首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

工作想法从哪里

提出论点 研究想法,兼顾摘果子和啃骨头。...两年前,曾看过刘知远老师一篇文章《研究想法从哪里来》,直到现在印象依然很深刻,文中分析了摘低垂果实容易,但也容易撞车,啃骨头难,但也可能是个不错选择。...初入团队,寻找自己立足点,需要一个工作想法。每年末,抓耳挠腮做规划,想要憋出一个工作想法。很多同学,包括我自己,陆陆续续零零散散想到很多点,然后自己不断否掉。...三维排列组合还不够,防守方视角还可以再交叉一个事前事事后时间维度,所以做事情又可细分为:普通员工误用数据事前检测、事感知、事后溯源三个点,每一个点都是独一无二有自己定位点,简称“不卷点”。...引用 研究想法从哪里来 杜跃进:数据安全治理基本思路 来都来了。

8.2K40

业务关键词有哪些?

关键词有哪些呢? 想做,首先要考虑是通过解决什么问题,这个比是什么更重要,也就是说why比what更重要。 解决什么问题?...对于核心业务来说,可以让核心业务快速支持新行业需求,且复用成熟行业解决方案。 简单来说就是快,快速支持新业务,手段是通过复用老业务已有沉淀能力,实现新业务快。 是什么?...不仅仅是一个技术问题,更是一个方法论问题。 涵盖了组织协作、需求分析、战略落地等相关内容。 在协作上,有一套能力接入标准。 在技术上,有一套运作机制,集中配置,分布式执行控制。...如何搭建中? 可以将和数字化转型放在一起考虑,某种程度上来说,是企业架构方法论一种具体实现。 需要考虑业务价值链,考虑价值链上业务流程串联和衔接。...落地中,在技术层面可以抽象成几方面。 包括业务身份、端组件再组织、流程与流程承接领域、可视化&可配置、底层通用中间件能力。 领域抽象与领域建模,在建设初期非常重要。

43220
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    大数据之Kafka,到底好在哪里

    Hello,大家,今天给大家分享一个大数据里面很火技术——Kafka,Kafka 是一个分布式消息系统,其高性能在圈内很出名。...网上也有不少文章分析 Kafka 性能为什么那么,但是我感觉很多文章都没说到点上,所以今天借着这个机会跟大家交流一下 kafka 性能为什么那么?...我们看到这种设计就是将所有的事件处理都在同一个线程完成。这样设计适合用在客户端这种并发比较小场景。...当请求处理完了以后 handler Pool 线程注册 OP_WRITER 事件,实现往客户端发送响应功能。 通过这种设计就解决了性能瓶颈问题,但是如果突然发生了大量网络 I/O。...03 / 零拷贝 接下来消费者读取数据流程用是零拷贝技术,我们先看一下如下是非零拷贝流程: (1)操作系统将数据从磁盘文件读取到内核空间页面缓存; (2)应用程序将数据从内核空间读入用户空间缓冲区

    85930

    清华教授刘知远:AI领域研究想法从哪里来?

    研究想法从哪里来 想法还是不好,并不是非黑即白二分问题,而是像光谱一样呈连续分布,因时而异,因人而宜。...那么,研究想法从哪里来呢?我总结,首先要有区分研究想法与不好能力,这需要深入全面了解所在研究方向历史与现状,具体就是对学科文献全面掌握。...人是最善于学习动物,完全可以将既有文献不同时期研究工作想法作为学习对象,通过了解它们提出后对学科发展影响——具体体现在论文引用、学术评价情况等各方面——建立对研究想法与不好评价模型。...正如武侠最高境界是无招胜有招,研究想法并不拘泥于以上路径,很多时候是在研究者对研究问题深刻认知基础上,综合丰富研究阅历和聪明才智产生”顿悟“结果。...所以不如提前考虑,哪些问题是纯数据驱动技术无法解决。NLP和AI困难任务,如常识和知识推理,复杂语境和跨模态理解,可解释智能,都还没有可行解决方案,我个人也不看好数据驱动方法能够彻底解决。

    6.4K11

    大数据之Kafka,到底好在哪里

    网上也有不少文章分析 Kafka 性能为什么那么,但是我感觉很多文章都没说到点上,所以今天借着这个机会跟大家交流一下 kafka 性能为什么那么?...我们看到这种设计就是将所有的事件处理都在同一个线程完成。这样设计适合用在客户端这种并发比较小场景。...当请求处理完了以后 handler Pool 线程注册 OP_WRITER 事件,实现往客户端发送响应功能。通过这种设计就解决了性能瓶颈问题,但是如果突然发生了大量网络 I/O。...03 /  零拷贝接下来消费者读取数据流程用是零拷贝技术,我们先看一下如下是非零拷贝流程: (1)操作系统将数据从磁盘文件读取到内核空间页面缓存; (2)应用程序将数据从内核空间读入用户空间缓冲区...图9 零拷贝流程.jpg 优秀设计之批处理  在 kafka-0.8 版本设计,生产者往服务端发送数据,是一条发送一次,这样吞吐量低,后来版本里面加了缓冲区和批量提交概念,一下子吞吐量提高了很多

    56430

    大数据AI演进是大势所趋?

