CN112817711A - 基于微服务的数据融合系统 - Google Patents
基于微服务的数据融合系统 Download PDFInfo
- Publication number
- CN112817711A CN112817711A CN202110088938.3A CN202110088938A CN112817711A CN 112817711 A CN112817711 A CN 112817711A CN 202110088938 A CN202110088938 A CN 202110088938A CN 112817711 A CN112817711 A CN 112817711A
- Authority
- CN
- China
- Prior art keywords
- data
- micro
- microservice
- service module
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于微服务的数据融合系统包括任务管理微服务模块、任务调度微服务模块、数据导入导出微服务模块、数据分析微服务模块、数据可视化微服务模块和机器学习微服务模块;任务管理微服务模块用于对各任务进行管理;任务调度微服务模块用于对各任务进行调度和执行;数据导入导出微服务模块用于根据各任务导入和/或导出相应的数据;数据分析微服务模块用于对导入的数据进行预处理操作;数据可视化微服务模块用于对预处理后的数据进行可视化操作并显示;机器学习微服务模块用于采用预处理后的数据训练模型,训练后的模型用于数据挖掘。该系统采用微服务的形式提供多种功能,交互式可视化操作界面使用户可简单快速地整合和分析数据。
Description
技术领域
本申请涉及基于微服务的数据融合系统技术领域,特别是涉及一种基于微服务的数据融合系统。
背景技术
随机计算机信息技术的发展,数据的产生及存储变得越来越庞大。大数据有助于获取、处理和分析大量异构数据,从而获得有价值的结果,促进科技、生产、社会又快又好的发展。由于对大数据的分析入门要求较高,特别是利用机器学习模型对数据的分析,涉及到数据的预处理,模型的训练等大数据分析领域的专业知识,对机器学习模型的搭建也较为费时、繁琐。现有的数据分析方法主要有两种。一是使用不同语言提供的API,通过调用API中的算法快速搭建数据预处理和机器学习模型,然后对其进行训练和应用。但这种方法需要一定的计算机和高等数学基础,对不懂计算机技术的人员难以做到。另一种方法是通过搭建好的数据分析系统,用户只需要上传数据就可以获得模型分析结果,操作相对较为简单。这种方法是通过后台对用户上传的数据调用相应已训练好的模型,然后将模型计算的结果返回给用户。实现技术主要分为应用层、共享层、和采集层三个层面进行平台设计和开发,可维护性差。而且现有的大数据分析平台用户的参与度不高。
发明内容
基于此,有必要针对目前的大数据分析平台维护性差,用户参与度低的问题,提供一种基于微服务的数据融合系统。
一种基于微服务的数据融合系统,包括:任务管理微服务模块、任务调度微服务模块、数据导入导出微服务模块、数据分析微服务模块、数据可视化微服务模块和机器学习微服务模块;
所述任务管理微服务模块用于对各任务进行管理;
所述任务调度微服务模块用于对各所述任务进行调度和执行;
所述数据导入导出微服务模块用于根据各所述任务导入和/或导出相应的数据;
所述数据分析微服务模块用于对导入的数据进行预处理操作;
所述数据可视化微服务模块用于对预处理后的数据进行可视化操作并显示;
所述机器学习微服务模块用于采用预处理后的数据训练模型,训练后的模型用于数据挖掘。
上述基于微服务的数据融合系统包括任务管理微服务模块、任务调度微服务模块、数据导入导出微服务模块、数据分析微服务模块、数据可视化微服务模块和机器学习微服务模块;任务管理微服务模块用于对各任务进行管理;任务调度微服务模块用于对各任务进行调度和执行;数据导入导出微服务模块用于根据各任务导入和/或导出相应的数据;数据分析微服务模块用于对导入的数据进行预处理操作;数据可视化微服务模块用于对预处理后的数据进行可视化操作并显示;机器学习微服务模块用于采用预处理后的数据训练模型,训练后的模型用于数据挖掘。该数据融合系统采用微服务的形式提供多种功能,采用交互式可视化操作界面,使用户可以简单快速的整合数据资源和分析数据资源。
在其中一个实施例中,所述任务管理微服务模块还用于创建任务。
在其中一个实施例中,所述任务管理微服务模块还用于查询各所述任务。
在其中一个实施例中,所述任务管理微服务模块还用于对各所述任务进行跟踪,收集并显示各所述任务的成功信息和/或失败信息。
在其中一个实施例中,所述任务调度微服务模块用于根据每一个所述任务的执行顺序调度各所述任务,并根据每一个所述任务的执行内容以工作流的形式执行各所述任务。
在其中一个实施例中,数据导入导出微服务模块包括数据导入微服务模块和数据导出微服务模块;
