Big Data Architect

大數據對於預測的貢獻，其實和它本身的特性一樣，主要是增強客觀性。 #Gallup #Roosevelt #NateSilver #Bayesian #BigData | #DigitalBanking | #Computing | #Tech | #AI | #blockchain | #fintech | #數據 | #人工智能 | #區塊鏈 | #比特幣 | #smart |#math | #prediction #statistics #objective

如果只用社交媒體的數據進行相關性分析，其實和我們日常所做的感性推導沒有太大區別，甚至還不如感性推導靈活，很容易因為數據的不夠全面犯下「黑天鵝」式的錯誤（在發現澳大利亞之前，西方認為只有白天鵝） #swan #data #Swarovski #correlation #intuition #Australia #Tech | #AI | #smart | #coin

#大數據 #技術 作為一種工具，其應用方向，無非三個方面，一是對過於和曾經的理解，二是對以後和將來的認知，三是對當下進行判斷並進行即時處理 #BigData | #DigitalBanking | #Computing | #Tech | #AI | #blockchain | #fintech | #數據 | #人工智能 | #區塊鏈 | #比特幣 | #smart | #future | #tool

在網路與終端的支撐下，雖然我們身處的時空沒有任何變化，但是通過更加碎片化的信息，我們可以將時間與空間的分割從以往的單位中進一步細分，這就相當於原本一個9寸蛋糕切四塊，現在可以切成六百四十塊 #BigData | #Tech | #AI | #internet | #數據 | #人工智能 | #區塊鏈 | #比特幣 | #smart |

人類進入 #大數據 時代，類似於生物學迎來了 #顯微鏡 天文學發現了 #望遠鏡 因為網路傳輸和電腦存儲運算能力的提高，交給了我們一把信息放大鏡，從此我們對現象的觀察進入一個新的領域 #BigData | #scope | #Computing | #Tech | #AI | #fintech | #數據 | #人工智能 | #區塊鏈 | #比特幣 | #smart |

每個人的移動終端實際上就變成了一個 #數據 記錄儀。它比PC所能獲取到的資訊更加個人化，不僅暴露這個人的生活細節，位置動向，同時也記錄著它的消費習慣，人類第一次擁有了這麼多數據的生產者 #BigData | #Computing | #Tech | #AI | #人工智能 | #區塊鏈 | #比特幣 | #smart | #location #GPS #habit

BDA 祝您新春吉祥 #ChineseNewYear #NewYear #dog #狗年 #新年 #春節 #新春 #快樂 #吉祥 #如意 #心想事成 #恭喜發財 #年年有餘 #健康 #笑口常開 #平安

Happy Valentine's Day! #data #love #Valentine #date

智慧引擎的推薦會加強標籤，使兩極分化更明顯 #engine #label #BigData | #DataAnalytics | #Computing | #Tech | #DataScience | #DataMining | #數據分析 | #科技 | #trend | #smart | #IT | #AI | #Cloud | #數據挖掘 | #MachineLearning | #AI | #DeepLearning | #coding | #reinforcement

We shape our #tools and afterwards our tools shape us —Marshall McLuhan #BigData #DataAnalytics #Computing #Tech #DataScience #BDA #DataMining #數據 #科技 #trending #smart #IT #BI #Cloud #數據挖掘 #MachineLearning #AI #BDA #DeepLearning #coding #NLP #RNN #Master #AlphaGo

#ECharts GL 1.0正式版支援洋流風場等向量場的可視化功能 #visualization #data #ocean #map #BigData #DataAnalytics #Computing #Tech #DataScience #DataMining #科技 #trending #smart #IT #BI #Cloud #MachineLearning #AI #BDA #DeepLearning #coding #RNN #Master #AlphaGo #數據 #function

#ECharts GL 1.0正式版修復了大量的穩定性問題，完善了文檔，同時，新增了集成 #Mapbox 地理視覺化組件的功能 #BigData | #graph | #Computing | #Tech | #AI | #blockchain | #fintech | #數據 | #人工智能 | #區塊鏈 | #比特幣 | #smart | #baidu | #百度 | #beautiful #nice #pretty #map #layer

#ECharts 在本次升級中新增了一種叫做旭日圖的圖表類型 #旭日圖 可以理解為多個層次的圓形圖，內圈是外圈的父元素，通過這樣的形式，可以很直觀高效地展現帶有層次結構的數據佔比情況，並且具有很好的視覺效果 #data #visual #beautiful #Computing | #Tech | #AI | #人工智能 | #比特幣 | #smart |

2018年1月16日， #ECharts ow.ly/qCSK30ifrZE 發佈了最新大版本 4.0，新版本在產品的性能、功能、易用性等各個方面進行了全面提升。和 ECharts 4.0 一起發佈的還有 ECharts GL 1.0正式版，ZRender 4.0全新版本，WebGL 框架 ClayGL、深度學習框架Visual DL等 — 36dsj #baidu #visual #beautiful

要獲取#信息 主體上的所有信息（完美數據）還存在障礙，因為信息主體的 #數據 採集能力還不完善；採集後的數據可能分散在多個數據DOMAIN中，數據 #整合 成本和難度較大；數據的信息還原能力不足，導致大量數據無法應用，空耗著數據 #存儲 的巨大成本 #BigData | #Tech | #AI | #fintech | #smart |

#信息 主體能夠被 #數據 化的能力取決於數據的採集 #技術 和能力的發展。過去，在小數據時代，人的資訊採集能力僅限於關鍵性信息，而且很多的數據分佈在無數不同的場景中，很難收集、歸攏，也無法真正還原資訊主體上的資訊 #BigData | #Computing | #Tech | #AI | #info | #fintech | #數據 | #smart |

#數據 是信息的表達、載體，信息是數據的內涵，是形與質的關係。數據本身沒有意義，數據只有對實體行為產生影響時才成為 #信息 #BigData | #DigitalBanking | #Computing | #Tech | #AI | #blockchain | #fintech | #數據 | #人工智能 | #區塊鏈 | #比特幣 | #smart | #IT | #info | #bitcoin | #code

#聚類 #clustering #演算法 則是一種 #無監督學習 #unsupervised #learning 方法。在這種模型中，演算法會根據資料的一個或多個屬性將一組特征向量組織成聚類 #algorithm | #BigData | #Coding | #Tech | #AI | #bitcoin | #fintech | #人工智能 | #smart | #classification | #IT | #machine | #model

感知機 #perceptron 是單層 #神經網路 的一個早期 #監督學習 #算法 給定一個輸入特徵向量，感知機可對輸入進行具體分類。通過使用訓練集，網路的權重和偏差可為線性分類而更新。多層感知機為更複雜的演算法、網路 #拓撲學 #深度學習 奠定了基礎 #algorithm | #NeuralNetwork | #AI | #tech | #learning

儘管你可以成功地把搜索應用到很多簡單問題上，但是當選擇的數量增加時，這一方法很快就會失效。如果你繼續將這一想法擴展到國際象棋或者圍棋，很快你就會發展搜索的劣勢 #search | #chess | #go | #move | #BigData | #smart | #AI | #BDA | #DeepLearning | #coding | #game | #play | #Google | #BI