    近日,宜信科技中心 AI 团队负责人王东在一篇技术专访,从大数据和 AI 赋能金融业务角度,分享了、大数据、AI 等软件研发趋势为业务赋能经验与思路。...4、据悉,宜信智能聊天机器人平台是基于 AI 研发,那么 AI 为智能聊天机器人平台研发提供了哪些优势呢?相比 AI 建设之前,有哪些地方得到了改善?...5、现在,越来越多的人提到数据需要向 AI 演进,您对此怎么看?宜信数据AI 之间是什么样关系?二者之间是如何支持协作?...数据AI 两者是相互依存,承前启后关系。...数据AI 两者都对外提供服务,只是侧重点不同:数据提供各种数据服务(BI 报表应用、数据探索等),AI 提供各种智能服务(模型预测、智能推荐等); AI 依托数据提供数据能力和工具集

    1.9K20

    定义 | 白话战略

    ,像上文提到业务、数据、搜索、移动,哪些才是,哪些是蹭热点?...与前台划分原则是什么? 化与平台化区别是什么? 化和服务化区别是什么? 该怎么建设?...企业能力可能包含多个维度,常见例如计算能力,技术能力,业务能力,数据能力,AI能力,运营能力,研发能力……其中大部分能力还可以继续细化和二次展开,从而形成一张多维度企业能力网。...另一方面就是通过对于能力SaaS化包装,减少前台团队发现能力和使用能力阻力,甚至通过自助式(Self-Service)方式快速定位和使用能力。...,区分开了单系统服务化与微服务; 「能力」定义了主要承载对象,能力抽象解释了各种各样存在; 「复用」定义了核心价值,传统平台化对于易复用性并没有给予足够关注,提出和兴起,

    1.5K43

    如何利用AI优化知识用户体验

    随着人工智能(AI)技术飞速发展,将AI融入知识设计与优化,已成为提升用户体验、增强用户满意度与参与度重要途径。...本文将从用户界面优化、智能交互设计、个性化推荐及持续学习优化四个方面,探讨AI如何助力知识用户体验升级。...一、用户界面优化:智能布局与动态调整AI技术能够分析用户行为数据,理解用户偏好与习惯,从而自动调整知识界面布局。...此外,AI还能自动收集用户反馈,形成闭环反馈机制,帮助知识团队不断优化内容质量、调整教学策略,确保学习体验持续改进。结语总之,AI技术引入为知识用户体验优化提供了强大技术支持。...未来,随着AI技术不断成熟与普及,知识用户体验将迎来更加广阔发展前景。

    11810

    未来工作场所:知识AI融合

    在快速迭代未来工作场所,知识AI融合正引领着一场深刻工作方式变革。这种融合不仅优化了企业知识管理流程,还通过智能工具如AI问答、内容生成等,极大地提升了工作效率和决策质量。...接下来将深入探讨知识AI如何共同作用。一、知识:企业知识管理基石知识作为企业知识管理核心平台,集成了企业内外各类知识资源,通过统一标准和规范进行组织、存储和管理。...四、案例:HelpLook AI知识库——知识AI融合实践HelpLook AI知识库作为一款低代码、开箱即用SaaS系统,正是知识AI融合典型代表。...此外,它还具备良好扩展性,能够与企业现有的系统和工具无缝集成,形成一个完整业务生态。 未来工作场所,知识AI融合将成为推动企业智能化转型重要力量。...在HelpLook平台上,企业可以轻松搭建起自己知识,实现知识集中存储、智能搜索和个性化推荐。

    15810

    内容和数据区别

    什么是内容内容是企业级数字化解决方案之一,它是一种整合和管理企业各类内容资源平台。...数据架构通常包括以下几个核心组件:数据采集层:这是数据第一步,主要负责从各种源系统(如业务系统、物联网设备、日志文件等)收集数据。...数据使用场景企业数据分析:数据整合了企业内部各种数据资源,通过数据清洗、转换、整合,实现数据汇聚、整合和分析。...内容和数据区别内容是一个集中平台,负责管理和分发各种形式内容,如文本、图片、视频、音频等。...内容专注于管理和分发各种类型内容资源,而数据则聚焦于企业数据整合、治理和利用,两者在业务场景和目标上有明显差异。如何使用MassCMS创建内容

