文档建议反馈控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

从开普勒三大定律到大数据分析

在这些珍贵的数据基础上完成了出色工作的，是他的研究助手开普勒。 三、如何找出规律？...不过，从开普勒三大定律的例子中，可以用一句简单直白的话来理解大数据： 分析和挖掘数据，从数据中找出规律，这些规律为我们所用，从而产生价值。...数据分析：开普勒基于第谷的数据，利用数学等方法对数据进行分析，找出了数据中的规律（例如第三定律就是一条公式 ）。 数据应用（价值）：开普勒三大定律对推动整个天文学的发展起到了关键的作用。...布拉格开普勒大街第谷和开普勒的雕像 在一个大数据团队中，往往有不同的角色，例如研发工程师、数据分析师、业务专家等。...而开普勒将分析的尺度拉长到年，很快便发现了隐藏在数据中的规律。”

1.3K40

如何从 100 亿 URL 中找出相同的 URL？

5, 000, 000, 000 * 64B ≈ 5GB * 64 = 320GB 由于内存大小只有 4G，因此，我们不可能一次性把所有 URL 加载到内存中处理。...使用同样的方法遍历文件 b，把文件 b 中的 URL 分别存储到文件 b0, b1, b2, ..., b999 中。...这样处理过后，所有可能相同的 URL 都在对应的小文件中，即 a0 对应 b0, ..., a999 对应 b999，不对应的小文件不可能有相同的 URL。...那么接下来，我们只需要求出这 1000 对小文件中相同的 URL 就好了。 接着遍历 ai( i∈[0,999] )，把 URL 存储到一个 HashSet 集合中。...然后遍历 bi 中每个 URL，看在 HashSet 集合中是否存在，若存在，说明这就是共同的 URL，可以把这个 URL 保存到一个单独的文件中。

2.8K30
您找到你想要的搜索结果了吗？
是的
没有找到

开普勒望远镜正式退役，其庞大数据库仍将推动地球上的发现

服役9年中，开普勒望远镜共计观测到了50万颗恒星。 策划&撰写：温暖 据外媒报道，日前，美国NASA的开普勒太空望远镜将正式“退役”，未来在燃料耗尽之后，它将会在安全轨道上漂移。...但由于服役时间过长，此前，开普勒望远镜已经丢失了四个反应轮中的一个，而这些反应轮就是用来帮助它在太阳和其他力量作用下重新定位望远镜的方向。不过，好在它的设计支持它在反应轮不全的情况下继续工作。...由于没有反应轮来改变它所在的三个轴上的方向，开普勒望远镜就不得不再每次需要改变视角或者旋转以此将数据传回地球的时候，燃烧它身上的宝贵的燃料。...而即便没有燃料，开普勒望远镜仍然在大量收集数据，科学家们表示，在这段期间内，它又发现了1200多颗系外行星。...如今，开普勒望远镜的任务就要结束了，而它也将用最后存储的燃料机动到预期位置，通过深空网络作为中继发送了最后一批数据。这些数据将如同以往提供给科学家、研究组织以及NASA自己的团队。

51820

面试：如何从 100 亿 URL 中找出相同的 URL？

5, 000, 000, 000 * 64B ≈ 5GB * 64 = 320GB 由于内存大小只有 4G，因此，我们不可能一次性把所有 URL 加载到内存中处理。...使用同样的方法遍历文件 b，把文件 b 中的 URL 分别存储到文件 b0, b1, b2, ..., b999 中。...这样处理过后，所有可能相同的 URL 都在对应的小文件中，即 a0 对应 b0, ..., a999 对应 b999，不对应的小文件不可能有相同的 URL。...那么接下来，我们只需要求出这 1000 对小文件中相同的 URL 就好了。 接着遍历 ai( i∈[0,999] )，把 URL 存储到一个 HashSet 集合中。...然后遍历 bi 中每个 URL，看在 HashSet 集合中是否存在，若存在，说明这就是共同的 URL，可以把这个 URL 保存到一个单独的文件中。