所述数据导入微服务模块用于导入单个数据或多个合并数据;
所述数据导出微服务模块用于将处理后的数据按照预设模式导出。
在其中一个实施例中,所述数据分析微服务模块用于对导入的数据进行分组、排序、交叉、筛选、排除、去重、展示、更名、填充、数值化处理、删除列或采样处理。
在其中一个实施例中,所述数据可视化微服务模块用于对所述预处理后的数据进行饼状图、柱状图、折线图、散点图或雷达图可视化处理并显示。
在其中一个实施例中,所述机器学习微服务模块用于采用预处理后对分类决策树、置信区间、Gaussia-Mixture、神经网络、线性回归或K-Means进行模型训练。
在其中一个实施例中,还包括临时文件存储微服务模块;
所述临时文件存储微服务模块用于在所述数据分析微服务模块对导入的数据进行预处理操作过程中临时存储数据。
附图说明
图1为一个实施例中基于微服务的数据融合系统的结构示意图;
图2为另一个实施例中基于微服务的数据融合系统的结构示意图;
图3为一个实施例中基于微服务的数据融合系统中任务管理微服务模块的调度示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
一种基于微服务的数据融合系统,如图1至图2所示,包括:任务管理微服务模块102、任务调度微服务模块104、数据导入导出微服务模块106、数据分析微服务模块108、数据可视化微服务模块110和机器学习微服务模块112;任务管理微服务模块102用于对各任务进行管理;任务调度微服务模块104用于对各任务进行调度和执行;数据导入导出微服务模块106用于根据各任务导入和/或导出相应的数据;数据分析微服务模块108用于对导入的数据进行预处理操作;数据可视化微服务模块110用于对预处理后的数据进行可视化操作并显示;机器学习微服务模块112用于采用预处理后的数据训练模型,训练后的模型用于数据挖掘。
具体的,基于微服务的数据融合系统包括任务管理微服务模块102、任务调度微服务模块104、数据导入导出微服务模块106、数据分析微服务模块108、数据可视化微服务模块110和机器学习微服务模块112,其中任务管理微服务模块102连接任务调度微服务模块104,任务调度微服务模块分别连接数据导入导出微服务模块106、数据分析微服务模块108、数据可视化微服务模块110和机器学习微服务模块112。
任务管理微服务模块102主要用于对不同的任务进行管理,例如建立任务、查询任务等。任务调度微服务模块104是一个独立的微服务,主要用于对各任务进行调度和执行。数据导入导出微服务模块106是一个独立的微服务,主要是提供对数据导入和导出功能。数据分析微服务模块108是一个独立的微服务,主要提供数据预处理功能。数据可视化微服务模块110是一个独立的微服务,主要提供对数据可视化操作的功能。机器学习微服务模块112是一个独立的微服务,主要提供机器学习功能,即提供深度学习的算法库并采用输入的数据进行模型训练,训练后的模型可以用来进行数据挖掘。
上述基于微服务的数据融合系统包括任务管理微服务模块、任务调度微服务模块、数据导入导出微服务模块、数据分析微服务模块、数据可视化微服务模块和机器学习微服务模块;任务管理微服务模块用于对各任务进行管理;任务调度微服务模块用于对各任务进行调度和执行;数据导入导出微服务模块用于根据各任务导入和/或导出相应的数据;数据分析微服务模块用于对导入的数据进行预处理操作;数据可视化微服务模块用于对预处理后的数据进行可视化操作并显示;机器学习微服务模块用于采用预处理后的数据训练模型,训练后的模型用于数据挖掘。该数据融合系统采用微服务的形式提供多种功能,采用交互式可视化操作界面,使用户可以简单快速的整合数据资源和分析数据资源。
在其中一个实施例中,任务管理微服务模块还用于创建任务。
在其中一个实施例中,任务管理微服务模块还用于查询各任务。
在其中一个实施例中,任务管理微服务模块还用于对各任务进行跟踪,收集并显示各任务的成功信息和/或失败信息。
具体的,任务管理微服务模块还用于创建任务,例如根据用户输入的参数新建任务。查询建立的任务,可以包括新建的任务也可以包括历史任务,例如数据挖掘历史任务查询等。其中,任务可以是任意的采用基于微服务的数据融合系统可以完成的一个或一系列操作,任务可以是一个或多个任务组合成的综合任务,例如数据导入任务、数据挖掘任务、模型训练任务等其中的一个,或几个组成的任务。
其次,任务管理微服务模块还用于在各任务在执行过程中对其进行跟踪,收集各任务执行成功或失败信息并显示相关信息,以便用户查看,及时了解任务执行情况,在任务执行失败后查找原因。
在其中一个实施例中,任务调度微服务模块用于根据每一个任务的执行顺序调度各任务,并根据每一个任务的执行内容以工作流的形式执行各任务。
其中,任务调度微服务模块可以对每一个任务进行分析,确定每个任务的执行顺序,然后按照执行顺序来执行各任务;并在执行任务时要确定任务的执行内容或步骤,然后根据执行内容或步骤以工作流的形式来调度相应的资源来执行任务。
