数据科学专业问答社区，好文章，一字千金--CDA答疑社区

热线电话：13121318867

登录

液冷服务器

两会代表热议采用ChatGPT指导论文写作：防范抄袭的探索与思考

人工智能 | AGI | AIGC深度学习 | API | GPT-4随着深度学习、高性能计算、数据分析、数据挖掘、LLM、PPO、NLP等技术的快速发展，ChatGPT得到快速发展。ChatGPT之所以引起关注，在于它作为一个大模型，有效结合了大数据、大算力、强算法。在最近的两会上，众多代表都参与到关于ChatGPT、关于人工智能的讨论中，纷纷建言献策，表达对于这一颠覆性创新的关注。此外，政府工

21.8182

2

0

0

关注作者

收藏

液冷服务器

数字中国建设整体布局规划，能给ChatGPT带来什么机会呢？

人工智能 | NLP | GPU架构深度学习 | AMD | Chat GPT最近，ChatGPT又引发了不少新闻。比如，香港大学已经正式宣布，禁用ChatGPT，目的是防止论文抄袭。再比如，近日，不少美国企业已经把ChatGPT应用到了日常工作中，甚至代替了部分员工。据美媒报道，本月早些时候，一家提供就业服务的平台对1000家企业进行了调查，结果显示，近50%的企业表示，已经在使用ChatGPT

21.8182

2

0

0

关注作者

收藏

ermutuxia

Error Code: 1290. The MySQL server is running with the --secure-file-priv option

My SQL 中：Error Code: 1290. The MySQL server is running with the --secure-file-priv option so it cannot execute this statement这是因为在mysql中如果想要导入外部格式的数据文件，比如说csv文件，就需要先把这些文件放到mysql认为的安全路径下，才能上传成功。这也是出于对用

141.8182

3

0

0

关注作者

收藏

液冷服务器

东数西算下，液冷数据中心为何日趋重要？

东数西算 | 超算平台 | 冷板式液冷深度学习 | 数据中心 | 高性能计算在“双碳”目标和“东数西算”工程的推动下，液冷、深度学习、高性能计算、多样化计算等技术前景广阔。数据中心、超算平台基础设施可按照不同的冷却方法进行划分风冷数据中心基础设施和液冷数据中心基础设施。数据中心散热技术领域不断创新。目前，液冷技术以其稳定性高、散热效率高等优势逐渐显现出优势。在“碳达峰”和“碳中和”目标的背景下，液

21.8182

1

0

0

关注作者

收藏

液冷服务器

大模型为什么是深度学习的未来？

人工智能 | 数据分析 | Chat GPT深度学习 | 数据挖掘 | 高性能计算当今社会是科技的社会，是算力快速发展的时代。随着数据中心、东数西算、高性能计算、数据分析、数据挖掘的快速发展，大模型得到了快速地发展。大模型是“大算力+强算法”相结合的产物，是人工智能的发展趋势和未来。目前，大规模的生态已初具规模。其可以实现从“手工作坊”到“工厂模式”的AI转型。大模型通常在大规模无标记数据上进行训

21.8182

2

0

0

关注作者

收藏

液冷服务器

谷歌用Bard打响了Chat GPT的第一枪，百度版Chat GPT 何时出炉？

百度 | Bard | Chat GPT谷歌 | RLHF| ERNIE Bot 随着深度学习、高性能计算、数据分析、数据挖掘、LLM、PPO、NLP等技术的快速发展，Chat GPT得到快速发展。Chat GPT是OpenAI开发的大型预训练语言模型，GPT-3模型的一个变体，经过训练可以在对话中生成类似人类的文本响应。为了占据ChatGPT市场的有利地位，百度谷歌等巨头公司也在运筹帷幄，不断发

21.8182

1

0

0

关注作者

收藏

CDA助教老师

数据服务层开发

数据服务层开发数据最终的目的是走出数据仓库，应用到业务系统和营销场景中。一般在开发完画像后，还需要打通标签数据和各业务系统之间的通路，通过产品化的方式将标签数据应用到业务中去。这里需要打通的服务层包括离线服务层和在线服务层，其中离线服务层将ETL后的用户群数据推送到对应业务系统，在线服务层以RESTful API方式提供接口服务，可支持个性化推荐、营销推送、在线特征库等场景。几个典型的

21.8182

1

0

0

关注作者

收藏

CDA助教老师

周期快照事实表

·周期快照事实表：在一个确定的时间间隔内对业务状态进行度量。例如查看一个用户的近1年付款金额、近1年购物次数、近30日登录天数等。

21.8182

1

0

0

关注作者

收藏

CDA助教老师

如何搭建一套用户画像方案？

搭建一套用户画像方案整体来说需要考虑8个模块的建设1·用户画像基础：需要了解、明确用户画像是什么，包含哪些模块，数据仓库架构是什么样子，开发流程，表结构设计，ETL设计等。这些都是框架，大方向的规划，只有明确了方向后续才能做好项目的排期和人员投入预算。这对于评估每个开发阶段重要指标和关键产出非常重要。2·数据指标体系：根据业务线梳理，包括用户属性、用户行为、用户消费、风险控制等维度的指标体系。