4.4K10

面试：如何从 100 亿 URL 中找出相同的 URL？

“5, 000, 000, 000 * 64B ≈ 5GB * 64 = 320GB 由于内存大小只有 4G，因此，我们不可能一次性把所有 URL 加载到内存中处理。...使用同样的方法遍历文件 b，把文件 b 中的 URL 分别存储到文件 b0, b1, b2, ..., b999 中。...这样处理过后，所有可能相同的 URL 都在对应的小文件中，即 a0 对应 b0, ..., a999 对应 b999，不对应的小文件不可能有相同的 URL。...那么接下来，我们只需要求出这 1000 对小文件中相同的 URL 就好了。 接着遍历 ai( i∈[0,999] )，把 URL 存储到一个 HashSet 集合中。...然后遍历 bi 中每个 URL，看在 HashSet 集合中是否存在，若存在，说明这就是共同的 URL，可以把这个 URL 保存到一个单独的文件中。

2.2K20

面试经历：如何从 100 亿 URL 中找出相同的 URL？

5, 000, 000, 000 * 64B ≈ 5GB * 64 = 320GB 由于内存大小只有 4G，因此，我们不可能一次性把所有 URL 加载到内存中处理。...使用同样的方法遍历文件 b，把文件 b 中的 URL 分别存储到文件 b0, b1, b2, ..., b999 中。...这样处理过后，所有可能相同的 URL 都在对应的小文件中，即 a0 对应 b0, ..., a999 对应 b999，不对应的小文件不可能有相同的 URL。...那么接下来，我们只需要求出这 1000 对小文件中相同的 URL 就好了。 接着遍历 ai( i∈[0,999] )，把 URL 存储到一个 HashSet 集合中。...然后遍历 bi 中每个 URL，看在 HashSet 集合中是否存在，若存在，说明这就是共同的 URL，可以把这个 URL 保存到一个单独的文件中。

1.9K00

人类借助AI技术发现了“迷你太阳系”

在这一案例中，计算机学会了如何对开普勒望远镜获得的海量数据中搜寻疑似的系外行星信号。...美国宇航局天体物理学部门主管保罗·赫兹（Paul Hertz）表示：“正如我们所料，在我们之前已经分析过的开普勒望远镜数据中仍然隐藏着令人兴奋的新发现，等待着采用合适的新工具或者新技术去揭示它。”...美国宇航局的开普勒望远镜会记录系外行星从恒星前方经过导致的恒星亮度轻微下降现象，这种亮度下降信号可以让科学家们间接推算出行星的存在以及这颗行星的很多物理性质。...在这次发现中，研究人员克里斯托佛·沙律（Christopher Shallue）和安德鲁·范德伯格（Andrew Vanderburg）训练一台计算机学习如何去对开普勒望远镜获得的海量恒星亮度数据进行分析...除了开普勒90i，谷歌的技术还发现了另外一颗恒星——开普勒-80星系中的最小行星“开普勒-80g”，同地球大小相仿。

65250

人工智能帮助NASA发现新行星

在这次发现中，计算机通过在开普勒数据实例中发现望远镜记录的太阳系以外行星（系外行星）所产生星光的变化，学会识别行星。...“正如我们所预料的，在我们已经存档的开普勒太空望远镜数据中仍然隐藏着令人兴奋的新发现，等待着我们利用合适的工具或技术去发掘它们。”...美国国家航空航天局天体物理学部门负责人表示，“这一发现表明，我们的数据在未来几年内都将是创新性研究人员的珍贵宝库。” 开普勒太空望远镜会记录系外行星从恒星前方经过或跨日导致的恒星亮度轻微下降现象。...在这次发现中，研究人员训练计算机学习如何在开普勒太空望远镜获得的恒星亮度数据中识别系外行星。...两位研究人员都认为，可能还有更有趣的系外行星信号隐藏在这些数据中。 首先，他们训练神经网络通过先前从开普勒系外行星目录中筛选出的1.5万个信号来识别出凌日系外行星。

749130

AI帮助我们在太空“找朋友”

