精华内容
下载资源
问答
  • 大数据术语英文翻译及详解

    万次阅读 2019-02-24 22:04:20
    英文:big data,mega data 大数据,或称巨量资料,指的是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。 二、大数据的4V: Volume(大量)、Velocity...

    版权声明:本文为博主原创文章,未经博主允许不得转载 https://blog.csdn.net/tomy2426214836/article/details/87908644

    在这里插入图片描述
    一、大数据

    英文:big data,mega data

    大数据,或称巨量资料,指的是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

    二、大数据的4V:

    Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)

    三、当前用于分析大数据的工具主要有开源与商用两个生态圈

    开源大数据生态圈:

    1、Hadoop HDFS、HadoopMapReduce, HBase、Hive 渐次诞生,早期Hadoop生态圈逐步形成。

    2、. Hypertable是另类。它存在于Hadoop生态圈之外,但也曾经有一些用户。

    3、NoSQL,membase、MongoDb

    商用大数据生态圈:

    1、一体机数据库/数据仓库:IBM PureData(Netezza), OracleExadata, SAP Hana等等。

    2、数据仓库:TeradataAsterData, EMC GreenPlum, HPVertica 等等。

    3、数据集市:QlikView、 Tableau 、 以及国内的Yonghong Data Mart 。

    四、Hadoop

    Hadoop是一个由Apache基金会所开发的分布式系统基础架构。

    用户可以在不了解分布式底层细节的情况下,开发分布式程序。充分利用集群的威力进行高速运算和存储。

    Hadoop实现了一个分布式文件系统(Hadoop Distributed File System),简称HDFS。HDFS有高容错性的特点,并且设计用来部署在低廉的(low-cost)硬件上;而且它提供高吞吐量(high throughput)来访问应用程序的数据,适合那些有着超大数据集(large data set)的应用程序。HDFS放宽了(relax)POSIX的要求,可以以流的形式访问(streaming access)文件系统中的数据。

    Hadoop的框架最核心的设计就是:HDFS和MapReduce。HDFS为海量的数据提供了存储,则MapReduce为海量的数据提供了计算。

    五、MapReduce

    MapReduce是一种编程模型,用于大规模数据集(大于1TB)的并行运算。概念”Map(映射)”和”Reduce(归约)”,和它们的主要思想,都是从函数式编程语言里借来的,还有从矢量编程语言里借来的特性。它极大地方便了编程人员在不会分布式并行编程的情况下,将自己的程序运行在分布式系统上。 当前的软件实现是指定一个Map(映射)函数,用来把一组键值对映射成一组新的键值对,指定并发的Reduce(归约)函数,用来保证所有映射的键值对中的每一个共享相同的键组。

    六、云计算

    云计算(cloud computing)是基于互联网的相关服务的增加、使用和交付模式,通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网,后来也用来表示互联网和底层基础设施的抽象。因此,云计算甚至可以让你体验每秒10万亿次的运算能力,拥有这么强大的计算能力可以模拟核爆炸、预测气候变化和市场发展趋势。用户通过电脑、笔记本、手机等方式接入数据中心,按自己的需求进行运算。

    七、云计算相关

    分布式计算(Distributed Computing)

    并行计算(Parallel Computing)

    效用计算(Utility Computing)

    网络存储(Network Storage Technologies)

    虚拟化(Virtualization)

    负载均衡(Load Balance)

    热备份冗余(High Available)

    八、数据仓库

    数据仓库,英文名称为Data Warehouse,可简写为DW或DWH。数据仓库是为企业所有级别的决策制定过程提供支持的所有类型数据的战略集合。它是单个数据存储,出于分析性报告和决策支持的目的而创建。 为企业提供需要业务智能来指导业务流程改进和监视时间、成本、质量和控制。

    九:非关系型数据库

    NoSQL,泛指非关系型的数据库。随着互联网web2.0网站的兴起,传统的关系数据库在应付web2.0网站,特别是超大规模和高并发的SNS类型的web2.0纯动态网站已经显得力不从心,暴露了很多难以克服的问题,而非关系型的数据库则由于其本身的特点得到了非常迅速的发展。NoSQL数据库的产生就是为了解决大规模数据集合多重数据种类带来的挑战,尤其是大数据应用难题。

    十:结构化数据

    结构化数据(即行数据,存储在数据库里,可以用二维表结构来逻辑表达实现的数据)而言,不方便用数据库二维逻辑表来表现的数据即称为非结构化数据,包括所有格式的办公文档、文本、图片、标准通用标记语言下的子集XML、HTML、各类报表、图像和音频/视频信息等等。

    十一:结构化分析方法

    结构化分析方法(Structured Method,结构化方法)是强调开发方法的结构合理性以及所开发软件的结构合理性的软件开发方法。结构是指系统内各个组成要素之间的相互联系、相互作用的框架。结构化开发方法提出了一组提高软件结构合理性的准则,如分解与抽象、模块独立性、信息隐蔽等。针对软件生存周期各个不同的阶段,它有结构化分析(SA)和结构化程序设计(SP)等方法。

    十二、半结构化数据

    和普通纯文本相比,半结构化数据具有一定的结构性,但和具有严格理论模型的关系数据库的数据相比。OEM(Object exchange Model)是一种典型的半结构化数据模型。

    半结构化数据(semi-structured data)

    在做一个信息系统设计时肯定会涉及到数据的存储,一般我们都会将系统信息保存在某个指定的关系数据库中。我们会将数据按业务分类,并设计相应的表,然后将对应的信息保存到相应的表中。比如我们做一个业务系统,要保存员工基本信息:工号、姓名、性别、出生日期等等;我们就会建立一个对应的staff表。

    但不是系统中所有信息都可以这样简单的用一个表中的字段就能对应的。

    十三:非结构化数据

    非结构化数据库是指其字段长度可变,并且每个字段的记录又可以由可重复或不可重复的子字段构成的数据库,用它不仅可以处理结构化数据(如数字、符号等信息)而且更适合处理非结构化数据(全文文本、图象、声音、影视、超媒体等信息)。

    十四:数据库(Database)

    数据库是按照数据结构来组织、存储和管理数据的仓库,它产生于距今六十多年前,随着信息技术和市场的发展,特别是二十世纪九十年代以后,数据管理不再仅仅是存储和管理数据,而转变成用户所需要的各种数据管理的方式。数据库有很多种类型,从最简单的存储有各种数据的表格到能够进行海量数据存储的大型数据库系统都在各个方面得到了广泛的应用。

    十五:数据分析

    英文名:Data Analysis

    数据分析是指用适当的统计分析方法对收集来的大量数据进行分析,提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中,数据分析可帮助人们作出判断,以便采取适当行动。

    Excel作为常用的分析工具,可以实现基本的分析工作,在商业智能领域Cognos、Style Intelligence、Microstrategy、Brio、BO和Oracle以及国内产品如Yonghong Z-Suite BI套件等。

    十六:数据挖掘

    数据挖掘(英语:Data mining),又译为资料探勘、数据采矿。它是数据库知识发现(英语:Knowledge-Discovery in Databases,简称:KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关,并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。