480.0000

1

0

0

关注作者

收藏

CDA助教老师

规则类标签

规则类标签该类标签基于用户行为及确定的规则产生。例如，对平台上“消费活跃”用户这一口径的定义为“近30天交易次数≥2”。在实际开发画像的过程中，由于运营人员对业务更为熟悉，而数据人员对数据的结构、分布、特征更为熟悉，因此规则类标签的规则由运营人员和数据人员共同协商确定；

21.8182

1

0

0

关注作者

收藏

CDA助教老师

用户画像的标签类型

标签类型用户画像建模其实就是对用户“打标签”，从对用户打标签的方式来看，一般分为3种类型：①统计类标签；②规则类标签；③机器学习挖掘类标签。

21.8182

1

0

0

关注作者

收藏

CDA助教老师

mysql 学习58--RFM用户价值

-- 4.5 RFM用户价值create VIEW RFM1 AS select *,case when R程度='高' and F程度='高' and M程度='高' then '重要价值用户' when R程度='高' and F程度='低' and M程度='高' then '重要发展用户' #重要发掘, 提高F when R程度='低' and F程度='高' and M程

56.1039

3

0

0

关注作者

收藏

CDA助教老师

mysql 学习57--RFM重要程度

-- 4.4 RFM重要程度select *, if(R评分>3.5984,'高','低') as R程度, if(F评分>2.1039,'高','低') as F程度, if(M评分>2.2051,'高','低') as M程度from (select user_id,timestampdiff(day,max(日期),'2014-12-19') as R,co

514.2857

3

0

0

关注作者

收藏

CDA助教老师

mysql 学习56--RFM均值

-- 4.3 RFM均值selectavg(R评分) as R均值,avg(F评分) as F均值,avg(M评分) as M均值from(selectuser_id,case when timestampdiff(day,max(日期),'2014-12-19')

514.2857

3

0

0

关注作者

收藏

CDA助教老师

mysql 学习55--RFM评分

-- 4.2 RFM评分select user_id, timestampdiff(day,max(日期),'2014-12-19') as R, count(*) as F, sum(amount) as M, case when timestampdiff(day,max(日期),'2014-12-19')

514.2857

3

0

0

关注作者

收藏

CDA助教老师

mysql 学习53--查询每一家门店销售额从高到低累积占比前70%的商品

-- 练习（荣威）：查询每一家门店销售额从高到低累积占比前70%的商品create table store_sales_info( id int primary key, store_id int, order_id int, item_id int, sales decimal(10,2), qty int);insert into store_sales_i

34.2857

2

0

0

关注作者

收藏

CDA助教老师

mysql 学习52--产品贡献定量分析（帕累托分析）

-- 3.3 产品贡献定量分析（帕累托分析）##累积销售额占比=累积销售额/总销售额select *from (select item_category,sum(amount) as 销售额,sum(sum(amount)) over(order by sum(amount) desc) as 累积销售额,#当over中指定了排序,但是没有指定分区和指定滑动窗口范围时,默认计算当

34.2857

2

0

0

关注作者

收藏

CDA助教老师

mysql 学习51-- 查询每门课程的前三名

-- 练习（得昂）：查询每门课程的前三名：课程，第一名（姓名+分数），第二名（姓名+分数），第三名（姓名+分数）create table t_stu_profile(stu_id varchar(10) primary key,stu_name varchar(10),gender varchar(10),age int,class_id varchar(10) not null);create

34.2857

2

0

0

关注作者

收藏

CDA助教老师

mysql 学习50-- 每日浏览—加购—购买的转化率

-- 3.2.3 每日浏览—加购—购买的转化率select 日期, sum(if(behavior_type='pv',用户数,0)) as 浏览人数, sum(if(behavior_type='cart',用户数,0)) as 加购人数, sum(if(behavior_type='buy',用户数,0)) as 购买人数, sum(if(behavior_type=

34.2857

2

0

0

关注作者

收藏

CDA助教老师

mysql 学习49--浏览—收藏---加购—购买的转化率

-- 3.2.2 浏览—收藏-加购—购买的转化率selectbehavior_type,count(distinct user_id) as 用户数,lag(count(distinct user_id),1) over(order by if(behavior_type='pv',1,if(behavior_type='fav',2,if(behavior_type='cart',3,4))))

0.0000

1

0

0

关注作者

收藏

<1…8910…404>

CDA考试动态

CDA报考指南