伴随着数据量的日益增长，通过自服务式的商业智能把数据转换成辅助决策支持的工具，越来越成为迫切的需求。在以前，处理这些数据往往只是IT人员范围内的事，但是通过Power BI for Office 365里面的新功能喝服务，微软降低了这个门槛。它里面都是基于大多数人已经非常熟悉的工具，包括Excel和Sharepoint。 这个系列来自于微软的Power BI Getting Started Gui

最近对E2LSH系统得学习了一遍 E2LSH是p-stable LSH的一个开源程序 一、原始LSH 1、概述     LSH主要用来解决高维空间中点的近似最近邻搜索问题，即Approximate Nearest Neighbor。LSH将原始空间中的点嵌入到Hamming空间中，即原始空间中点的表达形式转换成Hamming空间中点的表达形式，原始空间中的距离度量转换成Hamming空间中的距离度

-----------前言--------- 近期有不少朋友感言数据分析和挖掘应用的商业价值问题，一是说数据分析和挖掘在企业，如果只有知识发现，知识应用没有搞起来，企业还是没有体会到数据的价值；二是说数据分析和挖掘，是否看在多么牛的互联网巨头工作的背景，还是要有扎实的数据变现能力？   第一个问题，还得从第三方数据分析服务，与企业内部数据分析分开来说，否则没有意义。第二个问题，就看是谁在主导找数据

一、awk简介      awk是一种优良的文本处理工具。它不仅是 linux 中也是任何环境中现有的功能最强大的数据处理引擎之一。 awk提供了极其强大的功能：可以进行样式装入、流控制、数学运算符、进程控制语句甚至于内置的变量和函数。最简单地说， awk 是一种用于处理文本的编程语言工具。      awk与grep，sed是处理文本数据必不可缺且必须熟练的处理工具。      grep : 文

def multiply_two_big_number(str1, str2):     result = [0] * (len(str1) + len(str2))     t1 = str1[::-1]     t2 = str2[::-1]     for i in range(len(t2)):         for j in range(len(t1)):        

二分搜索K大数 1. 设数组中元素的个数为N，则首先对数组中的元素排序，其时间复杂度为O(NlogN) 然后从后往前数K个就行了。 其时间复杂度为O(NlogN+K)=O(NlogN) 2. 采用选择排序，O(N*K) 3. 采用快速排序的思想来处理K大数的问题，随机取出一个数字a，用a将数组分成两部分b1,b2。其中b1的数字都比a大，b2的数字都比a小。 若a的index==N-k，则返回 若

问题概要： 本来我的机子安装的是office 2003版本的，但是商老大给的材料是office 2010。之前在office 2003安装过Bi publisher 的，运行也正常，但怕2003版本低，以后有些功能不能运行，于是卸载2003，装上office 2010。安装完后打开Bi publisher工具发现出现了“由于宏安全设置，无法找到宏或宏被禁用”，尝试过各种解决方案无效，重新装回200

转自：http://www.ciotimes.com/bi/bzjgd/201008021612.html BI路上请慎重 2010-08-02 15:47:19 摘要： 很多用户看到BI应用成功的案例屈指可数，于是就对BI应用失去了信心。其实，一些误区的存在是导致BI项目失败或达不到预期效果的原因所在，也正因为这些误区我们对用户建设BI系统提出  关键词：  业务驱动非IT驱动 主管全线参与 确

（作者：明博智创（北京）软件技术有限公司 分析师 宫艳琢） （一）闲谈 时间好快，毕业正两年有余，依稀记得2012年春节时在火车站买票时候的挣扎情景，我运气不佳，买了动车的站票回了东北，从进入地铁站，再到换乘站，再到火车站、候车室，直至进入了车厢，甚至是回到了东北，我都呼吸不到一点自由的空气，第一次，我身临其境地感受了大的数量是什么含义! 大数量意味着一定程度上的复杂，意味着管理难度几何级数的增长

大数据分析系统最常见的应用是企业业务，但其实它也可以直接应用到一些消费市场。你可曾想过，大数据分析同样可用于体育数据分析。是的，你没有看错，大数据分析也可以应用于幻想体育，一种比以往任何时候都流行的消遣，目前已有参与者已经数百万。据最近的一项调查显示，约25万人今年秋天将会玩梦幻足球联赛，这个新兴的业务，将产生1.1亿美元的收入。 梦幻足球（Fantasy Football）的参与者迅速增长 　　

