企业型数仓全知识体系介绍，包括大数据平台架构、数仓架构、数仓建模、常见模型、事实表、设计规范、表命名规范、开发规范、流程规范、元数据管理、维度表、三范式与反范式、数仓分层、数据治理、ETL、数据倾斜等

本文以物联网体系下数据生命周期为主线，从数据的产生、采集、存储、传输、加工、到最终的流通与应用解构物联网，基于数据入口、数据联通、数据应用三个方面研究物联网的框架层次。分析当代物联网的发展瓶颈，打破桎梏，为企业与公共主体提供未来发展方向的参考与寻求突破的新思路，加速物联网的渗透赋能。

Ocean Data View (ODV) is a software package for the interactive exploration, analysis and visualization of oceanographic and other geo-referenced profile, time-series, trajectory or sequence data. ODV runs on Windows, Mac OS X, Linux, and UNIX (Solaris, Irix, AIX) systems. ODV data and configuration files are platform-independent and can be exchanged between different systems.

Agile Data Warehouse Design From Business Models to BI Models

db_data_process

我们特别关注以下三个方面：（1）全面回顾了近年来在探索知识迁移的力量方面取得的进展，特别是在元学习方面；（2）介绍了将人类/专家知识纳入机器学习模型的前沿技术；（3）确定了开放的挑战数据增强技术，如生成性对抗网络。

Python Data Science Handbook[美]Jake VanderPlas【高清版】，PDF

BigDL：基于Apache Spark的分布式深度学习 什么是BigDL？ 是Apache Spark的分布式深度学习库； 借助BigDL，用户可以将其深度学习应用程序编写为标准Spark程序，这些程序可以直接在现有Spark或Hadoop集群之上运行。 为了轻松构建Spark和BigDL应用程序，提供了一个高级 ，用于端到端分析+ AI管道。 丰富的深度学习支持。 以为模型，BigDL为深度学习提供了全面的支持，包括数值计算（通过 ）和高级； 此外，用户可以使用BigDL将预先训练的或模型加载到Spark程序中。 极高的性能。 为了实现高性能，BigDL在每个Spark任务中使用 /

开发操作Oracle数据库的WebService时，会出现未能加载 System.Data.OracleClient.dll的错误，本文详细叙述了解决办法。

MNIST 数据集已经是一个被”嚼烂”了的数据集, 很多教程都会对它”下手”, 几乎成为一个 “典范”. 不过有些人可能对它还不是很了解, 下面来介绍一下. MNIST 数据集可在 http://yann.lecun.com/exdb/mnist/ 获取, 它包含了四个部分: Training set images: train-images-idx3-ubyte.gz (9.9 MB, 解压后 47 MB, 包含 60,000 个样本) Training set labels: train-labels-idx1-ubyte.gz (29 KB, 解压后 60 KB, 包含 60,000 个标签) Test set images: t10k-images-idx3-ubyte.gz (1.6 MB, 解压后 7.8 MB, 包含 10,000 个样本) Test set labels: t10k-labels-idx1-ubyte.gz (5KB, 解压后 10 KB, 包含 10,000 个标签) MNIST 数据集来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST). 训练集 (training set) 由来自 250 个不同人手写的数字构成, 其中 50% 是高中学生, 50% 来自人口普查局 (the Census Bureau) 的工作人员. 测试集(test set) 也是同样比例的手写数字数据.