首页
学习
活动
专区
圈层
工具
发布

好的工作想法从哪里来

提出论点 好的研究想法,兼顾摘果子和啃骨头。...两年前,曾看过刘知远老师的一篇文章《好的研究想法从哪里来》,直到现在印象依然很深刻,文中分析了摘低垂果实容易,但也容易撞车,啃骨头难,但也可能是个不错的选择。...初入团队,寻找自己的立足点,需要一个好的工作想法。每年末,抓耳挠腮做规划,想要憋出一个好的工作想法。很多同学,包括我自己,陆陆续续零零散散想到很多点,然后自己不断否掉。...人的三维+时间半维 具体如何找到好的想法,一时半会没有头绪。因此,回到最初的起点,从人的层面,我有什么?我想要有什么?...引用 好的研究想法从哪里来 杜跃进:数据安全治理的基本思路 来都来了。

13.5K40

社交大佬们的数据‘大’在哪里?

你知道么,每当科技分析师煞有介事地探讨‘大数据’,10个里有9个说的都是‘社交网络’中流出的用户行为数据。...从电影制片厂,到唱片公司,再到有线电视台,娱乐产业中的重头参与者们都在目不转睛地盯着这个指南针。每个月,超过10亿个独立用户会造访Youtube,使它成为名符其实的世界第二大社交媒体。...2013年12月的数据显示,Youtube用户平均每月花费6个小时在这个平台上观看视频(而Facebook用户平均每月在其平台的视频观看时间还不足1小时)。...目前,大约有22%的LinkedIn用户在该平台上拥有500-999个一度人脉,拥有301-499个一度人脉的占了19%。...每天的5亿条推文为新闻和要闻提供了一个最接近于‘实时’的窗口。据Pew的研究数据,Twitter美国用户中有52%把该平台当做主要的新闻获取渠道。 摘自:搜狐

3.4K110
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    什么是“好”的平台工程?

    为了改善开发人员体验,越来越多的组织希望通过平台工程来减少繁琐工作,专注于创收功能和创新。 平台工程带来了两大主要好处。第一个是引入了自助服务功能,允许组织中的人员尝试新的软件。...平台工程的主要目的是在降低安全性和可用性风险的同时,有效地扩展开发人员的工作。开发人员平台解决了大规模开发可能带来的巨大成本和复杂性。...平台工程要取得成功,必须正确实施平台。由于组织对其平台需要定制化,因此不可能简单地购买现成的产品。...平台工程要取得成功,需要组织的全面支持。为了为内部用户构建更好的体验,需要消除孤岛。平台工程需要自己的团队才能成功;它不能仅仅被视为 IT 的延伸。...面向未来的平台工程 最终,平台工程的目标是鼓励开发人员(无论其团队或职能如何)使用平台,而不是在平台之外进行试验。

    3.4K10

    大前端技术的边界在哪里?

    为挖掘行业内技术融合的最佳实践,GMTC 全球大前端技术大会(北京站)策划了「IoT 动态应用开发」「大前端技术融合与跨界」两个专题,我们希望在元宇宙(比如渲染能力)、智能汽车(语音、IM、地图、音乐、...同时,我们也关注大前端破圈的有效姿势,首次聚焦 B 端研发效能、TypeScript、云研发实践等,并邀请 winter 等大咖前来参与“师兄帮帮忙”晚场交流活动,与你讨论“前端如何有效增值”的话题。...06 ▊《低代码开发平台的设计与实现――基于元数据模型》 谢用辉 著 本书能让你一举三得,一得低代码开发平台,二得元数据模型,三得软件抽象能力 低代码开发平台是在不写或者只写极少量代码即可实现业务功能的软件平台...本书介绍低代码开发平台设计与开发的详细过程,以元数据模型为核心,介绍服务、数据库、主数据、界面展现、功能配置,以及元数据自身的管理,完整呈现元数据驱动的低代码开发平台的端到端的实现机制。...本书面向的读者需要具备一定的开发基础,适合所有对低代码开发平台或对元数据模型感兴趣的软件工程师及相关从业人员学习阅读。 (京东满100减50,快快扫码抢购吧!)

