中软国际数据治理专业服务解决方案实践

机器学习端到端场景 本章节以图像分类为例，阐述机器学习端到端场景的完整开发过程，主要包括数据标注、模型训练、服务部署等过程。您可以前往AI Gallery搜索订阅预置的“图像分类-ResNet_v1_50工作流”进行体验。 准备工作 准备一个图像分类算法（或者可以直接从AI Ga

查看更多 →

GaussDB：宽松模式结果为0，严格模式报错。 MySQL：依据其对应的二进制将最高位替换成数值位计算结果，例如(-1)::uint4 = 4294967295。 其他差异： INT[(M)]精度，MySQL控制格式化输出，GaussDB仅语法支持，不支持功能。 聚集函数： variance：G

查看更多 →

GaussDB：宽松模式结果为0，严格模式报错。 MySQL：依据其对应的二进制将最高位替换成数值位计算结果，例如(-1)::uint4 = 4294967295。 其他差异： INT[(M)]精度，MySQL控制格式化输出，GaussDB仅语法支持，不支持功能。 聚集函数： variance：G

查看更多 →

数值 数值组件用于记录数字类型的数据信息，例如数量、年龄、库存、金额等。数值组件支持输入数字的最大有效长度为15位，数字较长时，系统会自动添加分隔符。如果有超过15位数字的输入要求，建议替换为文本组件。 在表单开发页面，从“数据组件”中，拖拽“数值”组件至表单设计区域，如图1。 图1

查看更多 →

数值数据类型 表1 整数类型 序号 MySQL数据库 GaussDB数据库 差异 1 BOOL 支持，存在差异 输出格式：GaussDB中SELECT TRUE/FALSE输出结果为t/f，MySQL为1/0。 MySQL：BOOL/BOOLEAN类型实际映射为TINYINT类型。

查看更多 →

--创建具有TINYINT类型数据的表。 openGauss=# CREATE TABLE int_type_t1 ( IT_COL1 TINYINT ); --向创建的表中插入数据。 openGauss=# INSERT

查看更多 →

数值类型 表1列出了ecpg提供的数值类型(numeric\decimal)数据的常用接口： 表1 数值类型常用接口 API接口 接口描述 说明 numeric* PGTYPESnumeric_new(void) 请求一个指向新分配的numeric变量的指针。 该函数在堆上创建n

查看更多 →

数值类型 表1列出了ecpg提供的数值类型(numeric\decimal)数据的常用接口： 表1 数值类型常用接口 API接口 接口描述 说明 numeric* PGTYPESnumeric_new(void) 请求一个指向新分配的numeric变量的指针。 该函数在堆上创建n

查看更多 →

数值类型 表1列出了ecpg提供的数值类型(numeric\decimal)数据的常用接口： 表1 数值类型常用接口 API接口 接口描述 说明 numeric* PGTYPESnumeric_new(void) 请求一个指向新分配的numeric变量的指针。 该函数在堆上创建n

查看更多 →

数值类型 表1列出了ecpg提供的数值类型(numeric\decimal)数据的常用接口： 表1 数值类型常用接口 API接口 接口描述 说明 numeric* PGTYPESnumeric_new(void) 请求一个指向新分配的numeric变量的指针。 该函数在堆上创建n

查看更多 →

TABLE serial_type_tab(b SERIAL); --插入数据。 openGauss=# INSERT INTO serial_type_tab VALUES(default); --再次插入数据。 openGauss=# INSERT INTO serial_type_tab

查看更多 →

TABLE serial_type_tab(b SERIAL); --插入数据。 gaussdb=# INSERT INTO serial_type_tab VALUES(default); --再次插入数据。 gaussdb=# INSERT INTO serial_type_tab

查看更多 →

TABLE serial_type_tab(b SERIAL); --插入数据。 gaussdb=# INSERT INTO serial_type_tab VALUES(default); --再次插入数据。 gaussdb=# INSERT INTO serial_type_tab

查看更多 →

TABLE serial_type_tab(b SERIAL); --插入数据。 gaussdb=# INSERT INTO serial_type_tab VALUES(default); --再次插入数据。 gaussdb=# INSERT INTO serial_type_tab

查看更多 →

TABLE serial_type_tab(b SERIAL); --插入数据。 gaussdb=# INSERT INTO serial_type_tab VALUES(default); --再次插入数据。 gaussdb=# INSERT INTO serial_type_tab

查看更多 →

TABLE smallserial_type_tab(a SMALLSERIAL); 插入数据。 1 INSERT INTO smallserial_type_tab VALUES(default); 再次插入数据。 1 INSERT INTO smallserial_type_tab

查看更多 →

TABLE smallserial_type_tab(a SMALLSERIAL); 插入数据。 1 INSERT INTO smallserial_type_tab VALUES(default); 再次插入数据。 1 INSERT INTO smallserial_type_tab

查看更多 →

使用MLS预置算链进行机器学习建模 本章节介绍如何通过一键运行预置的餐厅经营销售量预测算链，完成建模，帮助开发者快速了解MLS的建模过程。 前提条件 已经创建一个基于MLStudio的Notebook镜像，并进入MLS Editor可视化编辑界面，具体参考进入ML Studio操作界面章节。

查看更多 →

在旧版体验式开发模式下，模型训练服务支持的特征操作有重命名、归一化、数值化、标准化、特征离散化、One-hot编码、数据变换、删除列、选择特征、卡方检验、信息熵、新增特征、PCA。对应JupyterLab交互式开发模式，是界面右上角的图标中的“数据处理”菜单下面的数据处理算子。 模型包 将

查看更多 →

化云上自动化容器运行环境搭建。 边缘节点部署：基于智能边缘平台（IEF，Intelligent EdgeFabric）服务部署，IEF通过纳管您的边缘节点，提供将云上应用延伸到边缘的能力，联动边缘和云端的数据，满足客户对边缘计算资源的远程管控、数据处理、分析决策、智能化的诉求。同

查看更多 →

从0到1利用ML Studio进行机器学习建模 本章节基于餐厅销量预测场景，从零开始介绍如何制作销售销量训练及销售销量预测两个算链。 前提条件 已经创建一个基于ML Studio的Notebook镜像，并进入MLS Editor可视化编辑界面，具体参考进入ML Studio操作界面章节。

查看更多 →