俗话说的好，逆水行舟，不进则退，在快速发展的今天，紧跟时代的步伐，抓住时代的脉搏，才能助力企业激流勇进，抢占先机。作为助力企业经营决策的大数据可视化应用，对于的企业发展起着至关重要的作用，但是如何利用大数据可视化，如何做好大数据可视化，今天小编就给大家介绍几款实用的工具，帮助大家在大数据的海洋里开发出一片宝藏。
 
　　1、ChartBlocks
 
　　如果你用够了PS、AI，ChartBlocks对你来说或许是个不错的选择，这是一个易于使用在线工具，你无须进行下载安装，同样也不需要你进行编码，通过它，你可以从电子表格，数据库中构建可视化图表。整个过程可以在图表向导的指导下完成。你的图表将在HTML5的框架下使用强大的JavaScript库D3.js创建图表。你的图表是响应式的，并且可以和任何的屏幕尺寸及设备兼容。你还可以将图表嵌入任何网页中，分享在Twitter和Facebook上。
 
　　2、D3.js
 
　　最为一个资深的前端工程师，对你来说D3.js无疑是最好的数据可视化工具库。d3厉害的地方在于它建立了一整套数据到SVG属性的计算框架，常用Datavisualization模型，大多都可以再d3.layout里面找到，。D3.js运行在JavaScript上，并使用HTML，CSS和SVG。D3.js是开源工具，使用数据驱动的方式创建漂亮的网页。D3.js可实现实时交互。这个库非常强大和前沿，所以它带有没有预置图表也不支持IE9。
 
　　3、Tableau
 
　　Tableau公司将数据运算与美观的图表完美地嫁接在一起。它的程序很容易上手，各公司可以用它将大量数据拖放到数字"画布"上，转眼间就能创建好各种图表。这一软件的理念是，界面上的数据越容易操控，公司对自己在所在业务领域里的所作所为到底是正确还是错误，就能了解得越透彻。其两种不同的变体是基于云计算的TableauOnline和TableauServer。
 
　　它们都是为与大数据有关的组织设计的。企业使用这个工具非常方便，而且提供了闪电般的速度。还有一件事对这个工具是肯定的，Tableau具有用户友好的特性，并与拖放功能兼容。
 
　　4、RssVoyage
 
　　给大家推荐一个小编个人比较喜欢的，且确实有助于形象化各地数据的网络数据的网站。如果您登录到RssVoyage,你可以导入自定义RSS供稿到您的帐户一整个数据图。在他们的网页，你可以点击"开始"与默认提供的应用程序。在这种情况下RssVoyage将拉动几个流行的博客，如纽约时报，瘾科技，卫报，等等。
 
　　如果您通过移动图形，点击一个特定的文章的观点时，他将固定在屏幕上。这包括标题，简短描述，元数据连同它的URL出版日期。如果在任何时候你想开始创建自己的RSS可视化，所有你需要做的就是创建一个帐户!
 
　　注册是完全免费的，你可以在页面的底部创建通过注册表格您的帐户。作为另一奖励功能
 
　　RssVoyage可以让你轻松设置全屏模式浏览风格的RSS源。
 
　　5、TagGalaxy
 
　　TagGalaxy是一个非常独特的可视化工具。他们的主页干净且易于理解，因为标签Flickr上有单独的一个搜索表单。此外左下角设有为新用户一些流行的建议。只需输入一个词，然后按Enter，通过Flickr的照片就可在TagGalaxy查询。
 
　　他们的渲染引擎复制我们的太阳系的中心，太阳代表主要搜索项的外观，外部行星的轨道代表类似的标签。这是我见过的最酷的可视化演示渲染和Flash之一。
 
　　注意，当您在每个星球上悬停它会为你提供一个小的预览数。这是发现在Flickr的该标签的询问的照片总数。点击太阳将打开相关照片缩略图的球体，而旋转的行星会增加他们的搜索字词的查询。当然，你可以找到更多有关照片通过点击弹出完整视图。
 
　　6、GoogleChart
 
　　GoogleCharts以HTML5和SVG为基础，充分考虑了跨浏览器的兼容性，并通过VML支持旧版本的IE浏览器。所有您将创建的图表是交互式的，有的还可缩放。GoogleCharts是非常人性化和他们的网站拥有一个非常好的，全面的模板库，你可以从中找到所需模板。
 
　　不言而喻，它绝对是企业可以使用的可视化大数据集的最简单的工具。GoogleChart中有一大堆图表库，从线图到分层结构，可以满足任何需求。如果企业想深入挖掘，甚至可以寻求某种技术上的帮助。
 
　　作为大数据可视化应用的工具，其实不光以上说的6种，还有很多很多，在这里我们不可能全部列举，但是关键是适合自己就好，所以，小伙伴，你用的是哪款软件呢?
 

