的数据集成平台至关重要。以下是一些推荐的数据集成平台1. (数据集成工作流界面)(数据集成监控功能)市面还有很多其他数据集成平台,企业可以根据自身的需求选择不同的数据集成平台工具。

    5.6K30编辑于 2023-09-19
  • 来自专栏刷题笔记

    【PAT520 钻石争霸赛】7-6 随机输一次 (20分)

    现要求你编写一个控制赢面的程序,根据对方的出招,给出对应的赢招。但是!为了不让对方意识到你在控制结果,你需要隔 K 次输一次,其中 K 是系统设定的随机数。

    62310发布于 2020-06-23
  • 来自专栏ReganYue's Blog

    【PTA】7-6 求最大公约数 (40point(s))

    求两个整数的最大公约数。 输入格式: 输入两个整数,以空格分隔。 输出格式: 输出最大公约数。 输入样例: 9 18 输出样例: 9 # include # include int gys(int a,int b){ if(a<b){ int temp=a; a=b; b=temp; } while(b!=0){ int i=a%b; a=b; b=i; } return a; } int main(){ int a,b; scanf("%d %d",&a,&b

    85230发布于 2021-09-16
  • 来自专栏NLP/KG

    数据开发平台

    1 特征平台 2.DeepInsight

    5.4K40编辑于 2023-03-17
  • 来自专栏数据社

    小米数据平台

    作者 | 勇幸,小米计算平台负责人 导读: 业界一直希望统一元数据,从而实现多产品间的一致体验:无论是数据开发、数据消费还是数据治理,所有用户都能基于一套元数据体系,采用相同的资源描述方式,这无疑能极大地提升用户体验 得益于开源与组织时机,小米基于 HMS 与 Metacat 实现了元数据的统一,也借此实现了将 7 个数据平台统一为 1 个平台。 Gravitino 在小米数据平台中的位置 下图中 Gravitino 具有以下我们需要的特性(以绿色和黄色突出显示): 统一的元数据湖:作为一个统一的数据目录,它支持多种数据源、计算引擎和数据平台,用于数据开发 我们期望通过利用 Gravitino 在我们的数据平台上实现这一点。 多系统集成的统一认证挑战 为了为用户提供无缝的数据开发体验,数据平台通常需要与各种存储和计算系统集成。 为了解决这个问题,简化不同账户系统的复杂性并建立统一的授权框架是构建一站式数据开发平台的关键一步,以提高数据开发的效率。

    1.3K10编辑于 2024-04-10
  • 来自专栏Java架构师必看

    数据运营平台-数据采集

    今天说一说数据运营平台-数据采集[通俗易懂],希望能够帮助大家进步!!! 目录 行为数据采集 业务数据采集与转换 第三方系统API对接 用户数据关联 人工数据采集 数据输出 ---- 行为数据采集 1.埋点采集 ①跨平台打通 确定性方法识别 利用用户帐号体系中,可以是系统生成的 ,不计入平台数据统计 2:打开 Debug 模式,该模式下发送的数据可计入平台数据统计 iOS环境 AnalysysAgent setDebugMode:AnalysysDebugButTrack AnalysysDebugOff 数据管理 A.业务数据检查 接口应提供业务数据检查功能,即对接收的数据进行合法性检查,对非法数据和错误数据则拒绝接收,以防止外来数据非法入侵,减轻应用支撑平台系统主机处理负荷。 主要通过实现数据导入工具,来实现对人工处理数据的采集;比如定制好数据模板,当人工填写数据模板后,在数据工具中导入上传,再进入大数据平台的文件自动处理机制流程中。

    6.4K31编辑于 2022-07-06
  • 来自专栏大数据开发

    大数据平台架构:数据平台建设的几种方案

    随着大数据在越来越多的企业当中落地,企业要开展大数据相关的业务,那么首先要搭建起自身的数据平台。而企业搭建大数据平台,往往需要结合成本、业务、人员等各方面的因素,来规划数据平台建设方案。 今天我们就来聊聊数据平台建设的几种方案。 9.jpg 数据平台其实在企业当中一直都是存在的,但是进入到数据爆发式增长的大数据时代,传统的企业级数据库,在满足数据管理应用上,并不能完全满足各项需求。 对于企业而言,基于大数据背景下的企业数据管理应用,也需要更加符合需求的数据平台建设方案。 主流数据平台建设方案 从市场主流选择来看,企业数据平台建设方案,目前大致有以下几种: 1、常规数据仓库 数据仓库的重点,是对数据进行整合,同时也是对业务逻辑的一个梳理。 15.jpg 关于大数据平台架构,数据平台建设的几种方案,以上就为大家做了一个简单的介绍了。