    十七:数据清洗

    数据清洗从名字上也看的出就是把“脏”的“洗掉”,指发现并纠正数据文件中可识别的错误的最后一道程序,包括检查数据一致性,处理无效值和缺失值等。因为数据仓库中的数据是面向某一主题的数据的集合,这些数据从多个业务系统中抽取而来而且包含历史数据,这样就避免不了有的数据是错误数据、有的数据相互之间有冲突,这些错误的或有冲突的数据显然是我们不想要的,称为“脏数据”。我们要按照一定的规则把“脏数据”“洗掉”,这就是数据清洗。而数据清洗的任务是过滤那些不符合要求的数据,将过滤的结果交给业务主管部门,确认是否过滤掉还是由业务单位修正之后再进行抽取。不符合要求的数据主要是有不完整的数据、错误的数据、重复的数据三大类。数据清洗是与问卷审核不同,录入后的数据清理一般是由计算机而不是人工完成。

    十八:可视化

    可视化(Visualization)是利用计算机图形学和图像处理技术,将数据转换成图形或图像在屏幕上显示出来,并进行交互处理的理论、方法和技术。它涉及到计算机图形学、图像处理、计算机视觉、计算机辅助设计等多个领域,成为研究数据表示、数据处理、决策分析等一系列问题的综合技术。目前正在飞速发展的虚拟现实技术也是以图形图像的可视化技术为依托的。

    十九:数据可视化

    英文名:Data visualization

    数据可视化技术的基本思想是将数据库中每一个数据项作为单个图元元素表示,大量的数据集构成数据图像,同时将数据的各个属性值以多维数据的形式表示,可以从不同的维度观察数据,从而对数据进行更深入的观察和分析。

    数据可视化主要旨在借助于图形化手段,清晰有效地传达与沟通信息。但是,这并不就意味着,数据可视化就一定因为要实现其功能用途而令人感到枯燥乏味,或者是为了看上去绚丽多彩而显得极端复杂。为了有效地传达思想概念,美学形式与功能需要齐头并进,通过直观地传达关键的方面与特征,从而实现对于相当稀疏而又复杂的数据集的深入洞察。然而,设计人员往往并不能很好地把握设计与功能之间的平衡,从而创造出华而不实的数据可视化形式,无法达到其主要目的,也就是传达与沟通信息。

    二十:算法

    算法(Algorithm)是指解题方案的准确而完整的描述,是一系列解决问题的清晰指令,算法代表着用系统的方法描述解决问题的策略机制。也就是说,能够对一定规范的输入,在有限时间内获得所要求的输出。如果一个算法有缺陷,或不适合于某个问题,执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。

    二十一:机器学习

    机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。

    它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。

    二十二:人工智能

    人工智能(Artificial Intelligence) ,英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。

    二十三:深度学习

    英文名:Deep Learning

    深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。

    深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法,为解决深层结构相关的优化难题带来希望,随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法,它利用空间相对关系减少参数数目以提高训练性能。

    深度学习是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像,声音和文本。

    二十四:神经网络

    人工神经网络(Artificial Neural Networks,简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connection Model),它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。

    二十五:SaaS

    SaaS是Software-as-a-Service(软件即服务)的简称,随着互联网技术的发展和应用软件的成熟, 在21世纪开始兴起的一种完全创新的软件应用模式。它与“on-demand software”(按需软件),the application service provider(ASP,应用服务提供商),hosted software(托管软件)所具有相似的含义。它是一种通过Internet提供软件的模式,厂商将应用软件统一部署在自己的服务器上,客户可以根据自己实际需求,通过互联网向厂商定购所需的应用软件服务,按定购的服务多少和时间长短向厂商支付费用,并通过互联网获得厂商提供的服务。

    二十六:Paas

    PaaS是Platform-as-a-Service的缩写,意思是平台即服务。 把服务器平台作为一种服务提供的商业模式。通过网络进行程序提供的服务称之为SaaS(Software as a Service),而云计算时代相应的服务器平台或者开发环境作为服务进行提供就成为了PaaS(Platform as a Service)。

    所谓PaaS实际上是指将软件研发的平台(计世资讯定义为业务基础平台)作为一种服务,以SaaS的模式提交给用户。因此,PaaS也是SaaS模式的一种应用。但是,PaaS的出现可以加快SaaS的发展,尤其是加快SaaS应用的开发速度。在2007年国内外SaaS厂商先后推出自己的PAAS平台。

    二十七:IaaS

    IaaS(Infrastructure as a Service),即基础设施即服务。

    消费者通过Internet 可以从完善的计算机基础设施获得服务。这类服务称为基础设施即服务。基于 Internet 的服务(如存储和数据库)是 IaaS的一部分。Internet上其他类型的服务包括平台即服务(Platform as a Service,PaaS)和软件即服务(Software as a Service,SaaS)。PaaS提供了用户可以访问的完整或部分的应用程序开发,SaaS则提供了完整的可直接使用的应用程序,比如通过 Internet管理企业资源。

    二十八:DaaS

    (DaaS),数据即服务。

    DaaS是SaaS的孪生兄弟 ,作为“as a service”家族成员之一,它将数据作为一种商品提供给任何有需求的组织或个人 。SOA(service oriented architecture,面向服务的体系架构)是一种业务驱动的、粗粒度、松耦合的服务架构,支持对业务进行整合,使其成为一种相互联系、可重用的业务任务或服务,是实现DaaS最有效的方法。基于SOA的DaaS体系架构如图1所示。基础异构数据资源经过数据整合后生成符合公共语言模式的视图,最后利用Web service技术将视图封装成具有公共接口的服务供用户调用,从而实现数据资源的按需获取。

    二十九:HaaS

    以提供的Hadoop作为一种服务(HAAS)

    HaaS(Hardware-as-a-service)的意思是硬件即服务。HaaS概念的出现源于云计算,现在被称作基础架构即服务(IaaS)或基础架构云,使用IaaS,各企业可通过Web将更多的基础架构容量作为服务提供。“通过Web”分配更多的存储或处理容量当然要比供应商在基础环境中引入和安装新硬件要快得多。HaaS还具有另外一层含义是针对嵌入式设备而言的,目的在于建立通过互联网(Web)进行嵌入式设备统一管理服务的模式。在这种情况下,HaaS类似于SaaS,对于嵌入式设备使用者来说,无需对所需嵌入式设备进行一次性购买,仅需按照设备使用量或其它标准支付设备的服务费及维护费即可。

    三十:数据聚类

    数据聚类 (英语 : Cluster analysis) 是对于静态数据分析的一门技术,在许多领域受到广泛应用,包括机器学习,数据挖掘,模式识别,图像分析以及生物信息。聚类是把相似的对象通过静态分类的方法分成不同的组别或者更多的子集(subset),这样让在同一个子集中的成员对象都有相似的一些属性,常见的包括在坐标系中更加短的空间距离等。
    红包+折扣,阿里云上云大礼包!
    https://promotion.aliyun.com/ntms/yunparter/invite.html?userCode=5wzgtzow
    【全民云计算】 云主机低至4折
    https://promotion.aliyun.com/ntms/act/qwbk.html?userCode=5wzgtzow
    【阿里云新用户】 云通信专享8折
    https://www.aliyun.com/acts/alicomcloud/new-discount?userCode=5wzgtzow
    【商标注册服务】 低至680
    https://tm.aliyun.com/?userCode=5wzgtzow

    展开全文
  • Python3调用百度翻译API进行英文翻译

    千次阅读 2019-05-23 23:17:10
    API(Application Programming Interface,应用程序编程接口)是一些预先定义的函数,目的是提供应用程序开发人员基于某软件或硬件得以访问一组例程的能力,而又无需访问源码,或理解内部工作 机制的细节。...