1.大数据的五大核心技术，给大数据同行入门研究参考的小知识
 
http://www.duozhishidai.com/article-2242-1.html
 
2.大数据时代，主要需要什么类型的人才？
 
http://www.duozhishidai.com/article-1554-1.html
 
3.云计算、大数据和物联网三者之间，有哪些区别和联系？
 
http://www.duozhishidai.com/article-1171-1.html
 
 
 

 人工智能是科技研究中最热门的方向之一。像IBM、谷歌、微软、Facebook和亚马逊等公司都在研发上投入大量的资金、或者收购那些在机器学习、神经网络、自然语言和图像处理等领域取得了进展的初创公司。考虑到人们对此感兴趣的程度，我们将不会惊讶于斯坦福的专家在人工智能报告中得出的结论：“越来越强大的人工智能应用，可能会对我们的社会和经济产生深远的积极影响，这将出现在从现在到2030年的时间段里。”
 
 　　在最近的一篇文章中，我们概述了45个十分有趣或有前途的人工智能项目。在本文中，我们将聚焦于开源的人工智能工具，详细的了解下最著名的15个开源人工智能项目。
 
 
 
 　　以下这些开源人工智能应用都处于人工智能研究的最前沿。
 
 　　1.Caffe
 
 　　它是由贾扬清在加州大学伯克利分校的读博时创造的，Caffe是一个基于表达体系结构和可扩展代码的深度学习框架。使它声名鹊起的是它的速度，这让它受到研究人员和企业用户的欢迎。根据其网站所言，它可以在一天之内只用一个NVIDIAK40GPU处理6000万多个图像。它是由伯克利视野和学习中心（BVLC）管理的，并且由NVIDIA和亚马逊等公司资助来支持它的发展。
 
 　　2.CNTK
 
 　　它是计算网络工具包的缩写，CNTK是一个微软的开源人工智能工具。不论是在单个CPU、单个GPU、多个GPU或是拥有多个GPU的多台机器上它都有优异的表现。微软主要用它做语音识别的研究，但是它在机器翻译、图像识别、图像字幕、文本处理、语言理解和语言建模方面都有着良好的应用。
 
 　　3.Deeplearning4j
 
 　　Deeplearning4j是一个java虚拟机（JVM）的开源深度学习库。它运行在分布式环境并且集成在Hadoop和ApacheSpark中。这使它可以配置深度神经网络，并且它与Java、Scala和其他JVM语言兼容。
 
 　　这个项目是由一个叫做Skymind的商业公司管理的，它为这个项目提供支持、培训和一个企业的发行版。
 
 　　4.DMTK
 
 
 
 　　DMTK是分布式机器学习工具的缩写，和CNTK一样，是微软的开源人工智能工具。作为设计用于大数据的应用程序，它的目标是更快的训练人工智能系统。它包括三个主要组件：DMTK框架、LightLDA主题模型算法和分布式（多义）字嵌入算法。为了证明它的速度，微软声称在一个八集群的机器上，它能够“用100万个主题和1000万个单词的词汇表（总共10万亿参数）训练一个主题模型，在一个文档中收集1000亿个符号，”。这一成绩是别的工具无法比拟的。
 
 　　5.H20
 
 　　相比起科研，H2O更注重将AI服务于企业用户，因此H2O有着大量的公司客户，比如第一资本金融公司、思科、NielsenCatalina、PayPal和泛美都是它的用户。它声称任何人都可以利用机器学习和预测分析的力量来解决业务难题。它可以用于预测建模、风险和欺诈分析、保险分析、广告技术、医疗保健和客户情报。
 
 　　它有两种开源版本：标准版H2O和SparkingWater版，它被集成在ApacheSpark中。也有付费的企业用户支持。
 
 　　6.Mahout
 
 　　它是Apache基金会项目，Mahout是一个开源机器学习框架。根据它的网站所言，它有着三个主要的特性：一个构建可扩展算法的编程环境、像Spark和H2O一样的预制算法工具和一个叫Samsara的矢量数学实验环境。使用Mahout的公司有Adobe、埃森哲咨询公司、Foursquare、英特尔、领英、Twitter、雅虎和其他许多公司。其网站列了出第三方的专业支持。
 
 　　7.MLlib
 
 　　由于其速度，ApacheSpark成为一个最流行的大数据处理工具。MLlib是Spark的可扩展机器学习库。它集成了Hadoop并可以与NumPy和R进行交互操作。它包括了许多机器学习算法如分类、回归、决策树、推荐、集群、主题建模、功能转换、模型评价、ML管道架构、ML持久、生存分析、频繁项集和序列模式挖掘、分布式线性代数和统计。
 
