面向数据湖的数据准备.pdf

  1. 1、本文档共26页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

基于数据湖的数据准备

演讲人:柴成亮

DTC2024年数据技术嘉年华(公开)PPT

单位:北京理工大学

目录

CONTENTS▶背景、研究意义与挑战

任务感知的相关数据发现

DTC2024年数据技术嘉年华(公开)PPT

人机协作的数据准备策略

数据高效的模型效率优化

背景介绍:数据湖(DataLake)

●基本概念:数据湖是一种在存储系统中以自然格式存储数据的方法,对企

业中的所有原始数据进行统一存储,用于报告、可视化、数据科学和机器

学习等各种任务。

数据仓库数据湖

DTC2024年数据技术嘉年华(公开)PPT

数据格式专有格式开放格式

结构化、半结构

数据类型主要是结构化数据

化和非结构化

DataPrep.数据质量高质量低质量

性能高低

扩展性高扩展性高扩展性低成本

场景支持BI/SQLDI/SQL/DS/ML

背景介绍:数据准备(DataPreparation)

●数据准备:多源异质数据的发现、融合、清洗与标注,以便进行精准的

数据分析

Forbes:Datascientistsspendaround

80%oftheirtimeonpreparingand

managingdataforanalysis.

DTC2024年数据技术嘉年华(公开)PPT

“为了进行数据分析,数据科学家通常“推动大数据采集、清洗、存储…等技

要花费80%的精力来准备数据”术创新,培育数据采集、标注、存储…

等全生命周期产业体系”

MichaelStonebraker:Data

scientistsspendmorethan90%time

ondatadiscovery,datacleaningand

integrationbeforeanalysis.

“数据科学家通常在数据发现、清洗与“促进社会事业数据融合和资源整合,

融合上花费超

文档评论(0)

优选文档 + 关注
实名认证
内容提供者

专注于发布优质文档,喜欢的可以关注一下哦~

1亿VIP精品文档

相关文档