    1.9K30

    【学术分享】刘知远:好的研究想法从哪里来

    什么算是好的想法 2015年,我在微博上写过一个调侃的小段子: ML派坐落美利坚合众山中,百年来武学奇才辈出,隐然成江湖第一大名门正派,门内有三套入门武功,曰:图模型加圈,神经网加层,优化目标加正则。...好的研究想法从哪里来 想法好还是不好,并不是非黑即白的二分问题,而是像光谱一样呈连续分布,因时而异,因人而宜。...那么,好的研究想法从哪里来呢?我总结,首先要有区分研究想法好与不好的能力,这需要深入全面了解所在研究方向的历史与现状,具体就是对学科文献的全面掌握。...随着研究经历的丰富,会越来越强烈地感受到,越是大跨度交叉的学术报告,越让你受到更大的启发,产生更多让自己兴奋的研究想法。 ?...几项研究工作放在一起,到底是互相割裂说不上话,还是在为一个统一的大目标而努力,格外反映研究的大局意识和布局能力。

    13.7K20

    搭建私有云平台的优势在哪里?

    私有云的特点就是在企业内部部署,不使用第三方平台辅助。有保密性高,安全性高,个性化私有定制的特点。那么如何搭建私有云平台呢? 什么是私有云?...私有云计算相应的为企业提供了众多优势(包括自助服务、伸缩性和弹性),通过专用资源提供额外的控制和定制能力,远远优于当地管理的计算基础结构。 私有云配图4.jpg 私有云的优势体现在哪里?...对于企业来说,特别是大型企业来说,与业务相关的数据是生命线,不能受到任何形式的威胁,所以短期内大型企业不会通过公有云来运行企业数据。私有云在这方面非常有利。因为它通常建在防火墙后面。...私有云往往会在防火墙的后面,而不是放在某个数据中心内。所以公司员工访问基于私有云的应用程序时,网络应该非常稳定,不会受到不稳定的影响。...私有云平台和公有云这两种形式的云平台都是可扩展、灵活的计算能力集群,通常是服务器包括管理在内的相关服务。公有云容易访问,通常由亚马逊、谷歌、微软等大公司提供。

    19.9K30

    应用洞察 | 从大模型数据,看大模型的前瞻应用场景在哪里?

    分享一下自己的见解,简单写写。 对比海外AI独角兽Anthropic旗下claude和国内字节旗下的豆包大模型使用数据,可以找出相关规律。...很大一部分对话 (近 6%) 涉及业务战略和运营 (包括起草专业通信和分析业务数据等任务)。 Claude 的用法因不同国家的语言而异,反映了不同的文化背景和需求。...像日本,本身就是二次元动漫的天堂,有了AI赋能,会迸发出更多的创意。 所以,关注AI出海的朋友们,懂了吧。 豆包家族模型 继大语言模型之后,字节将视觉理解模型价格降低,视觉理解模型也迎来“厘时代”。...这些数据,力证豆包大模型能力之强。 B端,豆包已经与国内汽车、手机、PC终端厂商进行合作,已经覆盖了3亿设备,这些智能终端的大模型调用量半年时间增长100倍!!...比如以下在扣子智能体平台上划分的信息处理类模板,大体聚焦在电商、文旅、写作方面。

    81810

    BI平台哪家好?2025年最值得推荐的五大BI工具

    ##摘要 随着企业数字化转型加速,商业智能(BI)工具已成为数据驱动决策的核心利器。面对市场上琳琅满目的BI产品,如何选择最适合自身需求的平台?...但原始数据只有经过高效分析与可视化呈现,才能转化为推动业务增长的燃料。...面对Tableau、Power BI、友盟+等国内外知名BI工具,企业常陷入选择困境:免费版功能受限,付费版成本高昂,定制化能力参差不齐……本文结合2025年最新市场动态,为您梳理五大热门BI平台的优劣势...一、BI平台选型关键指标 根据Gartner 2025年Q3报告显示,企业在选择BI工具时最关注四大要素: 易用性:是否支持零代码/低代码操作 扩展性:能否对接多源数据与第三方应用 智能性:...AI驱动的分析能力是否成熟 性价比:综合成本与功能密度的平衡度 二、五大BI平台深度对比 维度 腾讯云BI Tableau

    1K10

    清华教授刘知远:AI领域好的研究想法从哪里来?