主要介绍初学者如何学习BI，主要面向对象是初学者，总结提出如何学习BI的几点建议 由于是面向入门者，因此建议也偏向技术路线一些； 基础-sql：     首先，是较为重要的一点，掌握基础技能-SQL，做BI相关工作，可以不熟悉编程，但是SQL技能缺失，就相当吃亏； 技术选择： 第二，在BI技术上做出选择，BI技术分类很多，结合自己的工作、自己的性格、自己的喜好，确定一个主攻的方向，譬如前端应用开发

主要介绍初学者如何学习BI，主要面向对象是初学者，总结提出如何学习BI的几点建议由于是面向入门者，因此建议也偏向技术路线一些；基础-sql：    首先，是较为重要的一点，掌握基础技能-SQL，做BI相关工作，可以不熟悉编程，但是SQL技能缺失，就相当吃亏；技术选择： 第二，在BI技术上做出选择，BI技术分类很多，结合自己的工作、自己的性格、自己的喜好，确定一个主攻的方向，譬如前端应用开发，有精力

并没有去符合极端的测试用例，而是针对最典型的输入来写的。好久没有开搞了，这个是开学来的第一篇博文。就这样吧。 Exponentiation Time Limit: 500MS   Memory Limit: 10000K Total Submissions: 121829   Accepted: 29766 Description Problems involving the computatio

深度挖掘：Oracle RAC数据库架构分析与实战攻略       本书内容从集群概念入手，深入 RAC 原理和结构进行分析，结合存储和 网络传输知识，全面讲解小机集群数据库 RAC 的安装示例，探讨 RAC 的管理和维护，详述 备份恢复，并从故障诊断方法展开，细说性能优化的几个方面，再到 Oracle 最高可用架构 的延伸。 对其内容详细阅读

我们正处于福雷斯特研究公司所描述的“用户时代”，这个时代中驱动业务决策的不再是公司，而是用户。基于这个原因，深度理解用户的重要性已经远胜以往，因此许多机构开始使用大数据技术来挖掘用户信息。 在这个时代，企图收获成功（甚至是求生存）的在线业务必须切实的理解顾客的体验和行为，因此海量数据的收集及挖掘能力成了这些机构的必备手段。当下，有许多机构的分析仍处于数据的收集上，组织能力的缺乏和技术的限制让这些收

一、awk简介 awk是一种优良的文本处理工具。它不仅是 linux 中也是任何环境中现有的功能最强大的数据处理引擎之一。awk提供了极其强大的功能：可以进行样式装入、流控制、数学运算符、进程控制语句甚至于内置的变量和函数。最简单地说， awk 是一种用于处理文本的编程语言工具。 awk与grep，sed是处理文本数据必不可缺且必须熟练的处理工具。 grep: 文本过滤器 sed：流编辑器 awk

题意： 10120(skew) = 1 * (2^5-1) + 0 * (2^4-1) + 1 * (2^3-1) + 2 * (2^2-1) + 0 * (2^1-1)                                = 31 + 0 + 7 + 6 + 0        = 44.      （令char n[]=10120其中易看出skew=strlen(n)） 思路：按公式求

【编者注】大数据科学家的工作从企业的业务问题开始，下一个步骤是创建分析计划，即一些企业称之为“数据分析计划。”当然，你需要考虑到数据科学家的不同专业背景，如有数学界、软件工程、市场营销学、工商管理等等，几乎所有的数据科学家都会从他们的专业领域出发，设置各种技巧最终整合制定出专注于解决业务问题的计划。 　　数据科学家和他们的分析团队的计划提出了如何组装数据集，并制定了一个数据如何被用来解答业务问题的

这题的话。假设原来的数是a和b， 给出GCD和LCM以后 我们只需要求一下 LCM/GCD 的因子  就可以求出 a/gcd 和 b/gcd  然后求出的这两个东西之间不能有公约数 所以一个数取因子的时候要把某个因子全拿走 用的是Pollard_rho进行分解这种比较大的数。 复杂度的话，假设分解出一个因子是p，用的时间是O(sqrt(p)) 总体来说比你直接sqrt(n)分解快多了 #inclu

