谷歌开源 Python Fire;一张图读懂 Python、R 的大数据应用等 | AI 开发者头条

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

 内容预览:

  • 谷歌开源 Python Fire

  • NASA 发布 2017-2018 软件目录,供开发者免费使用

  • 一张图看懂大数据中 R 语言的应用

  • 一张图看懂大数据中 Python 的应用

    每日推荐阅读

  • 谷歌搜索技术分析,如何一步步实现“不止于关键词”?

█ 谷歌开源 Python Fire

谷歌开源 Python Fire;一张图读懂 Python、R 的大数据应用等 | AI 开发者头条

昨晚谷歌公布了新的 Python 工具包——Python Fire。它的功能很简单:能从任何 Python 代码生成命令行接口(CLI)。开发者面对任意一个 Python 程序,仅需调用 Python Fire 即可把该程序转为 CLI。Python Fire 已开源,用户可通过`pip install fire`在 PyPI 进行下载,也可以去 GitHub 查看它的源代码。

对于该工具包将为开发者带来的便利,谷歌表示:

“Python Fire 能自动把你的代码转为 CLI,不需要任何额外操作——你不需要定义 arguments,不需要设定帮助信息,也不需要编写定义代码如何运行的主函数。你仅仅需要从主模块中调用‘Fire’函数,剩下的一切都可以交给它 。它支持类、library,对象、函数、甚至是整个模块,即便代码发生变动也能随之更新。”

雷锋网获知,谷歌还表示 Python Fire 将使得 Bash 和 Python 之间的衔接更加方便。

详情:https://opensource.googleblog.com/2017/03/python-fire-command-line.html

Github:https://github.com/google/python-fire

█ NASA 发布 2017-2018 软件目录,供开发者免费使用

谷歌开源 Python Fire;一张图读懂 Python、R 的大数据应用等 | AI 开发者头条

自 2014 年起,NASA 就着手向公众开放其部分科研软件的试用版。到今天,这已成为美国史上最大规模的公立机构软件开源项目。

昨晚,NASA 正式宣布了新一批对外开放的软件目录,包含大量 app、代码库和工具。当然,大部分 AI 从业者可能对其中大部分的气象、系统测试、航空动力装置、太空探索等领域的科研软件不感兴趣。雷锋网(公众号:雷锋网)消息,NASA 开放软件中还包括了其科研人员日常使用的图像、数据处理软件,更有大量无人飞行器领域的研发、测试软件。

NASA STMD 技术管理局的副主管 Steve Jurczyk 表示:

“发布 NASA 软件目录,是我们支持创新经济的一种方式——向创业者、小企业、学界、工业领域提供当今顶级航空专家所使用的工具。让公众获取这些软件代码,将有机会产生实实在在的好处:为美国增加就业、收入,并(用技术)拯救生命。”

详情:https://www.nasa.gov/press-release/nasa-releases-software-catalog-granting-the-public-free-access-to-technologies-for

█ 一张图看懂大数据中 R 语言的应用

谷歌开源 Python Fire;一张图读懂 Python、R 的大数据应用等 | AI 开发者头条

这张图其实问世很久了,但最近在社交媒体、开发者博客圈中再次引发新一轮关注。

来源:http://www.xmind.net/m/LKF2/

█ 一张图看懂大数据中 Python 的应用

谷歌开源 Python Fire;一张图读懂 Python、R 的大数据应用等 | AI 开发者头条

这是上一篇“大数据中 R 语言应用”的姊妹篇,两幅图旨在帮助从业者理解,两大主流数据科学语言与其他工具的关系。

来源:http://www.xmind.net/m/WvfC

每日推荐阅读

谷歌搜索技术分析,如何一步步实现“不止于关键词”?

