- 综合排序
- 最热优先
- 最新优先
- 来自专栏布衣者博客
LeetCode-题库-刷题(6-7)
将一个给定字符串 s 根据给定的行数 numRows ，以从上往下、从左到右进行 Z 字形排列。 具体题目链接
51620发布于 2021-09-07 - 来自专栏linjinhe的专栏
设计数据密集型应用（6-7）：分片、事务
分片 假设我们有一个单机数据库，上面有三张表：用户表、商品表和订单表。 ? 无分片 业务刚起步的时候，数据量很少，这个只有三张表的数据库运行得很好。 ? 垂直分片 随着业务发展，用户数量、商品数量、订单数量都在持续增长，数据库的负载越来越高。我们开始对数据库进行垂直拆分（垂直分片），把这三张表拆到三个数据库，而业务代码改改数据库的配置就好。 ? 再后来，一个数据库也承载不了用户表的数据，需要对用户表进行水平拆分（水平分片）。比如，根据用户 ID 将数据哈希到 n 个数据库。 比如，如果 key 是单调递增的，那所有插入数据都会集中在最后一个分片。这个分片的数据插入速度会成为插入性能的瓶颈。单调递增的 key 在关系数据库领域是非常常见的。 对单副本的数据库来说，持久性的意思是数据被写入外存，比如 HDD 或 SSD。对多副本的数据库来说，持久性意味着数据以及成功复制到其它节点。
83550发布于 2020-04-02 - 来自专栏iOS面试
iOS 面试策略之算法基础6-7节
数据溢出：因为动态规划是一种由简至繁的过程，其中积蓄的数据很有可能超过系统 当前数据类型的最大值，从而导致程序抛出异常。 这两点，我们在上面这道求解斐波拉契数列第100个数的题目就都遇到了。 实际上 F(40) 就已经突破一亿，F(100) 一定会造成整型数据溢出。 当然对于这两点我们也有相应的解决方法。 对付栈溢出，我们可以把递归写成循环的形式（所有的递归都可改写成循环）；对付数据溢出，我们可以在程序每次计算中，加入数据溢出的检测，适时终止计算，抛出异常。
96130发布于 2021-04-22 - 来自专栏python3
笨办法学Python - 习题6-7:
Process finished with exit code 0 上面的代码主要是有几个点需要注意下： 占位符的问题，%d 代表整数，%s 代表字符串，数据类型必须要匹配 %r 和 %s 的区别和联系
77610发布于 2020-02-10 - 来自专栏AI SPPECH
IO竞赛2025年题目解析：中级难度（6-7）
2025年的中级难度（难度系数6-7）题目综合考察了选手的算法设计、数据结构应用、数学建模和问题分析能力。本文将深入解析2025年中级难度的IO竞赛题目，帮助选手们突破瓶颈，提升解题能力。 难度进阶路径: 入门(1-3) → 基础(4-5) → 中级(6-7) → 高级(8-10) 难度系数 考察重点 核心知识点 学习目标 6-7 高级算法、数据结构综合应用 高级动态规划、图论、数论、几何 7，这一阶段的题目开始考察更高级的算法和数据结构的综合应用。 问题建模难度增加，需要将实际问题转化为算法模型 数据结构的选择和实现更加复杂 代码量增加，对代码的正确性和效率要求更高 往往需要结合多种算法和数据结构来解决问题 第二章：难度系数6题目解析 难度系数6 的题目是中级难度的基础，开始涉及更复杂的算法设计和数据结构应用。
38010编辑于 2025-11-13 - 来自专栏AI机器学习与深度学习算法
机器学习入门 6-7 sklearn中的随机梯度下降法
在jupyter调用我们自己封装的随机梯度下降法，首先是先在虚拟数据上验证算法正确性，然后应用真实的数据。 ? ? ? ? ? ? 二 sklearn实现随机梯度下降法 ? ?