    一.API的概念

          API(Application Programming Interface,应用程序编程接口)是一些预先定义的函数,目的是提供应用程序与开发人员基于某软件或硬件得以访问一组例程的能力,而又无需访问源码,或理解内部工作   机制的细节。

    二.百度翻译开放平台

        由API的概念可以知道,很多大型的平台都提供API接口。这里使用的是百度翻译的API接口。下面提供百度翻译开放平台的

    网址:http://api.fanyi.baidu.com/api/trans/product/index。进入平台后,点击【立即使用】,申请ID和SECRECT KEY,申请到了就可以通过ID和密钥调用API接口实现相应功能了。

    下图是我的开发者信息里面的ID和密钥。

    在开发平台上有【文件支持】栏,通过该栏目,可以找到各种API接口的技术文档,可以根据技术文档的要求设置,设置接入方式。

    三.程序编写

    1.地址设置

    首先设置url地址,和申请到的ID和密钥。

    # set baidu develop parameter
    apiurl = 'http://api.fanyi.baidu.com/api/trans/vip/translate'
    appid = '你的ID'
    secretKey = '你的密钥'

    因为翻译代码要频繁调用,这里单独列为一个函数:

    # 翻译内容 源语言 翻译后的语言
    def translateBaidu(content, fromLang='en', toLang='zh'):
        salt = str(random.randint(32768, 65536))
        sign = appid + content + salt + secretKey  #appid+q+salt+密钥 的MD5值
        sign = hashlib.md5(sign.encode("utf-8")).hexdigest() #对sign做md5,得到32位小写的sign
    
        try:
            #根据技术手册中的接入方式进行设定
            paramas = {
                'appid': appid,
                'q': content,
                'from': fromLang,
                'to': toLang,
                'salt': salt,
                'sign': sign
            }
            response = requests.get(apiurl, paramas)
            jsonResponse = response.json()  # 获得返回的结果,结果为json格式
            dst = str(jsonResponse["trans_result"][0]["dst"])  # 取得翻译后的文本结果
            return dst
        except Exception as e:
            print(e)
    

    这里使用的源文件是英文语句存在【name.xlsx】文件中,翻译后的文档也会存入到【name1.xlsx】中。其中,【openpyxl】模块包是功能强大的excel处理包,这里用该模块对文件进行处理。

    def excelTrans(
            srcFilename=r'F:\日常··练习\api\Python3 调用百度翻译Excel文件\source.xlsx',
            desFilename=r'F:\日常··练习\api\Python3 调用百度翻译Excel文件\result.xlsx',
            srcSheet='Sheet1',    
            numColumn = 2,
            srcRowBegin=1,
            srcRowEnd=44,
            desColumn=1,
            desSheet='result2'):
        wb = openpyxl.load_workbook(srcFilename)
        ws = wb[srcSheet]
        wb2 = Workbook()
        #ws2 = wb2.create_sheet(title=desSheet)    
        #ws2 = wb2.create_sheet(title=desSheet,index = 1)
        for j in range(numColumn ):        
            ws2 = wb2.create_sheet(title=desSheet,index = j)        
            for i in range(srcRowBegin, srcRowEnd, 1):
                result = ws.cell(row=i, column=j+1).value
                if not (result is None):
                    ws2.cell(row=i-srcRowBegin+1, column=desColumn).value = translateBaidu(result)
                    print(11, result)
            wb2.save(desFilename)

    该函数实现了将目标excel中的英文句子翻译为中文,并按列分别存储在不同sheet中:

    使用的包和完整代码如下

    #!/usr/bin/env python
    # -*- coding: utf-8 -*-
    
    import hashlib
    import random
    import openpyxl
    from openpyxl import Workbook
    import requests
    
    # set baidu develop parameter
    apiurl = 'http://api.fanyi.baidu.com/api/trans/vip/translate'
    appid = '你的ID'
    secretKey = '你的密钥'
    
    # 翻译内容 源语言 翻译后的语言
    def translateBaidu(content, fromLang='en', toLang='zh'):
        salt = str(random.randint(32768, 65536))
        sign = appid + content + salt + secretKey
        sign = hashlib.md5(sign.encode("utf-8")).hexdigest()
        try:
            paramas = {
                'appid': appid,
                'q': content,
                'from': fromLang,
                'to': toLang,
                'salt': salt,
                'sign': sign
            }
            response = requests.get(apiurl, paramas)
            jsonResponse = response.json()  # 获得返回的结果,结果为json格式
            dst = str(jsonResponse["trans_result"][0]["dst"])  # 取得翻译后的文本结果
            return dst
        except Exception as e:
            print(e)
    def excelTrans(
            srcFilename=r'F:\日常··练习\api\Python3 调用百度翻译Excel文件\source.xlsx',
            desFilename=r'F:\日常··练习\api\Python3 调用百度翻译Excel文件\result.xlsx',
            srcSheet='Sheet1',        
            num = 2,
            #srcColumn=2,
            srcRowBegin=1,
            srcRowEnd=44,
            desColumn=1,
            desSheet='result2'):
        wb = openpyxl.load_workbook(srcFilename)
        ws = wb[srcSheet]
        wb2 = Workbook()
        #ws2 = wb2.create_sheet(title=desSheet)    
        #ws2 = wb2.create_sheet(title=desSheet,index = 1)
        for j in range(num):        
            ws2 = wb2.create_sheet(title=desSheet,index = j)        
            for i in range(srcRowBegin, srcRowEnd, 1):
                result = ws.cell(row=i, column=j+1).value
                if not (result is None):
                    ws2.cell(row=i-srcRowBegin+1, column=desColumn).value = translateBaidu(result)
                    print(11, result)
            wb2.save(desFilename)
    if __name__ == '__main__':
        print('translate begin...')
        excelTrans()
        print('ending...')
    
    

     

    展开全文
  • 手机常用术语英文翻译

    千次阅读 2010-09-02 19:03:00
    Unexpected data value 非期望的数据 Password registeration failed 口令登记失败 Checking negative password 否定口令检查 Temporary failure 暂时的失败 Number of password attempts violating 口令尝试次数...