    13610

    未来数据 Node.js BFF实践(一):基础篇

    未来数据 Node.js BFF实践系列文章列表: 基础篇 实战篇(TODO) 进阶篇(TODO) 未来数据Node.js中间层从7月份开始讨论可行性,截止到9月已经支持了4个平台,...在现阶段数据服务体系中有两类服务:常规 Java 后端和 T-Service 。...后者是数据将 OneService 方法论落地统一数据服务,即服务于各个前台事业部,也为数据内部各个应用平台提供数据服务。...数据有一个统一用户管理中心提供登录/登出服务,客户端登录后会接收管理中心下发 JWT,后续业务接口请求会验证 JWT 有效性。...数据 Node.js 服务每个 pod 都是单核,没有起多进程,也就没有使用反向代理必要性,所以最终使用 TCP 探针做存活检测。

    3.7K20

    腾讯云智媒体AI,获奖了!

    5月27日,“CCBN年度创新奖”正式公布,腾讯云智媒体AI,荣获CCBN2021产品创新优秀奖!...腾讯云智媒体AI,从“媒体+AI”应用实际需求出发,依托腾讯内部诸多优秀团队AI技术与最佳实践,包括腾讯云智慧传媒行业、腾讯云AI、腾讯安全天御内容安全团队,以及腾讯优图、腾讯多媒体实验室、微信智聆等...结合在微信看一看、微视、企鹅号、腾讯视频等互联网媒体AI应用经验,以及在央视频、河南日报、宁夏黄河云融媒体平台项目沉淀,腾讯云智媒体AI聚焦技术与媒体应用场景结合,贴合媒体业务打造专属算法,并持续迭代升级...为媒体全业务流程打造应用服务,腾讯云智媒体AI覆盖多模态内容结构化、智能转码、超分、老片修复、视频质检、智能审核等多维度应用。...| 一张报销单引发"吐槽大会" | 初音未来、洛天依、镜音......揭秘虚拟歌姬背后大BOSS | 抠图,令我苦不堪言! | 戳打工人爽点,3步就够了 | AI会是考试作弊终结者吗?

    2.7K40

    你以为真的是吗?

    前段时间一个负责企业数字化建设CIO朋友找我聊IT规划,谈到他们刚上线数据,从上线一段时间使用效果来看,感觉并没有取得应有的效果,反而给业务和IT带来很多困扰,增加了不少数据维护工作量,多个系统与之间数据经常出现不一致情况...我不由感叹说:你们只是上了一套名字叫“**管理系统”系统,并不是真正意义上是不是伪概念,是不是炒作,我之前在公众号已经说得很明白了。...,那是单机应用系统,上只是为了对外宣传; 不少企业规划,第一时间就是考虑选个什么系统,考虑上云,考虑如何去抽数据,搞所谓上,技术先行。...不是最先分析搭建中性质和必要性,分析数据模型,站在业务角度分析如何提纯和清洗数据,这也是不少企业上误区。...像上面CIO朋友举例子,很明显数据输出有残缺,没有站在业务角度去支持业务规则,甚至为了保证业务顺利进行而让用户到去手工修改数据,完全就是违背了数据宗旨。

    60820

    【学术分享】刘知远:研究想法从哪里

    研究想法从哪里来 想法还是不好,并不是非黑即白二分问题,而是像光谱一样呈连续分布,因时而异,因人而宜。...那么,研究想法从哪里来呢?我总结,首先要有区分研究想法与不好能力,这需要深入全面了解所在研究方向历史与现状,具体就是对学科文献全面掌握。...人是最善于学习动物,完全可以将既有文献不同时期研究工作想法作为学习对象,通过了解它们提出后对学科发展影响——具体体现在论文引用、学术评价情况等各方面——建立对研究想法与不好评价模型。...正如武侠最高境界是无招胜有招,研究想法并不拘泥于以上路径,很多时候是在研究者对研究问题深刻认知基础上,综合丰富研究阅历和聪明才智产生”顿悟“结果。...所以不如提前考虑,哪些问题是纯数据驱动技术无法解决。NLP和AI困难任务,如常识和知识推理,复杂语境和跨模态理解,可解释智能,都还没有可行解决方案,我个人也不看好数据驱动方法能够彻底解决。

    8.5K20

    末路

    各大公司都在吹捧理念。仿佛是业务复杂性救世主。是某些架构师和 PM 新出路。各种割韭菜课程层出不穷。 当然,吹牛逼时候大家都是拣说,苦逼东西就只有内部人士知道。...被交接方:这个系统原来维护团队水平极低,代码就是一堆“垃圾”,他们不想搞了就随便扔给我们?凭什么啊?我们又不是接盘侠。 即使贵司运气,在系统交接过程没有出现问题,那交接后也不好说。...被交接系统在交接后往往陷入消极维护状态,这时候前台业务接入会比以往更加困难,这种困难使前台业务不满积累到一定程度之后,会再次催生前台部门重新造一套新自己,而部分或全部放弃原来。...纵使其成功原因强大、便捷是重要原因。 这会导致什么问题呢?没有人愿意接手中项目,项目变成烫手山芋。大佬无法在项目上获得红利,小弟们没法在项目上获得利益。...结语 经常有小伙伴说,国内某公司非常,大家都在学。嗯,我倒是想问问了,如果真的做,某公司旗下金融公司和电商公司还会需要两套完全一样基础架构,和好几朵云?