在随后的观测中，科学家发现了更多与太阳系相似的特征：开普勒-90拥有7颗行星，较小的行星距恒星更近，较大的行星占据外侧轨道。...对于开普勒望远镜为何一直盯着天鹅座，毛新愿解释称，开普勒望远镜是做类似“抽样调查”的方式研究宇宙中的类地行星，选择天鹅座是因为距离合适，且人类对它了解较多。...人工智能——从零学习辨别系外行星 受人脑中神经元之间连接方式的启发，谷歌人工智能的工程师们开始利用人工神经网络技术对开普勒数据进行筛查，发现了此前被忽视的围绕开普勒-90旋转的第8颗行星微弱的凌日信号。...据毛新愿介绍，研发团队找科学家们要了15000组开普勒观测到、并被科学家们花了数年后确认已经是完全正确的信号，于是这套智能系统开始分析它们，从零学习如何辨别系外行星。...此外，人工智能还发现了另外一颗恒星开普勒-80星系中的最小行星“开普勒-80g”。

56770

人工智能大显神威：NASA找到了“第二个太阳系”

NASA天体物理学部门主管保罗·赫兹表示：“正如我们所料，在之前已经分析过的开普勒望远镜数据中，仍潜伏着令人兴奋的新发现，等待着合适的新工具或新技术来揭示它。...在长达4年的运行期间，开普勒望远镜收集的数据中包含3.5万个疑似行星信号，尽管科学家采用人工方法筛查出了其中最可能的信号，但最微弱的信号往往会成为“漏网之鱼”。...沙律和范德伯格猜想，这些数据中可能潜伏着更有趣的系外行星发现。 于是，沙律和范德伯格训练人工智能如何根据开普勒望远镜获得的亮度数据发现系外行星。...系外行星从恒星前方经过时会导致恒星亮度轻微下降，开普勒望远镜记录下这种亮度下降信号，科学家可以据此间接推算出行星的存在以及这颗行星的诸多物理特性——这就是所谓的凌日法。...不过，开普勒望远镜注定是要书写传奇的，它“身残志坚”，在浩渺的宇宙史上留下了自己的印记。从2014年开始，开普勒望远镜进入K2——“开普勒任务2”阶段。

63050

AI立功！NASA宣布发现第二个太阳系

利用美国宇航局开普勒望远镜获得的数据，天文学家在近期发现了这个系统中隐藏的第八个行星，从而让这一系统中行星体的数量达到了与太阳系相同的水平。...在这一案例中，计算机学会了如何对开普勒望远镜获得的海量数据中搜寻疑似的系外行星信号。...美国宇航局的开普勒望远镜会记录系外行星从恒星前方经过导致的恒星亮度轻微下降现象，这种亮度下降信号可以让科学家们间接推算出行星的存在以及这颗行星的很多物理性质。...在这次发现中，研究人员克里斯托佛·沙律（Christopher Shallue）和安德鲁·范德伯格（Andrew Vanderburg）训练一台计算机学习如何去对开普勒望远镜获得的海量恒星亮度数据进行分析...他说：“当数据太多，人工分析难以招架时 ，机器学习技术的用武之地就来了。” 开普勒望远镜在长达4年的运行期间收集的数据中包含有3.5万个可能的行星信号。

71190

发力电商小程序！京东强势入局，第三方模版市场再添重磅玩家

相比较而言，开普勒背靠着据有商品供应链、金融、大数据、物流等优势的京东平台，在动作上显得有些不疾不徐，似乎并不急于投射出阳光万丈。...第一定律：京东全面开放，「积木式」赋能 在给知晓程序（微信号 zxcx0101）的回复中，陆寅宏提到，开普勒会基于京东强大的电商基础能力，通过三种方式实现小程序场景赋能。...相比其他第三方服务商，开普勒基于京东沉淀的技术及数据，极大降低了客户接入成本，同时通过积木化的输出了丰富的营销系统、运营工具、物流供应链、金融等能力。 ?...京东凭借开普勒平台，通过整合+组合京东和生态伙伴的积木能力，本身的能力和资源，可以更好地被利用，同时，还能增强京东对于商家的吸引力，顺势就能积累更多用户量及其衍生的购物数据，进一步让京东更好地深耕品牌电商领域...目前，利用开普勒平台搭建起了小程序商城的品牌中，不乏海澜之家、宝洁、SK-II 等著名品牌。可以说，京东的这一策略在前期是成功的。