    Message 信息
    Camera 相机
    Camera 照相机
    PhoneBook 通讯录
    Call log 通话记录
    Organiser 管理器
    Settings 设置
    Media 影音天地
    Browser 浏览器
    STK STK
    Ring 铃声
    Applications 应用软件
    Profiles 情景模式
    Video camera 摄像机
    Radio 调频收音机
    Storage medium 存储位置
    USB disk Udisk
    TF TF
    Phonebook 电话本
    Media 影音天地
    Option 收音机下的选项
    Minimize 最小化
    Save 保存
    Channel 频道
    Open speaker 打开扬声器
    Auto save 自动保存
    Set channel 设定频道
    Key lock succeeded 键盘锁定成功
    Key unlock succeeded 键盘解锁成功
    Key locked 键盘已被锁
    Press * 请按*键
    TAIJI_R1.0.2002.TJ2.BL0004.BUILD0011.29 具体的版本信息
    Version Number 版本号
    No service 无网络服务
    SOS only 紧急呼叫
    Full service 完整服务
    Dial up 拨号
    TF fails TF出错
    Exit 退出
    Menu 功能表
    Answer 应答
    Shuttle 切换
    Select 选择
    OK 选择
    Return 返回
    Reject 拒绝
    Detail 详情
    Cancel 取消
    Choice 选择
    Save 保存
    Modify 修改
    Preview 预览
    Option 选项
    Delete 删除
    Continue 继续
    Quit 放弃
    Equal 等于
    Return 回退
    Replace 替换
    Search 搜索
    Unlock 开锁
    Calling 呼叫中
    Disconnected 呼叫中断
    Last call 最后一通呼叫
    Emergency 紧急
    Call only 呼叫
    Enable 启动
    Disable 禁止
    Name 姓名
    Number 号码
    Save failed 保存失败
    Save Succeeded 保存成功
    Power Off 关机
    Startup 开机
    Ringing
    Charging 充电
    Phone charging is completed 电量已满
    Start up? 是否开机
    Waiting 请稍候
    Searching Network 网络搜索
    Network searching… 正在搜索网络
    Please charge battery  电池电量低
    No SIM 未插入SIM卡
    SIM rejected SIM卡被拒
    SIM registration failed SIM卡注册失败
    SOS only 仅限紧急呼叫
    Enter PIN(4-8) 输入PIN(4-8)
    Enter new PIN(4-8) 输入新PIN(4-8)
    Confirm new PIN (4-8) 确认新PIN(4-8)
    Enter PUK(4-8) 输入PUK(4-8)
    PUK error PUK错误
    PIN error PIN错误
    PIN blocked PIN被锁
    Length error 长度错误
    PIN conflict PIN码不一致
    PUK blocked PUK被锁
    Enter PIN2(4-8) 输入PIN2(4-8)
    Enter new PIN2(4-8) 输入新PIN2(4-8)
    Enter new PIN2 (4-8) again 确认新PIN2(4-8)
    Enter PUK2(4-8) 输入PUK2(4-8)
    PUK2 error PUK2错误
    PIN2 error PIN2错误
    PIN2 blocked PIN2被锁
    PIN2 conflict PIN2码不一致
    PUK2 blocked PUK2被锁
    Input error 输入错误
    Test card 测试卡
    China Unicom 中国联通
    CMCC 中国移动
    Far EasTone 1 远传电信
    Fas EasTone 2 远传电信
    TUNTEX 东荣电信
    TW LDTA DCS 中华电信
    KG-Online 和信电讯
    Chunghwa 中华电信
    Mobitai GSM 东信电讯
    TWN GSM 1800 台湾大哥大
    TransAsia 泛亚电信
    TW LDGSM TW LDGSM
    SmarTone SmarTone
    MAC CTMGSM MAC CTMGSM
    HK Telecom 香港电讯
    ORANGE ORANGE
    HK SMC 数码通
    NEW WORLD 新世纪传动网
    PEOPLES 万众电讯
    SUNDAY SUNDAY
    PACIFIC LINK PACIFIC LINK
    HK P PLUS HK P PLUS
    PLMN list does not exist 网络列表不存在
    Network selecting 网络选择
    Network list 网络列表
    Supplementary service 补充服务
    Call forward 呼叫转接
    Call waiting 呼叫等待
    Call barred 呼叫禁止
    Number Identification 号码识别
    Call forwar unconditionally 无条件转接
    Current phone is busy 本机占线
    No network or phone is closed 无网络或关机
    No reply 无应答
    Cancel all forwarding setting 取消所有转接
    Bar all outgoing calls 禁止所有呼出
    Bar all outgoing international calls 禁止国际呼出
    Barring outgoing calls except local calls 禁止本国外呼出
    Bar all incoming calls 禁止所有呼入
    Bar incoming call when roaming 漫游时禁呼入
    Modify password 修改注册密码
    Calling line identification presentation 去话显号
    Calling line identification restriction 去话隐号
    Connected line identification presentation 来电显号
    Connected line identification restriction 来电隐号
    Input new password 新密码
    Input new password again 确认
    Succeeded 成功
    Error 失败
    Rejected 被拒绝
    Not provided 不提供
    Not registered 没有注册
    Not activated 没有启动
    Provided 提供
    Activated 启动
    Second 秒
    No reply time 无应答时间
    CLIR permanently enabled CLIR为永久启动
    CLIR default enabled CLIR缺省为启动
    CLIR default disabled CLIR缺省为禁止
    Time for No Reply is wrong 无应答时间不正确
    Number is null 电话号码不能为空
    Number of password is wrong 密码位数不正确
    Bearer service not provided 承载业务不提供
    Telecom service not provided 电信业务不提供
    Call barred 呼叫闭锁
    Illegal operation of supplementary service 非法补充业务操作
    Status error of supplementary service 补充业务错误状态
    Supplementary service unavailable 补充服务不可用
    SS Subscription violation 补充业务签约违例
    SS Incompatibility 补充业务不兼容
    Not supported 设施不支持
    Absent subscriber 缺席用户
    Short-term denial 短时间拒绝
    Long-term denial 长时间拒绝
    System failure 系统故障
    Data missing 数据丢失
    Unexpected data value 非期望的数据值
    Password registeration failed 口令登记失败
    Checking negative password 否定口令检查
    Temporary failure 暂时的失败
    Number of password attempts violating 口令尝试次数违例
    Unknown alphabet 未知字母
    USSD busy USSD忙
    Invalid number 无效数字
    Number of multiparty exceeded 多方通话者过多
    SS not activated 附加业务没有激活
    SS not registered 附加业务没有注册
    SS not provided 附加业务没有提供
    Resource unavailable 资源不可用
    Error code 错误代码
    No context 没有内容
    Unrecognized 不能识别
    Holding 正在保持
    Retrieving 正在恢复
    Shuttling 正在切换
    building multiparty calling 正在建立多方通话
    Spliting multiparty calling 正在分离多方通话
    Connecting 正在建立连接
    Releasing 正在释放
    Hold 保持中
    To Hold 保持
    Communicating 通话中
    Incoming Call 来电
    Calling 正在呼叫中
    End 通话结束
    Missed call 未接来电
    Auto Redial 自动重拨
     Redial. 正在重拨.
     Redial.. 正在重拨..
     Redial... 正在重拨...
    Unknown Number 未知号码
    Invalid Number 无效号码
    Refuse phone number 拒接号码
    Dialing Failed 拨号失败
    Establish multiparty calling first 先建多方通话
    Shuttle to calling status first 先切换到通话状态
    Operating succeeded 操作成功
    Operating failed 操作失败
    This key is not set 该按键没有设置号码
    Calling forbidden 呼叫禁止
    Record is null, please add 记录为空,请添加
    Fixed dialing number  固定拨号
    Enter PIN2: 输入PIN2:
    Verifying 验证
    FDN Enabled 固定拨号打开
    FDN Disabled 固定拨号关闭
    Saved to FDN 保存到FDN
    FDN Full FDN已满
    FDN Invalid FDN无效
    Delete from FDN 删除成功
    Delete failed 删除失败
    PIN2 blocked PIN2 已锁
    Can not verify 不能验证
    FDN Empty FDN已空
    PIN2 error PIN2错误
    MTFW 来电防火墙
    Entry space is full 设置已满
    List is Empty 列表为空
    MTFW enabled 来电防火墙已开启
    MTFW disabled 来电防火墙已关闭
    MTFW list 列表
    Speed dial 快捷拨号
    Operate 操作
    Input number 输入号码
    Setting succeeded 设置成功
    Delete 删除
    Delete succeeded 删除成功
    Key 2 not set 按键2无设置号码!
    Key 3 not set 按键3无设置号码!
    Key 4 not set 按键4无设置号码!
    Key 5 not set 按键5无设置号码!
    Key 6 not set 按键6无设置号码!
    Key 7 not set 按键7无设置号码!
    Key 8 not set 按键8无设置号码!
    Key 9 not set 按键9无设置号码!
    Blank 空
    Number is null 号码为空
    Speedkey setting 快捷键设置
    Setting succeeded 设置成功
    Delete? 是否删除
    No items 空记录
    Key 2: 按键2:
    Key 3: 按键3:
    Key 4: 按键4:
    Key 5: 按键5:
    Key 6: 按键6:
    Key 7: 按键7:
    Key 8: 按键8:
    Key 9: 按键9:
    Hold & answer 保持并应答
    Release & answer 释放并应答
    Shuttle 切换
    Release a call 释放指定电话
    Release activated call 释放激活电话
    Release a holding call 释放保留电话
    Release all calls 释放所有电话
    Build multiparty 建立多方通话
    Split multiparty 分离多方通话
    Build multiparty & answer 建立MPTY并应答
    Add 添加
    MB 宝典
    MB 信息宝典
    Play on demand 点播
    Subscribe 订阅
    Service charge 资费
    Cancel 取消订阅
    Input parameter 请输入参数
    No service 本目录暂时无服务
    Unavailable service 对应的服务不可用
    Input too long content 输入内容过长
    Message
    Write 写消息
    Send by group 按组群发
    Customized 自定义
    Enable 开启
    Disable 关闭
    Cell broadcast 广播信息
    Read 阅读
    Startup 启动广播
    Channel 信道设置
    Language 语言选择
    Enable 开启
    Disable 关闭
    Add channel 添加信道
    Channel list 信道列表
    Add succeeded 添加成功
    Add failed 添加失败
    Edit succeeded 编辑成功
    Edit failed 编辑失败
    Delete succeeded 删除成功
    Delete failed 删除失败
    Channel list option 信道列表选项
    Channel index 信道索引
    Channel name 信道名称
    Enable channel 启动信道
    Disable channel 关闭信道
    Channel switch 频道开关
    Edit channel 编辑信道
    Delete channel 删除信道
    Check channel number 显示信道号码
    Channel index empty 信道索引为空
    Channel index too big 信道索引太大
    Setting succeeded 设置成功
    Setting failed 设置失败
    Turn on succeeded 开启成功
    Turn on failed 开启失败
    Turn off succeeded 关闭成功
    Turn off failed 关闭失败
    Germen 德文
    English 英文
    Italian 意大利文
    French 法文
    Chinese 中文
    Spanish 西班牙文
    Dutch 荷兰文
    Swedish 瑞典文
    Danish 丹麦文
    Portuguese 葡萄牙文
    Channle index repeated 信道索引重复
    Cell broadcast list 广播信息列表
    New cell broadcast message 新广播信息
    No broadcast message 无广播信息
    Channel list is empty 信道列表为空
    Channel list is full 信道列表已满

