介绍近年来，区块链技术成为科技行业的热门话题已经不足为奇了。区块链有可能改变我们在各行各业开展业务的方式，因为它能够提供透明度、安全性和去中心化。但区块链概念对许多人来说仍然是个谜。我们在这里通过对区块链技术的介绍来帮助您更好地理解它。什么是区块链？?区块链只是一个去中心化的数字账本，用于记录交易情况。它的名字来自于这样一个事实：每一笔交易都被记录为一个"区块"，被添加到一个区块的"链"上，产生一个不可逆的、永久的每一笔交易记录。这个记录即使不是不可能，也是非常难以篡改的，因为它存储在一个计算机网络上。透明度是关键?区块链技术最重要的好处之一是其透明度。网络中的所有参与者都能获得相同的信息，而
作者|言征审校|千山微软表示，必应已超过1亿每日活跃用户，这是新必应一个月后发布的最新进展。不难让人想起上个月纳德拉在接受国外媒体TheVerge采访时难掩的喜色：“谷歌是搜索领域的800磅重的大猩猩，”“我想让人们知道，是微软让他们起舞的。”如今看来，OpenAI的结合，的确给微软提供了一张硬刚谷歌搜索的强大底牌：一个月，日活飙升至1亿，且三分之一是新版本Bing推出的新用户。1、对话式搜索得到了验证那么，这三分之一的新用户具体表现如何呢？在没有上线新Bing之前，平均每次会话大概只有三次聊天，但自从推出新版本以来，聊天次数飙升，已经超过4500万次。此外，在所有聊天会话中，有15%的人一直
在全球能源危机的背景下，现在也许是讨论数据中心真实能源成本的好时机，为什么它们已经成为世界上发展最快的行业之一，以及如何证明它们实际上是向可再生能源过渡的主要驱动力。首先，让我们考虑一下他们的成长。根据IEA数据，2015年至2021年间，互联网用户增长了60%，互联网流量增长了440%。但是，尽管同期数据中心的工作负载增加了260%，但数据中心的全球能源消耗却相对持平，仅增长了10%。将服务需求与能源脱钩能源使用与服务需求的脱钩意义重大。这是由数据中心数字技术的快速创新所推动的，使该行业能够通过提高基础设施能源使用效率来抵消需求的巨大增长。简而言之，我们正在建设越来越多的数字化能力，对遗留基
在全球能源危机的背景下，现在也许是讨论数据中心真实能源成本的好时机，为什么它们已经成为世界上发展最快的行业之一，以及如何证明它们实际上是向可再生能源过渡的主要驱动力。首先，让我们考虑一下他们的成长。根据IEA数据，2015年至2021年间，互联网用户增长了60%，互联网流量增长了440%。但是，尽管同期数据中心的工作负载增加了260%，但数据中心的全球能源消耗却相对持平，仅增长了10%。将服务需求与能源脱钩能源使用与服务需求的脱钩意义重大。这是由数据中心数字技术的快速创新所推动的，使该行业能够通过提高基础设施能源使用效率来抵消需求的巨大增长。简而言之，我们正在建设越来越多的数字化能力，对遗留基
人工智能(AI)不再仅仅是一个被热炒的词汇，随着备受关注的ChatGPT发布以及微软宣布将向AI投资100亿美元，说明人工智能已经从“未来”走进现实生活。对于网络专业人士来说，随着人工智能的兴起，有两个因素需要考虑。首先，它的流量将如何影响网络，其次，他们如何使用它更好地管理他们的网络？你还能控制网络吗？在过去的两年中，向云的快速转移让许多企业网络团队陷入混乱。在某些情况下，随着业务核心从本地环境转移到混合云环境，团队失去了对网络的控制。网络团队面临的挑战是他们的流量仍然按照应有的方式流向数据中心。现在需要重新构想网络管理和工作流自动化。虽然人工智能无疑可以帮助监控网络，但它也给网络增加了自己
在计算机编程的大部分历史中，在创建应用的代码的程序员和创建应用的用户体验（UX）的设计师之间一直存在着鸿沟。这两个学科接受的培训大不相同，他们使用的工具也不同。程序员使用文本编辑器或集成开发环境来编写代码，而设计师则经常绘制小部件布局和潜在交互的示意图。虽然一些IDE，像 Eclipse 和 Netbeans，有界面设计组件，但它们通常专注于小部件的位置而不是小部件的设计。开源设计应用 Penpot 是一个协作式设计和原型设计平台。它有一套新的功能，使设计师和开发者可以很容易地用熟悉的工作流程协同工作。Penpot的设计界面可以让开发者在设计过程中和谐地编写代码，
很多同学抱怨：“做数据分析时没思路！”实际上，有很多原因都会导致这个结果。今天系统盘点一下。有些情况，是数据分析师自身的问题，常见的有以下三种：问题1：拿着锤子找钉数学、统计学、运筹学是有很多方法的，而看书本身能让人感到充实。于是，就有一些看书入迷的同学，开始拿着锤子找钉。比如今天看到统计学正态分布，好爽，于是看谁都像个正态。明天看到回归分析一章，看谁都想回归一下……这么干会惹麻烦的。比如就有同学算活动效益，非把活动经费和总业绩做回归，然后看着R平方值说活动没有效果。结果自然被业务喷得体无完肤。而且，这么干也没有真正读懂书，真要是读懂了，起码区分下：是抽样统计还是整体统计是预测问题还是分类问
在工作中，经常有人来问：“那谁谁，建个模型分析分析下！”而干多了就发现：不同人口中的模型根本不一样。因此今天，就从相对简单易懂的商业分析模型，开始科普。一、算法模型VS商业模型算法模型，指的是回归分析、逻辑回归、kmean聚类等算法。这些算法有数学/统计学的知识做基础，有着复杂的计算公式，这些模型大多服务于数据计算需求。但是，这些模型，并不直接指向一个商业决策。比如用回归分析，预测了下个月销量是100万台，所以呢？我要做什么决策吗？我做更多业务动作，是不是就能多卖呢？这些问题不能直观地从算法模型得到答案。因此，为了更直观地支持商业决策，人们开始设计商业分析模型。二、极简商业模型做生意要赚钱！这
很多同学都在问：”数据分析从0到1的文章看多了，咋样才能从1到10，从普通到优秀呀！”，今天一起讨论一下。“优秀”是一个形容词，只有清晰了参照物，才能知道到底什么是“普通”，什么是“优秀”。今天就从“普通”讲起，想通往“优秀”，需要迈过6个阶梯。第一阶：搞数据数据分析最怕啥？没思路？没模型？没图表？都不是！数据分析最怕：没数据！无论是做啥分析，搞数据，始终是第一位的工作。尽可能多地搞数据，是第一位要求。不然一切免谈。只不过，同数仓开发不同，数据分析关注的数据，是面向业务主题的。数据服务的产品、运营、销售、营销、售后部门，到底有什么数据，需要什么数据，是数据分析师必须梳理清楚的。具体来说，包括：
人工智能(AI)不再仅仅是一个被热炒的词汇，随着备受关注的ChatGPT发布以及微软宣布将向AI投资100亿美元，说明人工智能已经从“未来”走进现实生活。对于网络专业人士来说，随着人工智能的兴起，有两个因素需要考虑。首先，它的流量将如何影响网络，其次，他们如何使用它更好地管理他们的网络？你还能控制网络吗？在过去的两年中，向云的快速转移让许多企业网络团队陷入混乱。在某些情况下，随着业务核心从本地环境转移到混合云环境，团队失去了对网络的控制。网络团队面临的挑战是他们的流量仍然按照应有的方式流向数据中心。现在需要重新构想网络管理和工作流自动化。虽然人工智能无疑可以帮助监控网络，但它也给网络增加了自己