1.3K20发布于 2019-11-13 - 来自专栏钱塘大数据
【报告】2017中国大数据发展报告
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
81590发布于 2018-03-06 - 来自专栏钱塘大数据
【报告下载】2017中国大数据发展报告
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
85380发布于 2018-03-05 - 来自专栏钱塘大数据
【报告】大数据交易区块链技术应用标准报告
在2017第三届中国（贵阳）大数据交易高峰论坛上，贵阳大数据交易所正式发布《大数据交易区块链技术应用标准》，分别从架构标准、治理标准、交易标准、安全标准四个方面进行了阐述，助力区块链技术在大数据交易领域深化应用 ，促进全国数据要素有序流通。 本文来源：贵阳大数据交易所
1.2K50发布于 2018-03-06 - 来自专栏腾讯大数据的专栏
国庆专题数据报告
（本次报告主要数据来源于腾讯云分析，腾讯信鸽，腾讯微信团队，腾讯SNG数据中心及网络公开资料）
87750发布于 2018-01-26 - 来自专栏钱塘大数据
【报告下载】中国大数据技术与产业发展报告
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
67850发布于 2018-03-02 - 来自专栏MongoDB中文社区
行业报告| 请查收 2022 MongoDB 数据与创新报告
为了更好地了解数据在实现基于软件的创新中的作用，我们采访了亚洲各地（包括澳大利亚、中国大陆、香港、印度、新西兰、韩国和台湾）的 2,000 名专业技术人员。 调查报告突显了创新的重要性、构建新应用面临的技术挑战，以及构建失败的后果。 主要调查结果包括： 73% 的受访者表示，数据是应用程序构建过程中最难的部分 60% 的受访者表示，数字化转型增加了数据架构的复杂性 阻碍创新的主要因素包括开发人员工作量过大、数据架构、技术落后和技术负债 无论是过于复杂的数据架构，还是保持数据收集和使用合规性的艰巨性，都会影响团队的效率，也会让资源枯竭。 要了解所有调查结果并详细了解提高创新关注度的必要性，请下载完整报告。 扫描下方二维码，完成注册，即可下载完整报告。
47020编辑于 2022-05-19 - 来自专栏钱塘大数据
【报告】大数据服务行业研究报告
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
84280发布于 2018-03-02 - 来自专栏腾讯文旅
报告发布丨夜间旅游市场数据报告2019
旅游经济文化和旅游部重点实验室张佳仪发布了《夜间旅游市场数据报告2019》。 报告全文如下： 随着旅游消费的日益多元和旅游供给的提质挖潜，加上全国各地频频出台促进夜间经济发展的政策文件，夜间旅游正吸引着来自产学研各界越来越多的关注。 表1：2019年春节期间夜间旅游消费占比 数据来源：中国旅游研究院银联商务旅游消费大数据联合实验室 数据来源：中国旅游研究院夜间旅游专项调研 图1 未来游客夜间体验时间 根据旅游统计，国内旅游平均停留时间为 数据来源：中国旅游研究院夜间旅游专项调研 图2 夜间旅游花费时间 表2 夜间旅游花费意愿（按不同收入阶层） 数据来源：中国旅游研究院夜间旅游专项调研 专项调查数据显示，月收入水平在12000元以下的群体中选择 数据来源：中国旅游研究院夜间旅游专项调研 图11 夜间旅游体验时间 数据来源：中国旅游研究院夜间旅游专项调研 图12 夜间旅游停留时间 专项调查数据显示，夜间6-10点为夜间旅游的高峰时段，占比达到
1K10发布于 2020-06-17 - 来自专栏数据D江湖
2022数据安全产业洞察报告