    展开全文
  • 50例大数据术语英文翻译及详解

    千次阅读 2019-05-13 23:15:37
    英文:big data,mega data 大数据,或称巨量资料,指的是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。 二、大数据的4V: Volume(大量)、Velocity...

    一、大数据

    英文:big data,mega data

    大数据,或称巨量资料,指的是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

    二、大数据的4V:

    Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)

    三、当前用于分析大数据的工具主要有开源与商用两个生态圈

    开源大数据生态圈:

    1、Hadoop HDFS、HadoopMapReduce, HBase、Hive 渐次诞生,早期Hadoop生态圈逐步形成。

    2、. Hypertable是另类。它存在于Hadoop生态圈之外,但也曾经有一些用户。

    3、NoSQL,membase、MongoDb

    商用大数据生态圈:

    1、一体机数据库/数据仓库:IBM PureData(Netezza), OracleExadata, SAP Hana等等。

    2、数据仓库:TeradataAsterData, EMC GreenPlum, HPVertica 等等。

    3、数据集市:QlikView、 Tableau 、 以及国内的Yonghong Data Mart 。

    四、Hadoop

    Hadoop是一个由Apache基金会所开发的分布式系统基础架构。

    用户可以在不了解分布式底层细节的情况下,开发分布式程序。充分利用集群的威力进行高速运算和存储。

    Hadoop实现了一个分布式文件系统(Hadoop Distributed File System),简称HDFS。HDFS有高容错性的特点,并且设计用来部署在低廉的(low-cost)硬件上;而且它提供高吞吐量(high throughput)来访问应用程序的数据,适合那些有着超大数据集(large data set)的应用程序。HDFS放宽了(relax)POSIX的要求,可以以流的形式访问(streaming access)文件系统中的数据。

    Hadoop的框架最核心的设计就是:HDFS和MapReduce。HDFS为海量的数据提供了存储,则MapReduce为海量的数据提供了计算。

    五、Apache基金会

    Apache软件基金会(也就是Apache Software Foundation,简称为ASF),是专门为支持开源软件项目而办的一个非盈利性组织。在它所支持的Apache项目与子项目中,所发行的软件产品都遵循Apache许可证(Apache License)。

    六、MapReduce

    MapReduce是一种编程模型,用于大规模数据集(大于1TB)的并行运算。概念”Map(映射)”和”Reduce(归约)”,和它们的主要思想,都是从函数式编程语言里借来的,还有从矢量编程语言里借来的特性。它极大地方便了编程人员在不会分布式并行编程的情况下,将自己的程序运行在分布式系统上。 当前的软件实现是指定一个Map(映射)函数,用来把一组键值对映射成一组新的键值对,指定并发的Reduce(归约)函数,用来保证所有映射的键值对中的每一个共享相同的键组。

    七、BI

    商业智能(BI,Business Intelligence)。

    BI(Business Intelligence)即商务智能,它是一套完整的解决方案,用来将企业中现有的数据进行有效的整合,快速准确的提供报表并提出决策依据,帮助企业做出明智的业务经营决策。

    八、CRM

    CRM即客户关系管理,是指企业用CRM技术来管理与客户之间的关系。在不同场合下,CRM可能是一个管理学术语,可能是一个软件系统。通常所指的CRM,指用计算机自动化分析销售、市场营销、客户服务以及应用等流程的软件系统。它的目标是通过提高客户的价值、满意度、赢利性和忠实度来缩减销售周期和销售成本、增加收入、寻找扩展业务所需的新的市场和渠道。CRM是选择和管理有价值客户及其关系的一种商业策略,CRM要求以客户为中心的企业文化来支持有效的市场营销、销售与服务流程。

    九、云计算

    云计算(cloud computing)是基于互联网的相关服务的增加、使用和交付模式,通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网,后来也用来表示互联网和底层基础设施的抽象。因此,云计算甚至可以让你体验每秒10万亿次的运算能力,拥有这么强大的计算能力可以模拟核爆炸、预测气候变化和市场发展趋势。用户通过电脑、笔记本、手机等方式接入数据中心,按自己的需求进行运算。

    十、云计算相关

    分布式计算(Distributed Computing)

    并行计算(Parallel Computing)

    效用计算(Utility Computing)

    网络存储(Network Storage Technologies)

    虚拟化(Virtualization)

    负载均衡(Load Balance)

    热备份冗余(High Available)

