首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
数据
数据智能老司机
创建于2023-05-27
订阅专栏
数据相关
等 60 人订阅
共300篇文章
创建于2023-05-27
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
用 Altair 和 AI 进行数据叙事——数据叙事入门
本章内容包括 什么是数据叙事 数据叙事的重要性 为什么在数据叙事中使用 Python 的 Altair 与生成式 AI 工具 何时 Altair 与生成式 AI 工具不适用于数据叙事 如何阅读本书 数
算法交易系统与策略——开发交易系统的主流方法
在你动手打造自己的系统之前,必须先考察可行的实现路径。也许你的点子早有人做过,你就没必要再自己写一套程序。即便市面上没有与你想法相同的产品,你仍然可以从现有产品中汲取有价值的洞见。 当前,构建交易系统
解密营销漏斗:识别流失点,提升全链路转化
每个企业都希望更多潜在客户转化为付费用户,而理解营销漏斗是实现这一目标的基础。 无论你是初创公司还是成熟企业,营销漏斗都能帮你梳理客户从初识品牌到成为忠实拥护者的完整路径,找到转化中的关键节点,优化资
使用 OpenAI Agents SDK 构建智能体——环境配置与首个 Agent 开发
是时候上手了。我们将开始动手构建第一个 AI Agent。尽管 OpenAI Agents SDK 相对直观,在此之前仍需要先正确配置开发环境,并理解与 SDK 相关的一些基础 Python 概念。可
Snowflake 数据建模——数据库规范化(Database Normalization)
在前几章里,我们探讨了如何捕捉一个组织真实的业务运作,并用可视化语义对其进行建模。由此得到的模型与配套图表,让领域团队与数据团队更容易就业务的核心实体及其交互达成共识。然而,当建模过程推进到物理阶段时
Snowflake 数据建模——逻辑建模实战
在上一章中,我们看到数据团队与业务团队协作,创建了一个高层次的概念模型,用以表示组织的主要实体及其关系。概念模型有助于在不过度细化的情况下理解数据的整体结构与需求;而建模流程的下一阶段需要更进一步,开
Snowflake 数据建模——概念建模实战
概念数据库建模是一种高层次的数据库设计方法,着重于捕捉业务实体及其相互关系。这种方法能帮助设计者更深入地理解数据,更容易识别设计中的潜在问题或不一致之处;同时也使数据库在未来变更中更具灵活性与可适应性
Snowflake 数据建模——用建模标记看透 Snowflake 架构
在本书中,我们始终借助关系图来支撑示例、阐释那些单靠文字难以说明的思想。虽然前文介绍过多种建模风格与标记,但对可视化语义、各元素及其属性的系统性综述尚未展开。 本章将跑通一套完整的可视化工具箱:既能帮
Snowflake 数据建模——借助 Snowflake 对象来谈建模
在其最纯粹的形式中,关系建模(经规范化的表 + 严格执行的物理约束)最常见于 OLTP(联机事务处理) 数据库。事务型数据库存储的是业务信息的**最新(as-is)版本;而数据仓库则保存历史快照,并随
Snowflake 数据建模——深入理解 Snowflake 对象
上章介绍了驱动 Data Cloud 的创新架构,以及它如何开启传统数据库从未实现的可能性。本章将深入讲解 Snowflake 客户在建模过程中会用到的数据库对象。诸如**表(tables)与视图(v
Snowflake 数据建模——掌握 Snowflake 架构
自数据库诞生以来,伴随数据规模与处理需求的增长,如何同时管理并发与可扩展性始终是反复出现的难题。多年来,人们尝试了许多创新设计,并取得了参差不齐的成效。然而,这些成功往往也伴随着新的权衡与代价。 Sn
Snowflake 数据建模——四种建模类型概论
上章把“模型”介绍为对现实的选择性简化。就像 Harry Beck 专为伦敦地铁出行而设计的地铁线路图一样,其他地图变体——比如街道图和地形图——用来刻画地理的不同侧面。对数据库以及依赖它们开展业务运
Snowflake 数据建模——解锁建模的潜能
在数据库系统实践的半个多世纪里,“建模”(modeling)一词的含义已演变出截然不同的内涵。本开篇章节旨在为全书定下基调:揭开建模的神秘面纱,并介绍其应用、方法论与收益。贯穿本书,建模这一概念将逐步
构建 Medallion 架构——勋章架构的治理与安全
在第 11 章中,我们探讨了在大型、复杂组织里日益重要的去中心化与联邦式模型在勋章(Medallion)架构中的细微差别。第 12 章将把焦点转向健全的治理与安全协议,其重要性不言而喻。 本章将全面概
构建 Medallion 架构——生成式 AI 赋能的未来 Medallion 架构
作为本书的收官,我们将探讨不断演进的 Medallion 架构如何日益与生成式人工智能(GenAI)交织在一起。¹ 传统上,Medallion 架构在 Bronze、Silver 和 Gold 各层主
构建 Medallion 架构——精简与优化 Gold 层
在第 5 章里,我们构建了 Bronze 层,解决了在来源系统多样且复杂的前提下,仍要做出可查询结构的难题。我强调了这一基础层在稳定性与可靠性方面的重要性。进入第 6 章后,我们把重心转向 Silve
构建 Medallion 架构——构建 Silver 层
在第 5 章中,我们基于 Oceanic Airlines 的参考架构,探讨了 Medallion 架构中 Bronze 层的基础设计与搭建。我们审视了部署与配置,并通过大量代码片段与示例加深理解。你
构建 Medallion 架构——构建 Bronze 层
在你已经搭建好数据平台基础之后——无论是 Microsoft Fabric 还是 Azure Databricks——就可以开始构建 Bronze 层了。Bronze 层是所有原始数据(raw dat
构建 Medallion 架构——使用 Microsoft Fabric 构建 Medallion 基础
在第一部分(Part I)中,我们探讨了 Medallion 架构的分层设计——Bronze、Silver、Gold。每一层都承担关键角色:将数据从 Bronze 层的原始态逐步转化为 Gold 层可
构建 Medallion 架构——深入解读Medallion架构
在第 1 章中,我们回顾了 Spark 与 Delta Lake 的演进,并引介了 Medallion 架构。这一设计模式帮助在现代湖仓(lakehouse)中以逻辑方式组织数据:通过 Bronze
下一页