在其中一个实施例中,如图2所示,数据导入导出微服务模块包括数据导入微服务模块1062和数据导出微服务模块1064;数据导入微服务模块1062用于导入单个数据或多个合并数据;数据导出微服务模块1064用于将处理后的数据按照预设模式导出。
具体的,数据导入微服务模块1062可以对单个数据进行上传,多个数据横向合并或纵向合并后上传。数据导出微服务模块1064可以把经过处理后的数据导出成预设模式数据,例如导出为csv、excel、sql格式的数据。
在其中一个实施例中,数据分析微服务模块用于对导入的数据进行分组、排序、交叉、筛选、排除、去重、展示、更名、填充、数值化处理、删除列或采样处理。
具体而言,数据分析微服务模块主要提供对数据的预处理操作。可选的,可以包括数据分组、数据排序、数据交叉、数据筛选、数据排除、数据去重、数据展示、数据更名、数据填充、数值化处理、删除列和数据采样等多个功能。
在其中一个实施例中,数据可视化微服务模块用于对预处理后的数据进行饼状图、柱状图、折线图、散点图或雷达图可视化处理并显示。
具体的,数据可视化微服务模块用于提供对数据进行可视化操作的功能,可选的,分别有饼状图、柱状图、折线图、散点图和雷达图等多个数据可视化功能。
在其中一个实施例中,机器学习微服务模块用于采用预处理后对分类决策树、置信区间、Gaussia-Mixture、神经网络、线性回归或K-Means进行模型训练。
其中,机器学习微服务模块可以提供机器学习和深度学习的模型训练功能,分别有分类决策树、置信区间、Gaussia-Mixture、神经网络、线性回归和K-Means等多个功能。具体的,可以采用预处理后的数据对上述的模型进行训练,从而得到训练后的模型,训练后的模型可以用来进行数据挖掘。
在其中一个实施例中,还包括临时文件存储微服务模块114;临时文件存储微服务模块114用于在数据分析微服务模块对导入的数据进行预处理操作过程中临时存储数据。
为了便于理解给方案,给出一个详细的实施例。该基于微服务的数据融合系统的工作方法如下:(1)使用任务管理微服务模块创建新任务。
(2)任务调度微服务模块对新任务进行分析,将新任务分为多源数据联合、数据去重、数据填充、数据数值化、柱状图和神经网络这几个部分,然后将通过任务调度服务,将多数据导入、数据去重、数据填充、数据数值化、柱状图、神经网络功能拖入任务模块中,然后执行任务。
(3)数据导入微服务模块把数据集导入到任务模块中,当数据导入成功时向用户返回成功,并把数据存入临时任务数据库中。当数据导入失败时向用户返回失败。
(4)数据分析微服务模块通过数据去重去除数据中重复的数据成功后向用户返回成功,并把去重后的数据重新放入临时任务数据库中,任务失败时返回失败。数据填充把数据中的缺失值用数据的平均值进行填充,成功时返回成功,并把数据填充后的数据继续放回临时任务数据库中,失败时返回失败。数据数值化把数据集的文字型标签转换成数值型标签,任务成功时返回成功,并把转化后的数据以覆盖的形式放回临时任务数据库中,失败时返回失败。
(5)数据可视化微服务模块通过柱状图功能把数据生成柱状图,分析不同标签的数据分布,任务成功时返回成功,用户可以通过下载按钮下载图片,任务失败时返回失败。
(6)机器学习微服务模块利用神经网络功能把前面预处理好的数据放入神经网络模型进行训练,当模型达到0.95以上的准确率时用户可以把训练好的模型通过下载按钮导出,用于数据挖掘任务,当任务成功时返回成功。当任务失败时返回失败。
在一种可选的实施方式中,该数据融合系统的数据导入、数据分析、数据可视化和机器学习服务采样python和Django框架进行开发,以独立服务的形式部署在kubernetes平台上。任务管理服务和任务调度服务采用Java和springboot框架进行开发,同样以独立服务的形式部署在kubernetes平台上。整个系统通过多个不同的微服务组成,每个服务独立运行,拥有微服务架构的所有优点。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于微服务的数据融合系统,其特征在于,包括:任务管理微服务模块、任务调度微服务模块、数据导入导出微服务模块、数据分析微服务模块、数据可视化微服务模块和机器学习微服务模块;
所述任务管理微服务模块用于对各任务进行管理;
所述任务调度微服务模块用于对各所述任务进行调度和执行;
所述数据导入导出微服务模块用于根据各所述任务导入和/或导出相应的数据;
所述数据分析微服务模块用于对导入的数据进行预处理操作;
所述数据可视化微服务模块用于对预处理后的数据进行可视化操作并显示;
所述机器学习微服务模块用于采用预处理后的数据训练模型,训练后的模型用于数据挖掘。
2.根据权利要求1所述的基于微服务的数据融合系统,其特征在于,所述任务管理微服务模块还用于创建任务。