    十一:数据仓库

    数据仓库,英文名称为Data Warehouse,可简写为DW或DWH。数据仓库是为企业所有级别的决策制定过程提供支持的所有类型数据的战略集合。它是单个数据存储,出于分析性报告和决策支持的目的而创建。 为企业提供需要业务智能来指导业务流程改进和监视时间、成本、质量和控制。

    十二:非关系型数据库

    NoSQL,泛指非关系型的数据库。随着互联网web2.0网站的兴起,传统的关系数据库在应付web2.0网站,特别是超大规模和高并发的SNS类型的web2.0纯动态网站已经显得力不从心,暴露了很多难以克服的问题,而非关系型的数据库则由于其本身的特点得到了非常迅速的发展。NoSQL数据库的产生就是为了解决大规模数据集合多重数据种类带来的挑战,尤其是大数据应用难题。

    十三:结构化数据

    结构化数据(即行数据,存储在数据库里,可以用二维表结构来逻辑表达实现的数据)而言,不方便用数据库二维逻辑表来表现的数据即称为非结构化数据,包括所有格式的办公文档、文本、图片、标准通用标记语言下的子集XML、HTML、各类报表、图像和音频/视频信息等等。

    十四:结构化分析方法

    结构化分析方法(Structured Method,结构化方法)是强调开发方法的结构合理性以及所开发软件的结构合理性的软件开发方法。结构是指系统内各个组成要素之间的相互联系、相互作用的框架。结构化开发方法提出了一组提高软件结构合理性的准则,如分解与抽象、模块独立性、信息隐蔽等。针对软件生存周期各个不同的阶段,它有结构化分析(SA)和结构化程序设计(SP)等方法。

    十五:半结构化数据

    和普通纯文本相比,半结构化数据具有一定的结构性,但和具有严格理论模型的关系数据库的数据相比。OEM(Object exchange Model)是一种典型的半结构化数据模型。

    半结构化数据(semi-structured data)

    在做一个信息系统设计时肯定会涉及到数据的存储,一般我们都会将系统信息保存在某个指定的关系数据库中。我们会将数据按业务分类,并设计相应的表,然后将对应的信息保存到相应的表中。比如我们做一个业务系统,要保存员工基本信息:工号、姓名、性别、出生日期等等;我们就会建立一个对应的staff表。

    但不是系统中所有信息都可以这样简单的用一个表中的字段就能对应的。

    十六:非结构化数据

    非结构化数据库是指其字段长度可变,并且每个字段的记录又可以由可重复或不可重复的子字段构成的数据库,用它不仅可以处理结构化数据(如数字、符号等信息)而且更适合处理非结构化数据(全文文本、图象、声音、影视、超媒体等信息)。

    十七:数据库(Database)

    数据库是按照数据结构来组织、存储和管理数据的仓库,它产生于距今六十多年前,随着信息技术和市场的发展,特别是二十世纪九十年代以后,数据管理不再仅仅是存储和管理数据,而转变成用户所需要的各种数据管理的方式。数据库有很多种类型,从最简单的存储有各种数据的表格到能够进行海量数据存储的大型数据库系统都在各个方面得到了广泛的应用。

    十八:数据分析

    英文名:Data Analysis

    数据分析是指用适当的统计分析方法对收集来的大量数据进行分析,提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中,数据分析可帮助人们作出判断,以便采取适当行动。

    Excel作为常用的分析工具,可以实现基本的分析工作,在商业智能领域Cognos、Style Intelligence、Microstrategy、Brio、BO和Oracle以及国内产品如Yonghong Z-Suite BI套件等。

    十九:数据挖掘

    数据挖掘(英语:Data mining),又译为资料探勘、数据采矿。它是数据库知识发现(英语:Knowledge-Discovery in Databases,简称:KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关,并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。

    二十:数据清洗

    数据清洗从名字上也看的出就是把“脏”的“洗掉”,指发现并纠正数据文件中可识别的错误的最后一道程序,包括检查数据一致性,处理无效值和缺失值等。因为数据仓库中的数据是面向某一主题的数据的集合,这些数据从多个业务系统中抽取而来而且包含历史数据,这样就避免不了有的数据是错误数据、有的数据相互之间有冲突,这些错误的或有冲突的数据显然是我们不想要的,称为“脏数据”。我们要按照一定的规则把“脏数据”“洗掉”,这就是数据清洗。而数据清洗的任务是过滤那些不符合要求的数据,将过滤的结果交给业务主管部门,确认是否过滤掉还是由业务单位修正之后再进行抽取。不符合要求的数据主要是有不完整的数据、错误的数据、重复的数据三大类。数据清洗是与问卷审核不同,录入后的数据清理一般是由计算机而不是人工完成。

    二十一:可视化

    可视化(Visualization)是利用计算机图形学和图像处理技术,将数据转换成图形或图像在屏幕上显示出来,并进行交互处理的理论、方法和技术。它涉及到计算机图形学、图像处理、计算机视觉、计算机辅助设计等多个领域,成为研究数据表示、数据处理、决策分析等一系列问题的综合技术。目前正在飞速发展的虚拟现实技术也是以图形图像的可视化技术为依托的。

    二十二:数据可视化

    英文名:Data visualization

    数据可视化技术的基本思想是将数据库中每一个数据项作为单个图元元素表示,大量的数据集构成数据图像,同时将数据的各个属性值以多维数据的形式表示,可以从不同的维度观察数据,从而对数据进行更深入的观察和分析。

    数据可视化主要旨在借助于图形化手段,清晰有效地传达与沟通信息。但是,这并不就意味着,数据可视化就一定因为要实现其功能用途而令人感到枯燥乏味,或者是为了看上去绚丽多彩而显得极端复杂。为了有效地传达思想概念,美学形式与功能需要齐头并进,通过直观地传达关键的方面与特征,从而实现对于相当稀疏而又复杂的数据集的深入洞察。然而,设计人员往往并不能很好地把握设计与功能之间的平衡,从而创造出华而不实的数据可视化形式,无法达到其主要目的,也就是传达与沟通信息。

    二十三:产品数据管理

    产品数据管理(Product Data Management)是基于分布式网络、主从结构、图形化用户接口和数据库件管理技术发展起来的一种软件框架(或数据平台),PDM对并行工程中的人员工具、设备资源、产品数据以及数据生成过程进行全面管理。

    二十四:DSP(需求方平台)

    DSP(Demand-Side Platform),就是需求方平台。这一概念起源于网络广告发达的欧美,是伴随着互联网和广告业的飞速发展新兴起的网络广告领域。它与Ad Exchange和RTB一起迅速崛起于美国,已在全球快速发展,2011年已经覆盖到了欧美、亚太以及澳洲。在世界网络展示广告领域,DSP方兴未艾。DSP传入中国,迅速成为热潮,成为推动中国网络展示广告RTB市场快速发展的动力之一。

    二十五:DMP(数据管理平台)

    DMP(Data-Management Platform)数据管理平台,是把分散的第一、第三方数据进行整合纳入统一的技术平台,并对这些数据进行标准化和细分,让用户可以把这些细分结果推向现有的互动营销环境里。

    DMP的核心元素包括:

    ·数据整合及标准化能力:采用统一化的方式,将各方数据吸纳整合。

    ·数据细分管理能力:创建出独一无二、有意义的客户细分,进行有效营销活动。

    ·功能健全的数据标签:提供数据标签灵活性,便于营销活动的使用。

    ·自助式的用户界面:基于网页web界面或其他集成方案直接获取数据工具,功能和几种形式报表和分析。

    ·相关渠道环境的连接:跟相关渠道的集成,包含网站端、展示广告、电子邮件以及搜索和视频,让营销者能找到、定位和提供细分群体相关高度的营销信息。

    二十六:CPA(广告术语)

    CPA(Cost Per Action)是一种广告计费模式,顾名思义按照行为(Action)作为指标来计费,这个行为可以是注册、咨询、放入购物车等等。广告公司和媒体公司常用CPA、CPC(Cost Per Click)、CPM(Cost Per Mille,或者Cost Per Thousand;Cost Per Impressions)一起来衡量广告价格。

    CPA(每次行动成本,Cost Per Action)计价方式是指按广告投放实际效果,即按回应的有效问卷或定单来计费,而不限广告投放量。CPA广告是网络中最常见的一种广告形式,当用户点击某个网站上的cpc广告后,这个站的站长就会获得相应的收入。

    二十七:CPT(广告术语)

    按时长计费是包时段投放广告的一种形式,广告主选择广告位和投放时间,费用与广告点击量无关。采用这种方式出售广告,网站主决定每一个广告位的价格,广告主自行选择购买时间段,目前可按周或按天购买,成交价就是网站主标定的价格。

    二十八:CTR(广告点击率)

    CTR(Click-Through-Rate)互联网广告常用的术语,指网络广告(图片广告/文字广告/关键词广告/排名广告/视频广告等)的点击到达率,即该广告的点击量(严格的来说,可以是到达目标页面的数量)除以广告的浏览量(PV- Page View)。

    CTR是衡量互联网广告效果的一项重要指标。

    二十九:算法

    算法(Algorithm)是指解题方案的准确而完整的描述,是一系列解决问题的清晰指令,算法代表着用系统的方法描述解决问题的策略机制。也就是说,能够对一定规范的输入,在有限时间内获得所要求的输出。如果一个算法有缺陷,或不适合于某个问题,执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。

    三十:机器学习

    机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。

    它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。

    三十一:人工智能

    人工智能(Artificial Intelligence) ,英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。

    三十二:深度学习

    英文名:Deep Learning

    深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。

    深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法,为解决深层结构相关的优化难题带来希望,随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法,它利用空间相对关系减少参数数目以提高训练性能。

    深度学习是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像,声音和文本。

    三十四:神经网络

    人工神经网络(Artificial Neural Networks,简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connection Model),它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。

    三十五:OpenStack

    OpenStack是一个由NASA(美国国家航空航天局)和Rackspace合作研发并发起的,以Apache许可证授权的自由软件和开放源代码项目。

    OpenStack是一个开源的云计算管理平台项目,由几个主要的组件组合起来完成具体工作。OpenStack支持几乎所有类型的云环境,项目目标是提供实施简单、可大规模扩展、丰富、标准统一的云计算管理平台。OpenStack通过各种互补的服务提供了基础设施即服务(IaaS)的解决方案,每个服务提供API以进行集成。

    三十六:SaaS

    SaaS是Software-as-a-Service(软件即服务)的简称,随着互联网技术的发展和应用软件的成熟, 在21世纪开始兴起的一种完全创新的软件应用模式。它与“on-demand software”(按需软件),the application service provider(ASP,应用服务提供商),hosted software(托管软件)所具有相似的含义。它是一种通过Internet提供软件的模式,厂商将应用软件统一部署在自己的服务器上,客户可以根据自己实际需求,通过互联网向厂商定购所需的应用软件服务,按定购的服务多少和时间长短向厂商支付费用,并通过互联网获得厂商提供的服务。

    三十七:Paas

    PaaS是Platform-as-a-Service的缩写,意思是平台即服务。 把服务器平台作为一种服务提供的商业模式。通过网络进行程序提供的服务称之为SaaS(Software as a Service),而云计算时代相应的服务器平台或者开发环境作为服务进行提供就成为了PaaS(Platform as a Service)。

    所谓PaaS实际上是指将软件研发的平台(计世资讯定义为业务基础平台)作为一种服务,以SaaS的模式提交给用户。因此,PaaS也是SaaS模式的一种应用。但是,PaaS的出现可以加快SaaS的发展,尤其是加快SaaS应用的开发速度。在2007年国内外SaaS厂商先后推出自己的PAAS平台。

    三十八:IaaS

    IaaS(Infrastructure as a Service),即基础设施即服务。

    消费者通过Internet 可以从完善的计算机基础设施获得服务。这类服务称为基础设施即服务。基于 Internet 的服务(如存储和数据库)是 IaaS的一部分。Internet上其他类型的服务包括平台即服务(Platform as a Service,PaaS)和软件即服务(Software as a Service,SaaS)。PaaS提供了用户可以访问的完整或部分的应用程序开发,SaaS则提供了完整的可直接使用的应用程序,比如通过 Internet管理企业资源。

    三十九:HaaS

    以提供的Hadoop作为一种服务(HAAS)

    HaaS(Hardware-as-a-service)的意思是硬件即服务。HaaS概念的出现源于云计算,现在被称作基础架构即服务(IaaS)或基础架构云,使用IaaS,各企业可通过Web将更多的基础架构容量作为服务提供。“通过Web”分配更多的存储或处理容量当然要比供应商在基础环境中引入和安装新硬件要快得多。HaaS还具有另外一层含义是针对嵌入式设备而言的,目的在于建立通过互联网(Web)进行嵌入式设备统一管理服务的模式。在这种情况下,HaaS类似于SaaS,对于嵌入式设备使用者来说,无需对所需嵌入式设备进行一次性购买,仅需按照设备使用量或其它标准支付设备的服务费及维护费即可。

    四十:决策树

    决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干,故称决策树。在机器学习中,决策树是一个预测模型,他代表的是对象属性与对象值之间的一种映射关系。Entropy = 系统的凌乱程度,使用算法ID3, C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念。

    四十一:EM算法

    最大期望算法(Expectation Maximization Algorithm,又译期望最大化算法),是一种迭代算法,用于含有隐变量(hidden variable)的概率参数模型的最大似然估计或极大后验概率估计。

    四十二:数据聚类

    数据聚类 (英语 : Cluster analysis) 是对于静态数据分析的一门技术,在许多领域受到广泛应用,包括机器学习,数据挖掘,模式识别,图像分析以及生物信息。聚类是把相似的对象通过静态分类的方法分成不同的组别或者更多的子集(subset),这样让在同一个子集中的成员对象都有相似的一些属性,常见的包括在坐标系中更加短的空间距离等。

    四十三:概率模型

    给定一个用户的查询串,相对于该串存在一个包含所有相关文档的集合。我们把这样的集合看作是一个理想的结果文档集,在给出理想结果集后,我们能很容易得到结果文档。这样我们可以把查询处理看作是对理想结果文档集属性的处理。问题是我们并不能确切地知道这些属性,我们所知道的是存在索引术语来表示这些属性。由于在查询期间这些属性都是不可见的,这就需要在初始阶段来估计这些属性。这种初始阶段的估计允许我们对首次检索的文档集合返回理想的结果集,并产生一个初步的概率描述。