52020

还记得谷歌之前发现的两颗行星吗？今天谷歌对此披露了重要技术细节

代码地址：https://github.com/tensorflow/models/tree/master/research/astronet 行星搜寻引物 首先，让我们考虑一下开普勒望远镜收集的数据是如何被用来探测行星的存在的...为了在开普勒数据中寻找行星，科学家们使用自动化软件（如开普勒数据处理管道）来探测可能由行星引起的信号，然后手动跟踪，以确定每个信号是否是行星。...然而，有一个诱人的动机：可能存在一些潜在的宜居行星，如地球，相对较小，围绕着相对较暗的恒星运行，可能隐藏在传统的探测阈值之下——也许还有隐藏在开普勒数据中未被发现的“宝石”！...考虑到开普勒望远镜收集到的大量数据，我们想知道如果我们用机器学习来分析一些之前未被探索过的开普勒数据，我们会发现什么。...尽管这个过程需要一段时间从开普勒望远镜中下载和处理数据,但是一旦完成的话,它相对会加快训练模型的速度,使其预测新的信号。

59740

天文学家在AI帮助下发现“第二个太阳系”

艺术家笔下，开普勒90行星系统中的8颗行星（行星大小按比例描绘；距离不按照比例） 新发现的开普勒90i同样是一颗类地行星，它比地球大了约30%，是该行星系统中距恒星第三近的行星。...开普勒太空望远镜 相比于主动发光的恒星，黯淡、渺小的系外行星往往难以直接观测。但当行星从其宿主恒星前方穿过时，会遮住恒星的一部分光线。...尽管开普勒项目已经取得丰硕的成果，但很多人相信，在开普勒数据库中，还有很多重要信息有待挖掘。而限制我们进一步分析这些数据的因素，是软件的分析速度及分辨率。...用人工智能搜寻系外行星 当谷歌AI团队的高级软件工程师Christopher Shallue发现，人类从太空获取数据的技术在不断发展，但海量数据已经将天文学淹没时，他提出一个设想：或许，我们可以将神经网络应用于开普勒数据的分析...“这个过程就像从石头中找寻宝石，如果你用一个更细的滤网，那么你在得到更多石头的同时，也会找到更多的宝石。” 开普勒90i并不是这个神经网络筛选出来的唯一宝石。

45380

天文界又一重大突破！谷歌和NASA利用AI找到了两颗新行星

现在人工智能正在帮助寻找更多的东西。 ? 开普勒90（Kepler-90）星系中的行星与我们太阳系中的行星大小对比。...谷歌人工智能研究人员Christopher Shallue说，他认为这是第一次神经网络成功地从开普勒数据中发现了一颗新行星。...为了找到这些行星，研究人员在NASA提供的开普勒数据中，对15000个标记的信号进行了训练，以识别行星。在测试中，该算法能够在96%正确的时间里识别出哪些信号反映了行星，而哪些不是。...在历时4年的首次任务中，开普勒观察了20万颗恒星，在此过程中创造了约140亿个数据点。Shallue说，有了这么多的数据，他们的算法就会发现更多的行星。...想要搜索行星的人可以从NASA的网站上下载完整的开普勒数据集，而寻找行星搜索算法的源代码也可以免费获得。

689110

DIY发现新行星操作指南 | 谷歌开源了行星发现代码

所以从亮度变化的数据图上，我们可以看到一个“U形”凹陷。 不过，恒星亮度降低也还有其他的可能。比如说双恒星，恒星斑，开普勒光度计被宇宙射线干扰了或仪器本身的噪声。...本来，从开普勒数据库里找行星的办法是这样的↓ 天文学家们用软件，自动批量处理开普勒数据，寻找光度曲线中的U形信号。...回头泥萌可以参考这个找新的。 第一步，是按照代码主页上的说明来训练模型。 从开普勒望远镜下载和处理数据会花一段时间，这之后模型的训练、新数据的预测速度会相对较快。...△ 这个图就是开普勒90 i的光度曲线。 当时BLS算法就检测到了 这个持续时间长达2.7小时的U形信号， 每14.4天出现一次。 该数据取自开普勒从2009年 开始记录的信号。...经过后续天文学家的分析，确认了这个信号是一个真正的系外行星，就是后面我们大家都知道的开普勒90 i了。 这次捡漏到了的两颗新行星，还是从670颗恒星数据里刨出来的。