来源：炼石 公众号后台回复： 报告 获取源文件 欢迎添加本站微信：datajh （可上下滑动或点单个图片放大左右滑动查看） 共计430页+，此处展示部分 知识星球历史已上传相关资料概览： 报告已同步至知识星球 ，需要源文件请公众号后台回复：报告 报告仅做分享交流，文章开头已注明来源，如有侵权，请联系删除；
1K10编辑于 2022-09-01 - 来自专栏十二惊惶的网络安全研究记录
数据库实验报告
[TOC] 这个主要是将本学期，的实验报告进行一个汇总 实验二：数据库的创建和使用操作 一、实验目的 1.安装配置MySQL workbench或者sqlyog客户端，并实现服务的连接。 （数据类型错误，key键的是否唯一，数据的取值是否在规定的范围内等） 3.学会用外部键处理数据。 三、【实验过程】 一、数据类型错误，key不是唯一，或数据超过规定的长度：都是常见的数据库错误。 记录实验中遇到的问题和心得，写出实验报告。 使用视图有以下优点： 1为用户集中数据，简化用户的数据查询、修改、删除和更新，2屏蔽数据库的复杂性3简化用户的权限管理，4便于数据共享，5可以重新组织数据以便输出到其他应用程序中； 实验十三：数据库索引的创建和使用 -- 在数据定义时声明长度可以大于原数据库的数据长度，不会报错，但是在数据输入时弱数据大于数据库要求会造成截断。
1K10编辑于 2024-02-28 - 来自专栏钱塘大数据
【报告下载】2016中国大数据市场研究报告
报告来自：移动化信息研究中心
86690发布于 2018-03-05 - 来自专栏数据猿
报告 | 2016年5月大数据投融资分析报告
2015年7月-2016年5月大数据领域投融资情况 ? 数据来源：HCR基于公开数据整理 文化娱乐依然是投融资热点 ? 鉴于以上问题，大数据在艺术品市场中的指导作用就显得非常关键，通过数据挖掘，可以为投资人提供艺术品市场发展的动向，帮助他们找到准确的投资方向。 相比其他大数据应用的细分领域，艺术品大数据最突出的问题是数据源的可信度不高： 首先，国内艺术品没有统一的交易市场，交易比较分散、数据不完整； 其次，艺术品自身具有异质性，交易很难标准化，数据分析存在困难 目前，艺术品大数据还处于市场萌芽期，但艺术品的强大市场潜力将赋予大数据以广阔的应用空间，从投资的角度来看，投资人应该更多关注具有相对可靠数据源，并且对艺术品市场有着深刻理解的企业。 因此从投资角度来看，投资人应该将目光放在积累基因样本能力较强的公司，同时基因大数据分析需要结合临床数据，因此还需特别关注企业临床数据的能力。
1.1K40发布于 2018-04-19 - 来自专栏毛利学Python
TMDB电影数据分析报告
TMDB电影数据分析报告 前言 数据分析的基本流程： 提出问题 理解数据 数据清洗 构建模型 数据可视化 形成报告 一、提出问题 本次报告的主要任务是：根据历史电影数据，分析哪种电影收益能力更好 针对本数据集，数据清洗主要包括三个步骤：1.数据预处理 2.特征提取 3.特征选择 数据预处理：（1）通过查看数据集信息，发现’runtime’列有一条缺失数据，‘release_date’列有一条缺失数据 特征选择：在分析每一个小问题之前，都要通过特征提取，选择最适合分析的变量，即在分析每一个小问题时，都要先构造一个数据框，放入要分析的变量，而不是在原数据框中乱涂乱画。 四、数据可视化 本次数据分析只是对数据集进行了基本的描述性分析和相关性分析，构建模型步骤均与特征选取、新建数据框一起完成，本案例不属于机器学习范畴，因此不涉及构建模型问题。 （详见后续代码） 五、形成数据分析报告 代码部分： 导入包，并读取数据集： import numpy as np import pandas as pd import
1.5K50编辑于 2022-09-22 - 来自专栏钱塘大数据
【报告下载】大数据服务行业研究报告
?
81950发布于 2018-03-05
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号