通过谷歌搜索专利,深度分析谷歌搜索的技术实现,包括关联、搜索量、背景信息(比如用户搜索历史、地理位置)、问题替代等因素的考虑;并介绍谷歌采取的相应技术手段,比如关联信息数据库和 Word2vec。在理解技术流程的基础上,这篇文章还为基于谷歌搜索的 SEO 提供了启示。

原文标题为“Your Keywords Are Not What You Think They Are”。

地址:https://www.link-assistant.com/news/keyword-refinements.html


栏目介绍:AI 开发者头条是雷锋网旗下 AI 研习社推出的资讯栏目,周一到周五更新,汇总每天 AI 开发圈的重磅新闻,并推荐技术干货。你所关注的 AI 技术资讯,尽在开发者头条。

(关注 AI 研习社公众号,获取每日头条推送)







本文作者:三川
本文转自雷锋网禁止二次转载, 原文链接
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
1月前
|
机器学习/深度学习 算法 搜索推荐
从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
【10月更文挑战第4天】在大数据时代,算法效率至关重要。本文从理论入手,介绍时间复杂度和空间复杂度两个核心概念,并通过冒泡排序和快速排序的Python实现详细分析其复杂度。冒泡排序的时间复杂度为O(n^2),空间复杂度为O(1);快速排序平均时间复杂度为O(n log n),空间复杂度为O(log n)。文章还介绍了算法选择、分而治之及空间换时间等优化策略,帮助你在大数据挑战中游刃有余。
58 4
|
1月前
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
91 1
|
17天前
|
机器学习/深度学习 算法 编译器
Python程序到计算图一键转化,详解清华开源深度学习编译器MagPy
【10月更文挑战第26天】MagPy是一款由清华大学研发的开源深度学习编译器,可将Python程序一键转化为计算图,简化模型构建和优化过程。它支持多种深度学习框架,具备自动化、灵活性、优化性能好和易于扩展等特点,适用于模型构建、迁移、部署及教学研究。尽管MagPy具有诸多优势,但在算子支持、优化策略等方面仍面临挑战。
44 3
|
1月前
|
存储 分布式计算 druid
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
57 1
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
|
8天前
|
并行计算 数据挖掘 大数据
Python数据分析实战:利用Pandas处理大数据集
Python数据分析实战:利用Pandas处理大数据集
ly~
|
1月前
|
供应链 搜索推荐 安全
大数据模型的应用
大数据模型在多个领域均有广泛应用。在金融领域,它可用于风险评估与预测、智能营销及反欺诈检测,助力金融机构做出更加精准的决策;在医疗领域,大数据模型能够协助疾病诊断与预测、优化医疗资源管理和加速药物研发;在交通领域,该技术有助于交通流量预测、智能交通管理和物流管理,从而提升整体交通效率;电商领域则借助大数据模型实现商品推荐、库存管理和价格优化,增强用户体验与企业效益;此外,在能源和制造业中,大数据模型的应用范围涵盖从需求预测到设备故障预测等多个方面,全面推动了行业的智能化转型与升级。
ly~
87 2
|
1月前
|
前端开发 API 开发者
深度剖析:AJAX、Fetch API如何成为Python后端开发者的最佳拍档!
深度剖析:AJAX、Fetch API如何成为Python后端开发者的最佳拍档!
37 4
|
1月前
|
机器学习/深度学习 数据可视化 大数据
驾驭股市大数据:Python实战指南
【10月更文挑战第1天】随着信息技术的发展,投资者现在能够访问到前所未有的海量金融数据。本文将指导您如何利用Python来抓取当前股市行情的大数据,并通过分析这些数据为自己提供决策支持。我们将介绍从数据获取到处理、分析以及可视化整个流程的技术方法。
89 2
ly~
|
1月前
|
供应链 搜索推荐 大数据
大数据在零售业中的应用
在零售业中,大数据通过分析顾客的购买记录、在线浏览习惯等数据,帮助零售商理解顾客行为并提供个性化服务。例如,分析网站点击路径以了解顾客兴趣,并利用历史购买数据开发智能推荐系统,提升销售和顾客满意度。此外,大数据还能优化库存管理,通过分析销售数据和市场需求,更准确地预测需求,减少库存积压和缺货现象,提高资金流动性。
ly~
281 2
ly~
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
大数据在智慧金融中的应用
在智能算法交易中,深度学习揭示价格波动的复杂动力学,强化学习依据市场反馈优化策略,助力投资者获取阿尔法收益。智能监管合规利用自然语言处理精准解读法规,实时追踪监管变化,确保机构紧跟政策。大数据分析监控交易,预警潜在违规行为,变被动防御为主动预防。数智化营销通过多维度数据分析,构建细致客户画像,提供个性化产品推荐。智慧客服借助 AI 技术提升服务质量,增强客户满意度。
ly~
109 2