    什么算是好的想法 2015年,我在微博上写过一个调侃的小段子: ML派坐落美利坚合众山中,百年来武学奇才辈出,隐然成江湖第一大名门正派,门内有三套入门武功,曰:图模型加圈,神经网加层,优化目标加正则。...好的研究想法从哪里来 想法好还是不好,并不是非黑即白的二分问题,而是像光谱一样呈连续分布,因时而异,因人而宜。...那么,好的研究想法从哪里来呢?我总结,首先要有区分研究想法好与不好的能力,这需要深入全面了解所在研究方向的历史与现状,具体就是对学科文献的全面掌握。...随着研究经历的丰富,会越来越强烈地感受到,越是大跨度交叉的学术报告,越让你受到更大的启发,产生更多让自己兴奋的研究想法。 ?...几项研究工作放在一起,到底是互相割裂说不上话,还是在为一个统一的大目标而努力,格外反映研究的大局意识和布局能力。

    10.4K11

    微服务的优势在哪里,为什么别人都在说微服务好

    传统的单体应用,所有的功能模块都写在一起,有的模块是 CPU 运算密集型的,有的模块则是对内存需求更大的,这些模块的代码写在一起,部署的时候,我们只能选择 CPU 运算更强,内存更大的机器,如果采用了了微服务架构...,不同的系统独立部署,压力大的时候,可以独立进行集群化部署,这些操作都不会影响到已经运行的其他微服务,非常灵活。...可以灵活的采用最新技术 传统的单体应用一个非常大的弊端就是技术栈升级非常麻烦,这也是为什么你经常会见到用 10 年前的技术栈做的项目,现在还需要继续开发维护。...服务的拆分 个人觉得,这是最大的挑战,我了解到一些公司做微服务,但是服务拆分的乱七八糟。这样到后期越搞越乱,越搞越麻烦,你可能会觉得微服务真坑爹,后悔当初信了说微服务好的鬼话。...用了分布式架构,多出了一堆问题:数据如何同步、主键如何产生、如何熔断、分布式事务如何处理......。 这个段子形象的说明了分布式系统带来的挑战。

    15.1K00

    买域名哪里好?域名供应商的选择标准是什么?

    对于想要在网络上建设网站的用户而言,首先需要为网站购买一个合法的域名,不过很多人对于购买域名并没有实际的经验,因此往往不知道在哪里才能买到需要的域名。那么买域名哪里好?域名供应商的选择标准是什么?...买域名哪里好呢 域名是外部用户访问用户网站的地址,只有准确的地址才能够让别人进入自己的网站,并且域名和网址并不是相等的关系,域名需要经过解析才能够获得网址。...域名的选择标准 很多人在网络上查找后会发现,提供域名的域名供应商在网络上是非常多的,那么买域名哪里好?域名供应商如何来选择呢?...其实有心的用户会发现,网络上的域名供应商虽然多,但不少域名供应商的都只是代理的性质,所提供的域名种类相对比较少,因此在选择域名供应商时应当尽量挑选那些一级域名商,这样可以选择的域名种类会更加丰富。...买域名哪里好?如何挑选域名供应商?

    26.7K10

    直播卖货平台开发的突破点在哪里?

