大数据入门（一）—— 数据仓库（数仓）基本概念
前言：
最近做需求的时候，涉及到了数仓相关的知识。
简单介绍下数仓的一些基本概念。
以及，了解下大数据开发的一些基本流程。
一、什么是数仓？
数据仓库 ，由数据仓库之父比尔·恩门（Bill Inmon）于1990年提出的。
1991年，他写了一本书，叫《Building the Data Warehouse》（建立数据仓库），书中提出的：数据仓库（Data Warehouse）是一个面向主题的
人工智能
细胞类型重复性验证----MetaNeighbor（2）
继续上面MetaNeighbor 1的学习，我们做第二个测试数据，第二组场景的测试。
========测试数据2============
第二个数据集，基于已经训练好或者注释好的参考数据集，来衡量新数据集细胞类型注释的准确性。这个测试数据是采用的BICCN，一个小鼠初级运动皮层的细胞。可以去作者的paper链接中下载。
library(MetaNeighbor)
library(SingleCel
大数据：HDFS知识体系（知其然，知其所以然）
前言
HDFS是Hadoop体系的基础，不知道各位怎么对待HDFS。反正我更多的关注一些应用层的东西，对于HDFS多有忽视。
但是每次面试的时候都要重新去背面经，我觉得这样的情况不太正常，因此耗时两天半整理了HDFS的知识体系，力求知其然也要知其所以然。
文章中有不少个人思考，希望能让各位更好的理解HDFS.
一、HDFS特性
高容错性：HDFS认为硬件总是不可靠的。
高吞吐量：HDFS为大量
从人类到 AI：意群阅读的奥秘与英语学习的高效技巧
一、人类的英语阅读理解：意群如何加速大脑处理？
1.1 什么是意群（Chunking）：自然语义单元意群，顾名思义，就是将语言中具有内在联系的部分组合在一起，形成一个相对独立且完整的语义单元。举个简单的例子，在句子“I love reading books in the
三角形的内角和是180度吗？
大家好，我是小涂涂，我今天要讲的是三角形的内角和是180度吗？因为好多人一看见类似求出三角形的内角和是多少度的这种题，他们一般都会算出来是180度，180度也不是错的。 我们现在是可以肯定一点，就是任意一个三角形，就比如说，锐角三角形，直角三角形，钝角三角形，等等等等，它
R稀疏矩阵转化稠密矩阵|使用as.matrix()报错：Cholmod error 'problem too large'
在进行一些数据分析是经常会需要将一个数据对象转化为矩阵，以及稀疏矩阵（sparse matrix）和稠密矩阵之间的互化。
问题&报错
在R环境中，用的非常普遍的函数就是as.matrix(),但是，当转化的稀疏矩阵对象非常巨大的时候，例如细胞数目非常多的单细胞数据，R就会报如下类似的错误:
Error in asMethod(object) :
Cholmod error 'probl
2. 从机器学习的基本概念开始
从我个人意愿来说呢，更想跳过这一章节。为什么呢？因为对我自己而言，再重温机器学习的基本概念，意义并不大，毕竟算法的代码实现都在玩了，基本概念也是清楚的，又不用参加考试，那么就更没有必要将概念教条式的背下来了。
不过，考虑到学习机器学习的还是存在一批“纯白”，甚至于是转行过来的，这些概念就有似乎有必要了。记得前段时间，我有个前同事，就报了一个人工智能的学习班。她的专业以及技能偏向，应属于广告营销领域
【AI 大模型】RAG 检索增强生成 ④ ( 向量相似度计算 | 余弦距离 | 欧式距离 | OpenAI 文本向量模型 | 手动实现的 余弦相似度 和 欧氏距离 函数计算 )
文章目录
一、向量相似度计算
二、余弦距离
1、余弦距离 概念
2、余弦距离 特点
3、余弦距离 适用场景
4、余弦距离 代码示例
三、欧式距离
1、欧式距离 概念
2、欧式距离 特点
3、欧式距离 适用场景
4、欧式距离 代码示例
四、OpenAI 文本向量模型
1、OpenAI 的 text-embedding-ada-002 文本向量模型
2、使用
华为数据之道｜03 差异化的企业数据分类管理框架｜②以统一语言为核心的结构化数据管理
结构化数据包括基础数据、主数据、事务数据、报告数据、观测数据、规则数据。
结构化数据的共同特点是以信息架构为基础，建立统一的数据资产目录、数据标准与模型。
基础数据用于对其他数据进行分类，在业界也称作参考数据。基础数据通常是静态的（如国家、币种），一般在业务事件发生之前就已经预先定义。它的可选值数量有限，可以用作业务或IT的开关和判断条件。当基础数据的取值发生变化的时候，通常需要对流程和IT系统