3.根据权利要求2所述的基于微服务的数据融合系统,其特征在于,所述任务管理微服务模块还用于查询各所述任务。
4.根据权利要求3所述的基于微服务的数据融合系统,其特征在于,所述任务管理微服务模块还用于对各所述任务进行跟踪,收集并显示各所述任务的成功信息和/或失败信息。
5.根据权利要求2所述的基于微服务的数据融合系统,其特征在于,所述任务调度微服务模块用于根据每一个所述任务的执行顺序调度各所述任务,并根据每一个所述任务的执行内容以工作流的形式执行各所述任务。
6.根据权利要求1-5任一项所述的基于微服务的数据融合系统,其特征在于,数据导入导出微服务模块包括数据导入微服务模块和数据导出微服务模块;
所述数据导入微服务模块用于导入单个数据或多个合并数据;
所述数据导出微服务模块用于将处理后的数据按照预设模式导出。
7.根据权利要求6所述的基于微服务的数据融合系统,其特征在于,所述数据分析微服务模块用于对导入的数据进行分组、排序、交叉、筛选、排除、去重、展示、更名、填充、数值化处理、删除列或采样处理。
8.根据权利要求1所述的基于微服务的数据融合系统,其特征在于,所述数据可视化微服务模块用于对所述预处理后的数据进行饼状图、柱状图、折线图、散点图或雷达图可视化处理并显示。
9.根据权利要求7或8所述的基于微服务的数据融合系统,其特征在于,所述机器学习微服务模块用于采用预处理后对分类决策树、置信区间、Gaussia-Mixture、神经网络、线性回归或K-Means进行模型训练。
10.根据权利要求9所述的基于微服务的数据融合系统,其特征在于,还包括临时文件存储微服务模块;
所述临时文件存储微服务模块用于在所述数据分析微服务模块对导入的数据进行预处理操作过程中临时存储数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110088938.3A CN112817711A (zh) | 2021-01-22 | 2021-01-22 | 基于微服务的数据融合系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110088938.3A CN112817711A (zh) | 2021-01-22 | 2021-01-22 | 基于微服务的数据融合系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112817711A true CN112817711A (zh) | 2021-05-18 |
Family
ID=75858835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110088938.3A Pending CN112817711A (zh) | 2021-01-22 | 2021-01-22 | 基于微服务的数据融合系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112817711A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113313170A (zh) * | 2021-05-28 | 2021-08-27 | 中国人民解放军战略支援部队航天工程大学 | 基于人工智能的全时全域训练大数据平台 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109144724A (zh) * | 2018-07-27 | 2019-01-04 | 众安信息技术服务有限公司 | 一种微服务资源调度系统及方法 |
CN109523031A (zh) * | 2018-11-16 | 2019-03-26 | 河南智慧云大数据有限公司 | 一种用于深度分析的大数据智能机器学习系统 |
CN109885389A (zh) * | 2019-02-19 | 2019-06-14 | 山东浪潮云信息技术有限公司 | 一种基于容器的并行深度学习调度训练方法及系统 |
CN110210705A (zh) * | 2019-04-29 | 2019-09-06 | 德邦物流股份有限公司 | 一种数据分析方法及系统 |
CN110737653A (zh) * | 2019-10-17 | 2020-01-31 | 天津锐网科技股份有限公司 | 一种基于微服务的一体化企业数据处理系统及方法 |
CN111047190A (zh) * | 2019-12-12 | 2020-04-21 | 广西电网有限责任公司 | 一种基于交互式学习技术的多元化业务建模框架系统 |
-
2021