    很多软件开发商非常看重这块市场,着手为个体商家或者小企业打造直播卖货系统,不过,市场竞争是激烈的,在开发模式逐渐雷同化的今天,直播卖货平台开发的突破点在哪里?...,而且商城也顺带加入了更多的营销点,再者,对于平台运营来讲,在后续升级过程中会更加方便。...二、在线商城功能要完善 若在直播带货平台开发过程中,一点确定了商城商铺一体化的模式,那么可就要对它的核心功能深入探究一番了,一个在线商城的基本功能大体包含:商品分类,广告位,购物车,商品管理(用于展示商品属性...,例如优惠券、拼团团购、限时促销等),数据统计(销售量、热门商品指数、用户访问量)。...除以上外,在直播卖货平台开发过程中,还要注意为平台预留出较多的开发接口,用于和其它第三方应用进行对接。 以上,就是在直播带货平台开发过程中,需要注意的突破点。

    5.6K00

    收藏|如何做一个好的大数据平台架构

    批处理层 这是Lambda架构核心层之一,批处理接受数据,持久化到用户定义好的数据结构中,维护着主数据。数据结构一般不做改变,只是追加数据。批处理还负责创建和维护批处理视图。...Lambda数据架构曾经成为每一个公司大数据平台必备的架构,它解决了一个公司大数据批量离线处理和实时数据处理的需求。...数据从底层的数据源开始,经过各种各样的格式进入大数据平台,在大数据平台中经过Kafka、Flume等数据组件进行收集,然后分成两条线进行计算。...一条线是进入流式计算平台(例如 Storm、Flink或者Spark Streaming),去计算实时的一些指标;另一条线进入批量数据处理离线计算平台(例如Mapreduce、Hive,Spark SQL...Lambda架构虽然有缺点,但是在很多公司依然适用,有时候我们没有那么大的业务量,实时业务需求并没有那么明显,用着Lambda架构依然很爽。

    1.2K50

    哪里有服务好的应用性能监控 监控告警的途径有哪些?

    否则在各种同类软件不断刷新的当今,一个无法给用户提供较好体验的软件自然会被淘汰。哪里有服务好的应用性能监控呢?...哪里有服务好的应用性能监控 对于哪里有服务好的应用性能监控这个问题,现在应用市场已经出了很多的类似软件。...一些大的软件制造商或者云服务器商家出产的应用性能监控,一般可信度和质量是比较高的,它们拥有的研发平台是高科技的技术团队,对系统的研发和细节设置肯定是一般的小厂家所不能比的。...上面已经解决了哪里有好的应用性能监控的问题,性能监控在对应用进行实时分析和追踪的过程当中,如果发现了问题,它的报警渠道都有哪些呢?...以上就是哪里有服务好的应用性能监控的相关内容,随便在搜索引擎上搜索一下就会有很多品牌正规的监控软件出现,用户们按需选择就可以了。

    12.4K30

    JuiceFS 在大搜车数据平台的实践

    大搜车已经搭建起比较完整的汽车产业互联网协同生态。...在这一生态中,不仅涵盖了大搜车已经数字化的全国 90% 中大型二手车商、9000+ 家 4S 店和 70000+ 家新车二网,还包括大搜车旗下车易拍、车行168、运车管家、布雷克索等具备较强产业链服务能力的公司..., 与大搜车在新零售解决方案上达成深度战略合作的长城汽车、长安汽车、英菲尼迪等主机厂商,以及与中石油昆仑好客等产业链上下游的合作伙伴。...基于这样的生态布局,大搜车数字化了汽车流通链条上的每个环节,进而为整个行业赋能。 说到大数据,对于每个公司都不陌生。...大数据集群现状 大搜车目前大数据集群分为离线计算集群和实时计算集群,离线计算基于 Hive 和 Spark,实时计算基于 Flink,这两类集群分别基于 HDP 和 CDH 两套管理方式。

    2.4K50

    大数据的真正价值在哪里?

    铭记历史教训,现在最关键的问题已经变成了找到真正有用的数据。数据的量的确增加了,但值得注意的是:大部分的增长都来源于非结构化数据。 让我先根据Webopedia的定义来解释什么是非结构化数据。...非结构化数据是指没有任何相同结构的数据。例如,图片、视频、电子邮件、文件和文本都被认为是一个数据集内的非结构化数据。...尽管每个单独的文档可能都包含基于其创建程序的特定结构或格式,非结构化数据也可以被认为是“结构松散的数据”,因为数据源其实是具有结构的,但数据集内的所有数据包含的结构可能不尽相同。...与此相反,数据库则是一种常见的“结构化”数据。 所以回顾历史,我们现在讨论的除了数据超载还加上了一个新的变数——代表了大部分新增数据量的非结构化数据。非结构化数据代表着新的量的产生。...引擎利用本体论就可以返回一个特定的结果:“亚伯拉罕-林肯”。 本体论最简洁的表述方式: 什么是数据? 这意味着什么? 它哪里来? 为什么我们需要它——一旦我们知道这些,我们就能找到真正需要的数据了。

