新闻中心 
-
01-22Nixtla关键特性：时间序列数据特征工程的应用指南Nixtla是一款强大的Python库，为时间序列数据的特征工程提供了一系列工具和实用程序。它可以帮助数据科学家和机器学习从业者构建更准确和有效的时间序列模型。...
-
01-13数据存储的未来在人工智能时代的演进2024年有望成为技术和数据格局发生深刻变革的一年。随着生成式人工智能的普及，数据存储解决方案将成为核心，推动人工智能应用的成功并彻底改变数据中心基础设施。此外...
-
01-10AI加速度激增，取得长足进展｜AI赛进冲刺随着人工智能等应用需求不断增长，推广先进存储技术势在必行人工智能的发展日新月异，其中的算力和算法也在快速迭代。相比之下，数据的进展相对缓慢，出现了短板效应。特别...
-
12-01探索MongoDB的横向扩展：构建高效的大规模数据存储解决方案MongoDB是一个非常适合构建大规模数据存储解决方案的NoSQL数据库。它通过横向扩展的方式来应对不断增长的数据量和负载需求。下面将详细介绍MongoDB的横...
-
12-01构建实时推荐系统：利用MongoDB和机器学习算法实时推荐系统是当今互联网应用中十分重要的一部分，能够根据用户的兴趣和行为，实时地提供个性化的推荐内容。下面将介绍如何利用MongoDB作为数据存储和管理的基础，...
-
10-27微软AR/VR专利分享为用户提供个性化体验，基于显著性的数字环境适应方法基于显著性的数字环境适应方法（映维网Nweon2023年10月27日）在XR数字环境中为用户创建个性化体验十分困难。另外，基于与另一个数字环境相关的内容调整数字...