题意：求大数N的阶乘，然后要求输出的是阶乘的结果从第一位起不是0的数。 思路：重要的是求大数N的阶乘，这以前我在COJ的时候专门练过n！所以算法依然清晰……直接贴代码，不理解的用例子算算就明白了…… #include<iostream> #include<cstring> #include<cstdio> #define M 3000 int f[M]; using namespace std;

/* H题 你知道这个规律吗？ 由这道题,我看到了自己的状态,说真的,自己太失败了. 自己做的:这道题是总结过的,应该是5分钟之内搞定的.可是我3小时都在神游. 反思:无论什么事影响着你,该办正事的时候就要把任何事都忘了,专心干正事. 还有自己写题的时候都要想思考下逻辑的合理性. 该题的问题:一开始我从低位开始趋于,这种做法是错误的,因为最后取余的是低位.

       08年毕业，不知不觉的混进了电子商务行业，又不知不觉的做了三年数据分析，恰好又赶上了互联网电子商务行业发展最快的几年，也算是不错吧，毕竟感觉前途还是很光明的。三年来，可以说跟很多同事学到了不少东西，需要感谢的人很多，他们无私的教给了我很多东西。        就数据分析职业来说，个人感觉这对互联网公司来说是非常重要的，也是确实能够带来实际效果的东西。比如说利用数据分析做会员的细分以进

由于出现了新词汇、新技术、新产品和新提供商，“大数据”分析让人很陌生，但是经过检验的数据管理最佳实践方法一样能够在这个仍然属于新兴学科的领域发挥作用。 与 各种商业智能(BI)和数据仓库一样，专家认为在开始进行大数据分析项目之前，清晰理解组织的数据管理需求和明确策略是非常重要的。大数据分析被广泛地进 行讨论，而且各种行业的公司都充斥着新数据源和不断增多的信息。但是，在未明确这样做能够真正给公司带来

大数据分析现在很火。只要你浏览任何IT出版物或者网站，你都能看到商务智能供应商和他们的系统集成合作伙伴推销帮助企业实施和管理大数据分析系统的产品和服务。这些广告和大数据分析的新闻以及供应商匆匆提供的案例研究可能会使你误认为大数据是很容易的事，误认为要成功部署只需要一种特别的技术。        如果它是那么简单就好了。当BI供应商乐呵呵地告诉你他们的客户已经成功部署大数据分析项目时，他们不会告诉你

EMD算法是用来比较两幅图像相似性的方法。在颜色直方图中，由于光线等的变化会引起图像颜色值的漂移，它们会引起颜色值位置的变化，从而导致直方图匹配失效。EMD的思想是求得从一幅图像转化为另一幅图像的代价，用直方图来表示就是求得一个直方图转化为另一个直方图的代价，代价越小，越相似。 计算 EMD 的方法来源于有名的运输问题的解决方案,其实质是双向网络最优路径的选择问题。运输问题是假设有几个供货商,每个

转自：http://www.cnblogs.com/heaad/archive/2011/03/08/1977733.html 在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。 　　本文的目的就是对常用的相似性度量作一个总结。

关于卡特兰数的介绍：http://baike.baidu.com/link?url=ClVyY47KI51GLOK4wJjghAPe0iNHgrgb4zUxrwO1SKGHZXsCR9Ftnhb7driZ8dQmT6mRSQW4BgYbUUvLGIWlR_ 在这儿主要讲解怎样求比较大的卡特兰数，不能直接求，只能用到高精度的思想来求  HDU1023 1130 1134 可做模板 #include<

通常，在分析一个算法的计算复杂性时，都将加法和乘法运算当作是基本运算来处理，即将执行一次加法或乘法运算所需的计算时间当作一个仅取决于计算机硬件处理速度的常数。    这个假定仅在计算机硬件能对参加运算的整数直接表示和处理时才是合理的。然而，在某些情况下，我们要处理很大的整数，它无法在计算机硬件能直接表示的范围内进行处理。若用浮点数来表示它，则只能近似地表示它的大小，计算结果中的有效数字也受到限制。

转自：http://www.th7.cn/Program/IOS/201211/113566.shtml 突然有人问你100！结果有几个零。其实这也是个口算题目了。。0乘任何数都为0，5乘偶数也有0，25，75就两个0了。所以，你可以数一数几个末位为0，几个数末位为5。然后就可较快速的得到结果了。 但是当别人让你计算出具体结果时你怎么算呢？肯定不是一个递归就可以轻松搞定了。 当进行乘法运算时总要考