- 2021-01-22 CN CN202110088938.3A patent/CN112817711A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109144724A (zh) * | 2018-07-27 | 2019-01-04 | 众安信息技术服务有限公司 | 一种微服务资源调度系统及方法 |
CN109523031A (zh) * | 2018-11-16 | 2019-03-26 | 河南智慧云大数据有限公司 | 一种用于深度分析的大数据智能机器学习系统 |
CN109885389A (zh) * | 2019-02-19 | 2019-06-14 | 山东浪潮云信息技术有限公司 | 一种基于容器的并行深度学习调度训练方法及系统 |
CN110210705A (zh) * | 2019-04-29 | 2019-09-06 | 德邦物流股份有限公司 | 一种数据分析方法及系统 |
CN110737653A (zh) * | 2019-10-17 | 2020-01-31 | 天津锐网科技股份有限公司 | 一种基于微服务的一体化企业数据处理系统及方法 |
CN111047190A (zh) * | 2019-12-12 | 2020-04-21 | 广西电网有限责任公司 | 一种基于交互式学习技术的多元化业务建模框架系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113313170A (zh) * | 2021-05-28 | 2021-08-27 | 中国人民解放军战略支援部队航天工程大学 | 基于人工智能的全时全域训练大数据平台 |
CN113313170B (zh) * | 2021-05-28 | 2024-02-27 | 中国人民解放军战略支援部队航天工程大学 | 基于人工智能的全时全域训练大数据平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110292775B (zh) | 获取差异数据的方法及装置 | |
CN110688106B (zh) | 基于可视化配置的量化交易策略编写方法及装置 | |
CN107943463A (zh) | 交互式自动化大数据分析应用开发系统 | |
CN107256247A (zh) | 大数据数据治理方法和装置 | |
CN112183379A (zh) | 一种面向报表的多维度管理分析方法及系统 | |
CN112181960B (zh) | 一种基于AIOps的智能运维框架系统 | |
CN104679827A (zh) | 一种基于大数据的公开信息关联方法及挖掘引擎 | |
CN113741883B (zh) | 一种rpa轻量级数据中台系统 | |
CN111311190A (zh) | 一种便于数据收集的实验数据管理方法 | |
CN110968624A (zh) | 一种动物疫病监测数据统计分析地理信息系统及实现方法 | |
CN103455896A (zh) | 基于物联网的无纸化装配质量控制方法 | |
CN113947468B (zh) | 一种数据管理方法及平台 | |
CN112817711A (zh) | 基于微服务的数据融合系统 | |
CN113609393B (zh) | 一种基于数据服务和数据管理的数字化平台 | |
CN105279138A (zh) | 一种资讯研究报告自动生成系统 | |
CN112199376B (zh) | 一种基于聚类分析的标准知识库管理方法及系统 | |
CN104142952A (zh) | 报表展示方法和装置 | |
US8918410B2 (en) | System and method for fast identification of variable roles during initial data exploration | |
CN109523031B (zh) | 一种用于深度分析的大数据智能机器学习系统 | |
Lee et al. | A git source repository analysis tool based on a novel branch-oriented approach | |
CN111061779A (zh) | 一种基于大数据平台的数据处理方法及装置 | |
CN109711799A (zh) | 引导行政管理岗标准化办公的教学软件及其运行方法 | |
US9239867B2 (en) | System and method for fast identification of variable roles during initial data exploration | |
CN114416779A (zh) | 一种数据处理方法、装置及系统 | |
CN104123585A (zh) | 基于业务仿真的业务组织优化分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |