新闻动态-北京科技股份有限公司

首页

产品服务: 智能全文检索引擎; 数据挖掘引擎; 文字识别系统; 智能文档审阅系统; 语言处理应用技术

解决方案: 按行业; 按场景

新闻动态

了解: 伙伴; 关于我们; 联系我们; 加入

输入关键词检索相关内容

新闻动态

您的当前位置：首页 • 新闻动态

南网数字涨2.76%，成交额2.84亿元，后市是否有机会？
时间：2026/07/20

7月20日，南网数字涨2.76%，成交额2.84亿元，换手率5.36%，总市值675.36亿元。异动分析虚拟电厂+电力物联网+智能电网+央企国企改革+芯片概念 1、根据公司上市保荐书，数字能源增值技术服务二期研发项目主要研发方向及内容为①虚拟电厂功能优化；②基于数据挖掘的能源管控优化；③数字能源数据展示优化；④数据处理能力智能优化。 2、2025年11月6日互动易：公司已掌握包括国

阅读更多
数据挖掘：从算法到赛场决策的底层逻辑
时间：2026/07/20

算法精度与场景适配的悖论很多人以为数据挖掘算法的精度是唯一衡量标准，其实不然。在工业级应用中，算法的场景适配性往往比理论精度更重要。以K-Means聚类为例，其时间复杂度为O(nkt)，在海量数据场景下，若直接应用于实时推荐系统，必然因计算延迟导致用户体验下降。底层逻辑是：算法选择需权衡时间复杂度、空间复杂度与业务场景的实时性要求。案例：F1赛车策略优化中的数据挖掘应用2023年新加坡大奖赛期间，

阅读更多
微专业激活就业“新动能”
时间：2026/07/20

湖南工商大学累计开设微专业课程168门微专业激活就业“新动能” 本报讯（记者阳锡叶通讯员巢进文王栩君）“微专业兼顾商业运营知识与AI场景落地方法，让我实现了技术与业务的有机融合。”湖南工商大学人工智能专业2025届毕业生石涛在大二时修读了“数智运营与企业管理”微专业，毕业后成功入职一家知名智能终端设备企业解决方案团队。近年来，湖南工商大学瞄准新兴产业迭代升级带来的人才结构变革，

阅读更多
Kimi CEO 杨植麟，竟出自唐杰门下！还是 GLM 原始论文作者之一
时间：2026/07/20

Kimi K3 发布后，外界重新审视月之暗面的技术实力。但鲜少有人注意到，Kimi 核心创始团队的起点，与清华大学教授、智谱创始人唐杰存在一段直接而深厚的联系。杨植麟、张宇韬、周昕宇在清华期间便已进入人工智能、数据挖掘和机器学习领域，后来积累了自然语言处理、知识图谱和计算机视觉等方向的研究经验。其中，杨植麟与唐杰的关系最为明确。杨植麟在个人主页中介绍，他于 2015 年获得清华大学学士学位，本科期

阅读更多
泰迪杯数据挖掘：一场技术硬核的竞技场
时间：2026/07/20

泰迪杯数据挖掘：一场技术硬核的竞技场很多人以为数据挖掘竞赛只是算法的堆砌与调参，其实不然。在泰迪杯数据挖掘的赛场上，真正决定胜负的，是对业务场景的深度理解与数据底层逻辑的精准把握。这场竞赛的底层逻辑，远非简单的模型训练所能涵盖——它更像是一场对数据科学家综合能力的极限考验。赛制逻辑：从数据到决策的闭环推导泰迪杯的赛制设计极具行业代表性。以2023年某赛题为例，题目要求参赛队伍基于某连锁零售企业的真

阅读更多
微专业激活就业“新动能”
时间：2026/07/20

本文转自：中国教育报湖南工商大学累计开设微专业课程168门微专业激活就业“新动能”记者阳锡叶通讯员巢进文王栩君本报讯（记者阳锡叶通讯员巢进文王栩君）“微专业兼顾商业运营知识与AI场景落地方法，让我实现了技术与业务的有机融合。”湖南工商大学人工智能专业2025届毕业生石涛在大二时修读了“数智运营与企业管理”微专业，毕业后成功入职一家知名智能终端设备企业解决方案团队。近年来，湖南工商大

阅读更多
数据挖掘培训：从理论到实战的底层逻辑重构
时间：2026/07/20

数据挖掘培训的认知陷阱：工具依赖症的破局之道很多人以为，数据挖掘培训的核心是掌握Python库调用或SQL优化技巧，其实不然。在职业竞技领域，真正的数据挖掘能力体现在对业务场景的解构能力——如何将模糊的业务需求转化为可量化的数据问题，再通过特征工程与模型调优实现闭环验证。这种能力无法通过工具手册复制，必须通过高强度实战场景训练形成肌肉记忆。案例：F1车队数据团队的赛前模拟训练以2023年新加坡站为

阅读更多
数据挖掘：从原始数据到战略决策的解码链
时间：2026/07/20

数据挖掘的本质：特征工程与模式识别的双重博弈很多人以为数据挖掘就是‘从数据库里找规律’，其实不然。其底层逻辑是通过对原始数据集的预处理、特征提取与模式识别，构建可解释的预测模型。这一过程涉及统计学习、信息论与计算复杂度的三重约束——特征选择不当会导致模型过拟合，而特征工程缺失则直接削弱模型的泛化能力。以KDD Cup 2018的交通流量预测赛题为例，参赛队伍需从纽约市3000+个传感器的历史数据中

阅读更多
数据挖掘分析：从赛场到商业的底层逻辑重构
时间：2026/07/19

数据挖掘分析：从赛场到商业的底层逻辑重构很多人以为数据挖掘分析只是对海量数据的清洗与建模，其实不然。在真实场景中，数据挖掘的底层逻辑是构建「特征-行为-结果」的因果链，而非简单的相关性推导。以职业体育赛事为例，某顶级足球俱乐部曾委托我们分析球员转会价值，传统模型仅依赖历史进球、助攻等显性指标，但我们的团队通过挖掘训练赛中的「非对称跑动距离」「高强度对抗下的传球成功率」等隐性特征，成功预测了3名潜力

阅读更多
数据挖掘：从混沌中提取秩序的底层逻辑
时间：2026/07/19

数据挖掘的本质：超越统计的决策引擎很多人以为数据挖掘是大数据时代的产物，其实不然。其技术原型可追溯至1960年代的关系型数据库查询优化，真正形成独立学科是在1993年KDD（知识发现）国际会议确立标准流程之后。数据挖掘的核心不是简单处理数据，而是通过算法模型在海量变量中识别出具有因果关系的特征组合——这需要同时满足统计显著性、业务可解释性、计算可行性三重约束。特征工程的黑暗艺术在机器学习领域有个公

阅读更多

上一页 5 6 7 8 9 10 11 下一页

现在注册，即可免费试用

申请试用

©2004-2024 北京科技股份有限公司网站地图网站备案号: 鲁ICP备17039968号