本文基于成功案例（具备软著），阐述主数据产品的各种架构以及关键核心能力。 主数据产品的设计和实现，解决业务问题，降本增效。以及未来主数据的探索。 定期不定期跟新数据治理领域的知识和材料。涵盖DAMA车轮图全部领域。

大数据产品布局和应用实践.pptx

大数据技术分享 大数据产品中的异构数据源整合 共15页.pdf

淘宝公司海量大规模数据存储产品的技术架构，公司内部文件。

联通政务大数据产品手册.pdf

东方道迩公司当年代理销售法国Pleiades卫星数据的宣传材料

全栈数据产品经理方法论地图

本人学习中整理的读书笔记，适合想要入行的同学了解数据中台做什么？适合数据分析、产品经理转岗做数据产品的同学阅读。笔记分四部分。 第一部分：介绍什么是数据中台；数据中台建设与架构；评估与选择 第二部分：围绕架构展开I： 数据汇聚联通：打破企业数据孤岛 数据开发：数据价值提炼工厂 数据体系建设 第三部分：围绕架构展开II： 数据资产管理 数据服务体系建设 第四部分：围绕架构展开III： 数据中台运营机制 数据安全管理

本人学习中整理的读书笔记，适合想要入行的同学了解数据中台做什么？适合数据分析、产品经理转岗做数据产品的同学阅读。笔记分四部分。 第一部分：介绍什么是数据中台；数据中台建设与架构；评估与选择 第二部分：围绕架构展开I： 数据汇聚联通：打破企业数据孤岛 数据开发：数据价值提炼工厂 数据体系建设 第三部分：围绕架构展开II： 数据资产管理 数据服务体系建设 第四部分：围绕架构展开III： 数据中台运营机制 数据安全管理

1.5 损失函数 为了更好的保留输入图像的色彩鲜明和高对比度特征，本文采用了对抗损失函数[12]、 L1损失和感知损失函数三个损失函数进行线性叠加，对抗损失函数如公式（4）所示： 135 = ( , )[log( ( , ))] ( , )[log(1 ( ,G( , )))] GAN L E x y D x y E x z D x x z  （4） D：判别器，G：生成器。x：输入的水下模糊图像，y：与 x 对应的水下清晰图像，z: 噪声输入，采用文献[11]中的方法，以随机失活（Dropout）作为噪声源，提高模型的随机性。 本文利用感知损失函数进行水下图像的特征重建。生成网络生成的图像和目标图像通过一个 网络模型参数固定的 VGG-19网络，传递到 VGG-19的 Conv4_3层后输出，利用 L2损失函数140 对输出图像进行计算。则损失函数定义如公式（5）所示: 2 , , , , 1 1 1 2 1 || ( ( , ) ) ( ) || C W H c w h c w h vgg c w h L V G x z V y CWH      (5) C、W、H 分别表示输出图像的通道，宽度和高度。V 表示由 VGG-19网络进行的非线 性转换。如文献[11]中所述，使用加权 L1损失和对抗性损失减少了输出图像中的人为干扰因 素，则目标图像 y 和生成的图像