
戏说IT:大数据时代下的芭芘娃娃很恐怖
现如今,数据已经渗透到了每一个行业和业务职能领域,成为重要的生产因素。人们对于海量数据的挖掘和运用,预示着新一波生产率增长和消费者盈余浪潮的到来。大数据时代是由全球知名咨询公司麦肯锡最早提出来的。
大数据是继云计算、物联网之后IT行业又一次颠覆性的技术革命,那么它又是怎样和芭比娃娃产生联系的呢?近日,Mattel发布了装载有AI能够陪孩子说话的Hello Barbie智能芭比娃娃,这引来了许多隐私权益人士的反对,要求这家玩具制造厂商停止生产这种玩具。
智能芭比娃娃引以为傲的声音识别技术能够让娃娃和主人之间产生独特纽带,只不过它在对话过程中的问题较为敏感,而且还能通过WiFi将对话进行回传,尽管该公司在隐私策略中注明会“使用、储存、处理并将语音记录转化成文字以提高会话识别技术”,但这些数据是否安全仍然令人怀疑。
的确,一般的消费者并不能确定这种智能产品是否会给家庭造成困扰,毕竟它很容易会被人认为是新的窃听设备,如果有人故意在眼睛部位安装摄像头……想想都觉得很恐怖。
液体3D打印机
3D打印机的出现改变了许多东西,比如房子、器官、汽车、衣服、机器人……这些东西都可以用3D打印机打印出来,怎么想都觉得这是件不可思议的事情。3D打印的概念起源于19世纪末的美国,而近几年却逐渐火热起来,尽管它能打印的东西数不胜数,不过它的耗时也是非常可观的。一件小的摆件需要几个小时才能搞定,那么一幢房子要多久呢?
近日,北卡罗来纳大学教堂山分校的研究人员发现了一个新工艺,把它命名为“连续的液体界面制造”(CLIP),它不但大大减少了3D打印所需要的时间,同时还将3D打印物品表面粗糙的问题一并解决了。
CLIP的最重要特点就是池子底:一个会让氧和紫外线穿过的窗口。因为氧会妨碍固化过程,这层薄膜能在底部长久有效地形成不可固树脂的“死亡区”。然而,这一层薄得就像由红细胞构成的一样。它允许紫外线穿过,能让所有位于死亡区正上方的含低氧的树脂固化。而没有树脂粘底部的这个装置,能像变戏法一样地提高印刷速度,因为它不是在上“水面”发生,那里会和氧气接触,所有步骤都会慢下来。而当打印机把成型的物体拿出来之后,吸引器又会在底部注入更多树脂。
据悉,CLIP的打印速度要比传统的方法快20-100倍,而且它生产更加精细的物体元件,小到20微分(厚度大概和丙烯酸纤维一样)的都可以。
提升电池性能!是蜘蛛丝还是蚕丝?
最近北京理工大的科学家发现蜘蛛丝能够显著的提升电池性能,它有望取代石墨作为锂离子新的存储介质。其实蜘蛛丝早就被科学家们盯上了,它以高强度以及高韧性的特点被引入到电子设备的设计中,例如,一个覆盖有蜘蛛丝涂层的碳纳米纤维要比单纯的蜘蛛丝纤维的导电性高,而且强度也是后者的三倍。
在研究中,他们发现利用一种化学处理方式处理天然的蜘蛛丝,能够把它变成15-30纳米厚的多孔氮带,其中能够容纳碳。含电子较多的氮原子提高了材料的导电率,并能提供额外存放锂离子的空间。采用一种一步法(one-step technique)将这种材料参入原型电池和超级电容中,导电性会成比例放大。新型的材料能够存储下约5倍于石墨电池的锂离子,而新的超级电容也被证明是十分稳定的(自放电更弱),在重复10000次充放电之后,损耗也只有9%左右。
笔者本身是非常讨厌蜘蛛的,相信绝大多数朋友也一样。看到这篇新闻的时候笔者并没有太大疑问,不过在看图的时候发现,网上所有的相关新闻都用蚕丝作为配图……真是不知道哪里出了问题……傻傻分不清楚?
原来雾霾不是帝都专属
雾霾,对于身在帝都的小伙伴们来说再熟悉不过了,当笔者第一次在天气预报中听到霾转阴的时候,整个人都不怎么好了。本周三,法国巴黎和北部地区被浓厚的雾霾笼罩,就连标志性建筑埃菲尔铁塔也逐渐消失在了雾霾中,本以为是帝都专属的雾霾也终于走出国门。
法国空气质量检测机构Airparif认为雾霾的成因主要是季节性天气类型和农场以及车辆通行排放的尾气。由于法国北部最近气压较高,雾霾被困在大气中无法消散。高压地区会造成空气沉降,将污染物和霾困在较低的空气中。再加上最近法国寒冷潮湿的天气,导致了硝酸铵等污染化合物水平居高不下。
柴静的“穹顶之下”已经为我们解释了一些关于雾霾的东西,如何有效治理它也是我们面临的一大难题,现在每天出门已经分不清阴天和雾霾的区别,只是感觉到呼吸越来越不舒服,希望它能早日远离我们。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30