    1.4K22

    AI 下个“万亿美元机会”在哪里

    更大格局,是用一个更庞大体系,把无数“杀手级应用”纳入自己下游,以技术推动产业和世界变革,在时代齿轮扭矩采掘一个数十年难得机会—— 一个用 AI 操作系统改变世界机会。...1、人机交互每变革一次, 就诞生一个万亿美元规模机会 在过去一年间,与诸多 AI 业内精英交流过程AI 科技评论总能听到一个声音: 人机交互,才是让一家超级科技公司诞生“金钥匙”。...,云计算应运而生,人类也不再满足同时与一机器“对话”,而是要按需与多台机器形成“集群”协作,把人机交互又推上了一个等级; 而到了今天,AI 大模型出现,再次给人机交互带来了新机会——以编程为例,程序员不必再从语言学起...抓住了这个机会,苹果做出了第一个人电脑,后又在移动互联网时代引领风潮;微软做出了第一个可视化操作系统,又利用办公软件奠定了今天办公流;而在云业务加持下,亚马逊在二级市场20年来狂涨近300倍,从一家电商平台起家...这条路,如同《论语》“譬如北辰,居其所,而众星共之。”用更好生态,将产业链路每一环都围绕在 AI 操作系统身旁,进而创造一个以 AI 为轴更广阔生态系统。

    10810

    AI搜索查询结果都来自哪里

    当我们使用AI搜索平台查找信息时,你是否曾好奇过,那些精准搜索结果究竟是从哪里?是不是觉得AI就像个无所不知智者,总能给出你想要答案?...大型公共网络平台大型公共网络平台,作为我们日常生活不可或缺信息获取与交流渠道,正日益成为AI搜索平台内容生态重要组成部分。...AI搜索平台,如同智能信息猎人,定期穿梭于这些信息海洋,利用先进爬虫技术和复杂算法逻辑,精准而高效地抓取最新、有价值内容。...在数字化时代,新闻网站、广播电台、电视等传统媒体平台纷纷转型,与AI搜索平台紧密合作,共同构建了一个即时、全面、智能信息网络。...AI搜索平台通过实时抓取这些新闻网站内容,确保用户能够第一时间获取到最新资讯,不错过任何重要事件发展动态。广播电台和电视,则以其独特音频和视频内容,为AI搜索平台增添了更为丰富信息维度。

    10810

    数据建设(一):数据出现背景

    ​ 一、数据建设中出现问题 在企业数据建设过程,都离不开大数据平台建设,大数据平台建设涉及数据采集、数据存储、数据仓库构建、数据处理分析、数据挖掘机数据可视化等等一系列流程。...数据取数效率低下 在数据建设过程中有一些指标可能在构建数据应用体系下没有及时统计在数据集市,就造成了运营、数据分析这些非技术人员需要给技术人员提临时性数据分析需求,这个过程来来回回沟通加上调试...二、为什么要构建数据 以上我们分析了数据建设中出现各种问题,那么为什么出现这些问题呢?...表数据多久之前数据可以被删除?由于对数据管理能力缺失导致一系列不可预估问题。...解决以上三个方面问题关键就是需要一套机制,通过这套机制整合企业数据,规范、快速形成数据服务能力,为企业经营决策、精细化运营提供支撑,这套机制就是数据。 三、思维导图总结 ​ ​

    1.4K51

    数据建设(一):数据出现背景

    数据出现背景一、数据建设中出现问题在企业数据建设过程,都离不开大数据平台建设,大数据平台建设涉及数据采集、数据存储、数据仓库构建、数据处理分析、数据挖掘机数据可视化等等一系列流程。...数据取数效率低下在数据建设过程中有一些指标可能在构建数据应用体系下没有及时统计在数据集市,就造成了运营、数据分析这些非技术人员需要给技术人员提临时性数据分析需求,这个过程来来回回沟通加上调试,...二、为什么要构建数据以上我们分析了数据建设中出现各种问题,那么为什么出现这些问题呢?...表数据多久之前数据可以被删除?由于对数据管理能力缺失导致一系列不可预估问题。...解决以上三个方面问题关键就是需要一套机制,通过这套机制整合企业数据,规范、快速形成数据服务能力,为企业经营决策、精细化运营提供支撑,这套机制就是数据。三、思维导图总结图片

    1.6K93
    领券