并非那么枯燥，手机生产的数字缠绕实现艺术感十足
以灵活，创新，美感十足的技术赋能小米极致的运营效率。 将生产过程当做艺术品创作来处理， 过程的每一个数据都是创作的灵感，我们在这个连贯，非连贯的数字迷宫里探求对质量， 对生产流速，对量产爬坡，对未来情况的预判。数据不会说谎，数字会诉说每一部产品的真真切切。 引用李明教授的一些文字 http://blog.sina.com.cn/s/blog_629e75ec0102work.html 那么，数字化的未来将会是什么呢？这里做一个推测。 今天我们谈的数字化，几乎都是对从客观事物的数字化描述及相关过程，可以说大多是单向的。“Digital Twin”给出了完全映射和反向影响的概念，但从其应用对象上看，是一个几乎完全受控的制造系统。那末如果针对是一个完全自主的事物时，这种完全映射和反向影响又会是什么样的状态呢..
更多
数据的一些观点
Data integrity at the origin先引一段文字表述一下核心观点： 今天，许多组织对如何解锁用于分析的数据的解决方案是建立迷宫般的数据管道。管道从一个或多个数据源检索，清理，然后转换数据并将其移动到另一个位置以供使用。这种数据管理方法通常会让使用数据的管道承担一项困难的任务，即验证入站数据的完整性，并构建复杂的逻辑来清理数据，以满足所需的质量级别。根本的问题是，数据源没有为其消费Data integrity at the origin者提供高质量数据的动机和责任。出于这个原因，我们强烈主张从源头保证数据完整性，我们的意思是，任何提供可消费数据的源都，必须明确地描述其数据质量的标准，并确保这些标准。这背后的主要原因是，原始系统和团队最熟悉他们的数据，并且最适合在源头修复它。数据网格架构..
更多
给大家介绍一个数据What-If Tool
机器学习世界的研究重点稍微从探索“模型 能够理解什么”，转向了研究“模型是如何理解的”。由于人们担心引入偏差，或者过度泛化模型的适用性，因此开发出了What-If Tool（WIT）这样的工具。这个工具可帮助数据科学家深入研究模型的行为，并将各种功能和数据集对输出的影响进行可视化。WIT由Google引入，简化了比较模型、切片数据集、可视化构面和编辑单个数据点等任务，并可以在Tensorboard 或Jupyter notebooks中使用。尽管WIT可以帮助执行分析，但研究者仍然需要对模型背后的数学 和理论有深刻的理解。WIT只是数据科学家 用来深入了解模型行为的工具，对于使用不当或缺乏训练不佳的算法，初级用户不应奢望有任何工具可以消除或减轻其风险或造成的损害。 在数据中我们对What-If充满了好奇，总..
更多
SQLAlchemy给做传统数据库数据持久化
有的时候简单就是美，For the work I do, where Jupyter running Python 3 notebooks with Pandas and SqlAlchemy is enough, I prefer to use the “pure Python” method, because the tools are well understood and well supported, and a tremendous amount of work has been done by the Python community to make the tools work well on Windows. And if I ever am working on a large eno..
更多