    3.5K51发布于 2020-10-14
  • 【能力比对】K8S数据平台VS数据平台

    AllData大数据产品是可定义数据中台,以数据平台为底座,以数据中台为桥梁,以机器学习平台为中层框架,以大模型应用为上游产品,提供全链路数字化解决方案。 一、K8S数据平台VS数据平台能力对比 1.1 K8S数据平台(CloudEon)-功能描述 K8S数据平台基于开源项目CloudEon建设,简化Kubernetes上大数据集群的运维管理,一款基于Kubernetes 的开源大数据平台,旨在为用户提供一种简单、高效、可扩展的大数据解决方案。 K8S数据平台(CloudEon)将基于 Kubernetes 的资源安装部署开源大数据组件,实现开源大数据平台的容器化运行,可减少对于底层资源的运维关注。 四、 K8S数据平台VS数据平台-应用场景适配K8S数据平台(CloudEon)高实时性、弹性需求行业:互联网用户行为分析、金融反欺诈、AI模型推理等场景需支撑千万级QPS查询与GPU资源动态调度,其流批一体计算引擎

    85510编辑于 2025-05-07
  • 什么是数据集成平台?数据集成平台有哪些功能?

    简单来说,数据集成平台就是一种专门用来收集、整合和管理来自不同源头的数据的工具。那么,数据集成平台究竟能干啥?它具体有什么本事?别急,咱们今天就一层层把它拆开讲清楚。 没有集成平台的时候,店长想决定该进多少货,可能得手动去比对这三套数据,费时费力还可能出错。但有了数据集成平台呢?平台就能自动地把销售数据、当前的库存情况、会员的消费习惯这些信息整合到一起。 二、 数据集成平台的主要功能​​数据集成平台的能耐,实实在在地体现在这四个核心功能上:​​1. 数据抽取​​这是第一步,好比是准备原材料。 这时候增量抽取就太有用了,平台只需要抽取当天的订单数据,同步到数据仓库或者分析平台,后面的分析用起来就顺手多了。​​2. 而数据仓库是个“大仓库”,核心工作是存储和管理这些被集成平台处理好的、规整的历史数据,主要服务于查询和分析。你可以理解为,集成平台是给数据仓库“备料”的前道工序。

    2.3K10编辑于 2025-07-02
  • 来自专栏大数据开发

    大数据平台搭建:基于Hadoop的数据分析平台

    15.jpg 企业要进行大规模的数据分析,基于开源的Hadoop及其生态圈来搭建起大数据系统平台,无疑是一种低成本高效率的选择。 Hadoop大数据平台 Hadoop在大数据技术生态圈,经过这么多年的发展,基础核心架构的地位,依然稳固。 针对不同的具体需求,采用不同的数据分析架构和框架组件来解决实际问题。 大数据分析平台需求规划 按照数据分析的时效性需求,大数据分析可分为实时数据分析和离线数据分析两种。 对于大多数反馈时间要求不是那么严苛的应用,比如离线统计分析、机器学习、搜索引擎的反向索引计算、推荐引擎的计算等,可采用离线分析的方式,通过数据采集工具将日志数据导入专用的分析平台。 9.jpg 关于大数据平台搭建,基于Hadoop的数据分析平台,以上就是今天的分享内容了。

    2.6K1410发布于 2020-10-10
  • 来自专栏祝威廉

    运维=平台+数据

    运维现有发展方向的问题 运维也越来越朝着平台化,自动化,自助化方向发展。这种发展方式虽然可以解决问题,但是会导致碎片化以及难以标准化,不可复制,对生态也是不利的。 运维发展新方向 之前我写过一篇文章,谈及如何用大数据思维做运维,当然这篇文章有他自己的局限性,只是谈及了运维监控,灌输一种 data based 的理念。 随着分布式相关应用慢慢成熟,尤其是大数据的崛起,对服务器有了更多的需求,以资源为粒度的管理需求也变得更加迫切,于是有了Google Borg,开源的则有Mesos,Yarn等。 前面讲的是基础平台层面的,我们其实更多的是要对应用进行更细致的观察。在Borg之上的应用可以是非常复杂的,应用的关联也是非常复杂的,微服务的兴起导致链路非常长,所以我们有了全链路追踪的需求。 一切服务都是为了帮助数据进行流转和变换,服务的状态也都反应在数据流上,这种瞬态和终态的量是非常大的,所以我们需要借助大数据的思维去做处理。 到这里就可以参考大数据思维做运维灌输的概念了。

    4.6K50发布于 2018-08-27
领券