    1.8K60

    自助建站的优势,自助建站平台哪个好

    自助建站通过降低技术门槛、提升效率、满足个性化需求三大核心优势,重新定义了网站创建的逻辑。...智能辅助工具: AI设计建议:部分平台提供AI驱动的布局推荐,根据用户输入的行业、品牌风格自动生成设计草案。...提升效率:从“月级开发”到“小时级上线” 极速建站流程: 模板预加载:平台预先优化模板的代码结构,确保加载速度;用户选择模板后,仅需替换文本、图片即可完成80%的建站工作。...潜在需求补充:安全性与性能优化 企业级安全保障: SSL证书与数据加密:平台默认提供HTTPS加密,保护用户数据传输安全。...总结:自助建站的终极价值自助建站不仅是一个“建站工具”,更是一个“业务成长平台”。

    57310

    高质量数据集哪里来?机器学习公司的十大数据搜集策略

    获取高质量的初始数据对于那些运用机器学习作为他们业务核心技术的创业公司来说是十分重要的。虽然许多算法和软件工具都是开源和共享的,但是好的数据通常是私人专有而且难以创建的。...像Amazon Mechanical Turk 或CrowdFlower 的平台提供了一种方法,可以利用数百万人的在线劳动力来清理混乱和不完整的数据。...适用对象:初创企业/横向平台 例子: * Clarifai(Forevery,可用来发现新照片的应用程序) * HyperVerge(Silver,可用来组织照片的应用程序) * Madbits(Momentsia...开放的数据平台,如Clearbit或Factual是外部数据提供者的典范。...Radar(使用ESA卫星图像来监测建设项目) 战略#9:与大企业协作 对于初创企业,数据提供者可能是提供相关数据处理权的大客户。

    1.3K40

    高质量数据集哪里来?机器学习公司的十大数据搜集策略

    虽然许多算法和软件工具都是开源和共享的,但是好的数据通常是私人专有而且难以创建的。...像Amazon Mechanical Turk 或CrowdFlower 的平台提供了一种方法,可以利用数百万人的在线劳动力来清理混乱和不完整的数据。...适用对象:初创企业/横向平台 例子: Clarifai(Forevery,可用来发现新照片的应用程序) HyperVerge(Silver,可用来组织照片的应用程序) Madbits(Momentsia...开放的数据平台,如Clearbit或Factual是外部数据提供者的典范。...(使用ESA卫星图像来监测建设项目) 战略#9:与大企业协作 对于初创企业,数据提供者可能是提供相关数据处理权的大客户。

    2.6K100

    大模型之争已过时,真正的价值在在哪里?

    这就是"大模型即轨道"的开始。开发者可以设置路由策略,比如医疗诊断优先用Claude(长上下文推理强),代码生成用GPT-4,简单文本分类用成本更低的模型。...第五层:评估、信任和治理 这就是像TrustModel.ai这样的平台变得重要的地方。 如果应用可以跨模型路由,系统也需要一种方式来持续评估哪个模型适合哪个任务。...第六层:垂直工作流应用 这里创造了最持久的价值。 一个闭合照护间隙的健康代理不是因为它使用了某个特定的大模型而有价值。...它有价值是因为它理解临床工作流、患者上下文、实验室数据、保险约束、升级路径、HIPAA边界和提供商操作。 模型是必要的。但系统、数据、工作流、分布、信任和反馈循环创造了护城河。...是最有趣的问题。 更好的问题是:谁拥有模型和工作流之间的编排层? karl打赌大多数严肃的应用和代理默认将是多模型的。 大模型正在成为智能轨道。价值将归属于将这些轨道转化为可靠系统的建设者。

    17110
    领券