 　　8.NuPIC
 
 　　由Numenta公司管理的NuPIC是一个基于分层暂时记忆HierarchicalTemporalMemory，HTM理论的开源人工智能项目。从本质上讲，HTM试图创建一个计算机系统来模仿人类大脑皮层。他们的目标是创造一个“在许多认知任务上接近或者超越人类认知能力”的机器。
 
 　　除了开源许可，Numenta还提供NuPic的商业许可协议，并且它还提供技术专利的许可证。
 
 　　9.OpenNN
 
 
 
 　　作为一个为开发者和科研人员设计的具有高级理解力的人工智能，OpenNN是一个实现神经网络算法的c++编程库。它的关键特性包括深度的架构和快速的性能。其网站上可以查到丰富的文档，包括一个解释了神经网络的基本知识的入门教程。OpenNN的付费支持由一家从事预测分析的西班牙公司Artelnics提供。
 
 　　10.OpenCyc
 
 　　由Cycorp公司开发的OpenCyc提供了对Cyc知识库的访问和常识推理引擎。它拥有超过239,000个条目，大约2,093,000个三元组和大约69,000owl：这是一种类似于链接到外部语义库的命名空间。它在富领域模型、语义数据集成、文本理解、特殊领域的专家系统和游戏AI中有着良好的应用。该公司还提供另外两个版本的Cyc：一个可免费的用于科研但是不开源，和一个提供给企业的但是需要付费。
 
 　　11.Oryx2
 
 　　构建在ApacheSpark和Kafka之上的Oryx2是一个专门针对大规模机器学习的应用程序开发框架。它采用一个独特的三层λ架构。开发者可以使用Orys2创建新的应用程序，另外它还拥有一些预先构建的应用程序可以用于常见的大数据任务比如协同过滤、分类、回归和聚类。大数据工具供应商Cloudera创造了最初的Oryx1项目并且一直积极参与持续发展。
 
 　　12.PredictionIO
 
 　　今年的二月，Salesforce收购了PredictionIO，接着在七月，它将该平台和商标贡献给Apache基金会，Apache基金会将其列为孵育计划。所以当Salesforce利用PredictionIO技术来提升它的机器学习能力时，成效将会同步出现在开源版本中。它可以帮助用户创建带有机器学习功能的预测引擎，这可用于部署能够实时动态查询的Web服务。
 
 　　13.SystemML
 
 　　最初由IBM开发，SystemML现在是一个Apache大数据项目。它提供了一个高度可伸缩的平台，可以实现高等数学运算，并且它的算法用R或一种类似python的语法写成。企业已经在使用它来跟踪汽车维修客户服务、规划机场交通和连接社会媒体数据与银行客户。它可以在Spark或Hadoop上运行。
 
 　　14.TensorFlow
 
 　　TensorFlow是一个谷歌的开源人工智能工具。它提供了一个使用数据流图进行数值计算的库。它可以运行在多种不同的有着单或多CPU和GPU的系统，甚至可以在移动设备上运行。它拥有深厚的灵活性、真正的可移植性、自动微分功能，并且支持Python和c++。它的网站拥有十分详细的教程列表来帮助开发者和研究人员沉浸于使用或扩展他的功能。
 
 　　15.Torch
 
 　　Torch将自己描述为：“一个优先使用GPU的拥有机器学习算法广泛支持的科学计算框架”，它的特点是灵活性和速度。此外，它可以很容易的通过软件包用于机器学习、计算机视觉、信号处理、并行处理、图像、视频、音频和网络等方面。它依赖一个叫做LuaJIT的脚本语言，而LuaJIT是基于Lua的。
 
 
 
 

 
 

 
REPORT  ZCMH2.
 
 TYPE-POOLS icon.
 TABLES sscrfields.
 DATA functxt TYPE smp_dyntxt.
 
 PARAMETERS: p_carrid TYPE s_carr_id,
             p_cityfr TYPE s_from_cit.
 SELECTION-SCREEN: FUNCTION KEY 1,
                   FUNCTION KEY 2.
 
 INITIALIZATION.
   functxt-icon_id   = ICON_CREATE.
 *  functxt-quickinfo = 'Preselected Carrier'.
 
   functxt-icon_text = '新增'.
   sscrfields-functxt_01 = functxt.
 
   functxt-icon_id   = ICON_CHANGE.
   functxt-icon_text = 

大家好！希望将自己这段时间的学习和实践经验记录在这里，同时也希望可以帮得上大家小小的忙！
 
ArcGIS里，使用工具箱的工具后，只提示运行成功，但是却没有结果文件生成，通过查阅和实践，解决办法如下：
 
将地里处理选项中的后台处理关掉即可。菜单栏——地理处理（Geoprocessing）——地理处理选项（Geoprocessing  Options）——关掉后台处理（Background Processing下的Enable前的钩号去掉）。