80050

美国宇航局借助AI发现系外行星、可搜索图片文字的AI

美国宇航局官网消息，这颗行星距离地球约2545光年，被命名为开普勒90i。这是一颗炙热的岩石星球，其地表平均温度超过华氏800度，每14.4天绕其星系恒星——开普勒90(又称KOI-351)一圈。...它是开普勒90星系的第八颗行星，意味着这一星系的已知行星数量与太阳系相同。...据《财富》杂志报道，开普勒90i是由谷歌公司人工智能通过数据运算，分析开普勒太空望远镜收集的信息后，识别出这颗行星。...美国宇航局天体物理学部门主任保罗·赫兹(PaulHertz)表示：“开普勒太空望远镜的数据中藏着许多科学家容易忽略的数据信息。它们等待着新科技和工具的发掘。...行星开普勒90i的发现证实了借助人工智能将成为研究开普勒数据的一种全新方式。”

661100

【业界】程序员也是天文学家？利用机器学习寻找行星

开普勒观测了大约20万颗恒星，历时4年，每30分钟拍摄一次，创造了大约140亿个数据点。这140亿个数据点转化为大约2千万亿可能的行星轨道!...开普勒90i是已发现的第8个围绕开普勒90恒星运行的行星，它成为我们已知的第一个8星系统。 用我们的工作模型，我们拍摄了恒星，用它来寻找开普勒数据中的新行星。...为了缩小搜索范围，我们研究了已知的670颗恒星，其中包括已知的两个或更多的系外行星。在此过程中，我们发现了两个新的行星:开普勒80g和开普勒90i。...我们使用了15,000个标记的开普勒信号来训练我们的机器学习模型来识别行星信号。我们用这个模型在670颗恒星的数据中寻找新的行星，并且发现了之前搜索中漏掉的两个行星。...到目前为止，我们用模型搜索了20万颗恒星中的670颗。在开普勒数据中可能还有许多未发现的系外行星，新的想法和机器学习等技术将有助于在未来的许多年里推动天体的发现。

52650

程序员也是天文学家？利用机器学习寻找行星

但是在机器学习的帮助下，我们最近取得了一些进展。 天体物理学家寻找太阳系外行星的主要方法之一是通过同时使用自动软件和人工分析NASA开普勒任务的大量数据。...开普勒观测了大约20万颗恒星，历时4年，每30分钟拍摄一次，创造了大约140亿个数据点。这140亿个数据点转化为大约2千万亿可能的行星轨道!...开普勒90i是已发现的第8个围绕开普勒90恒星运行的行星，它成为我们已知的第一个8星系统。 用我们的工作模型，我们拍摄了恒星，用它来寻找开普勒数据中的新行星。...为了缩小搜索范围，我们研究了已知的670颗恒星，其中包括已知的两个或更多的系外行星。在此过程中，我们发现了两个新的行星:开普勒80g和开普勒90i。...在开普勒数据中可能还有许多未发现的系外行星，新的想法和机器学习等技术将有助于在未来的许多年里推动天体的发现。

517100

从Java的类加载机制谈起：聊聊Java中如何实现热部署（热加载）

在被加载到JVM中时，对象是由内存中的结构来表示的，结构占据了某个特定大小（它的域加上元数据）的连续的内存区域。...从理论上来说，由于字节码翻译通常是用来修改类的字节码，因此若仅仅是为了根据需要创建足够多的类来履行类的功能的话，我们没有什么理由不能使用类中的信息。...Java EE标准的制定并未怎么关注开发的周转期（Turnaround）（指的是从对代码做修改到观察到改变在应用中造成的影响这一过程所花费的时间）。...JRebel与应用服务器整合在一起，当某个类或是资源被更新时，其被从工作区中而不是从归档文件中读入。...除了类重载之外——还有配置和元数据 在消除周转期的这一过程中，另一个问题变得明显起来：现如今的应用已不仅仅是类和资源，它们还通过大量的配置和元数据绑定在一起。

2.9K20
点击加载更多

扫码

添加站长 进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

更多标签

活动推荐

    运营活动

    活动名称
    广告关闭

    腾讯云开发者

    扫码关注腾讯云开发者

    扫码关注腾讯云开发者

    领取腾讯云代金券

    热门产品

    热门推荐

    更多推荐

    Copyright © 2013 - 2024 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

    深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 深公网安备号 44030502008569

    腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287

    领券