    四十四:贝索斯定律

    英文:Bezos’ Law

    贝索斯定律是指在云的发展过程中,单位计算能力的价格大约每隔3年会降低50%。

    四十五:回归分析

    回归分析(regression analysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。运用十分广泛,回归分析按照涉及的自变量的多少,可分为一元回归分析和多元回归分析;按照自变量和因变量之间的关系类型,可分为线性回归分析和非线性回归分析。如果在回归分析中,只包括一个自变量和一个因变量,且二者的关系可用一条直线近似表示,这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量,且因变量和自变量之间是线性关系,则称为多元线性回归分析。

    四十六:推荐算法

    基于内容的信息推荐方法的理论依据主要来自于信息检索和信息过滤,所谓的基于内容的推荐方法就是根据用户过去的浏览记录来向用户推荐用户没有接触过的推荐项。主要是从两个方法来描述基于内容的推荐方法:启发式的方法和基于模型的方法。启发式的方法就是用户凭借经验来定义相关的计算公式,然后再根据公式的计算结果和实际的结果进行验证,然后再不断修改公式以达到最终目的。而对于模型的方法就是根据以往的数据作为数据集,然后根据这个数据集来学习出一个模型。

    四十七:八叉树

    英文名:Octree

    八叉树是一种用于描述三维空间的树状数据结构。八叉树的每个节点表示一个正方体的体积元素,每个节点有八个子节点,将八个子节点所表示的体积元素加在一起就等于父节点的体积。

    四十八:红黑树

    红黑树(Red Black Tree) 是一种自平衡二叉查找树,是在计算机科学中用到的一种数据结构,典型的用途是实现关联数组。

    它是在1972年由Rudolf Bayer发明的,当时被称为平衡二叉B树(symmetric binary B-trees)。后来,在1978年被 Leo J. Guibas 和 Robert Sedgewick 修改为如今的“红黑树”。

    红黑树和AVL树类似,都是在进行插入和删除操作时通过特定操作保持二叉查找树的平衡,从而获得较高的查找性能。

    它虽然是复杂的,但它的最坏情况运行时间也是非常良好的,并且在实践中是高效的: 它可以在O(log n)时间内做查找,插入和删除,这里的n 是树中元素的数目。

    四十九:哈希表

    散列表(Hash table,也叫哈希表),是根据关键码值(Key value)而直接进行访问的数据结构。也就是说,它通过把关键码值映射到表中一个位置来访问记录,以加快查找的速度。这个映射函数叫做散列函数,存放记录的数组叫做散列表。

    给定表M,存在函数f(key),对任意给定的关键字值key,代入函数后若能得到包含该关键字的记录在表中的地址,则称表M为哈希(Hash)表,函数f(key)为哈希(Hash) 函数。

    五十:随机森林

    英文名:Random forest

    在机器学习中,随机森林是一个包含多个决策树的分类器, 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。 而 “Random Forests” 是他们的商标。 这个术语是1995年由贝尔实验室的Tin Kam Ho所提出的随机决策森林(random decision forests)而来的。这个方法则是结合 Breimans 的 “Bootstrap aggregating” 想法和 Ho 的”random subspace method”” 以建造决策树的集合

    展开全文
  • 基于keras的seq2seq中英文翻译实现

    千次阅读 多人点赞 2018-07-13 09:58:30
    1. seq2seq概述 ...2. 中英文翻译实战 2.1 数据处理 2.2 encoder-decoder模型搭建 2.2.1 用于训练的模型 2.2.2 用于推理的模型 2.3 模型评价 3 致谢 本文详细代码见 ...
  • R语言错误的提示(中英文翻译

    万次阅读 2019-10-06 03:06:41
    "边缘的长度, %d不相符" msgid "no rows to aggregate" msgstr "没有可用来聚合的行" msgid "'by' must be a list" msgstr "'by'必需是串列" msgid "arguments must have same length" msgstr "参数的长度必需...
  • (1)二义性调用(ambiguous call)是一种编译时发生的错误,造成二义性调用...候选函数的名字婴孩函数调用使用的名字一致,并且在调用点候选函数的声明在作用域之内。 (3)函数匹配(function matching)编译器解
  • JAVA英文翻译表--IT术语中英对照

    千次阅读 2010-07-19 23:46:00
    2008年02月15日 星期五 15:52 JAVA英文翻译表 ● 单词「式」: constructor 建构式 declaration 宣告式 definition 定义式 destructor 解构式 expression 算式(运算式) ...
  • matlab中help所有函数功能的英文翻译

    千次阅读 2014-08-08 22:06:59
    里面有些不全的,自己用到的已添加,...想查函数名的功能,matlab中的help里全是英文,这儿都有~~~ matlab函数大全A abs 绝对值、模、字符的ASCII码值acos 反余弦acosh 反双曲余弦acot 反余切acoth 反双曲余切a
  • 上图的左边是原始图片没有做任何处理,右边是经过代码处理过翻译后的图片,(由于截图原因导致两张图大小实际有点偏差) 首先我们先讲一下这个项目的大致思路: 1.识别出图片中全部文字的坐标。 这一点我是...
  • 本篇翻译的bind()函数,我参考的国外网站...下面是翻译的正文,由于水平有限,有些翻译的不好,有些未能翻译出,恳请读者指出见谅。 NAME bind - bind a name to a socket bind一个名字到一个套接字上。 SYNOPSIS #i
  • (1)地址(address)是一个数字,根据它可以找到内存中的一个字节。...(3)算术类型(arithmetic type)布尔、字符、整数、浮点数等内置类型。 (4)数组(array)是一种数据结构,存放着一组未命名
  • 学习C++ Primer 时对一些常用术语(包括对应英文)及其简单用法的总结。
  • 说明一个类的数据成员的初始,在构造函数体执行之前首先用初始列表中的初始化数据成员。未经初始列表初始化的成员将被默认初始化。 (11)转换构造函数(converting constructor) 可以用一个实参调用的...
  • 一种条件语句,首先求switch关键字后面表达式的,如果某个case标签的值与表达式的相等,程序直接跨过之前的代码从这个case标签开始执行。当所有case标签都无法匹配时,如果有default标签,从default标签继续执行...
  • 基于attention机制的中英文机器翻译

    千次阅读 2019-02-27 16:37:51
    基于attention机制的中英文机器翻译
  • GIS英文词汇翻译

    千次阅读 2012-10-16 10:17:03
    翻译 abscissa 横坐标 absolute accuracy 绝对精度 absolute coordinates 绝对坐标 absorption 吸收 abstraction 抽取 accuracy 精度 across-track ...
  • Spring英文参考文档翻译

    千次阅读 2013-08-14 09:31:18
    Spring官方文档的翻译
  • 英文标签的精准翻译

    千次阅读 2017-10-17 19:02:35
    点击蓝字关注我们 本文主要讲解了自己在工作中,对图库里面的英文标签翻译成中文标签,所遇到的一些问题和解决方案。 问题的背景及来源 业务背景东方IC(现在是头条的子公司)是一家图片版权售卖...
  • 我们进入百度翻译,打开检查,选中network,在翻译框里面输入what,选中preview,在出现的Name里面查找,发现在v2transapi里有翻译结果出现,再过去看Headers。 发现真正的url为:...
  • CRNN论文翻译——中英文对照

    万次阅读 2017-08-29 16:14:06
    文章作者:Tyan ...声明:作者翻译论文仅为学习,如有侵权请联系作者删除博文,谢谢! 翻译论文汇总:https://github.com/SnailTyan/deep-learning-papers-translation An End-to-End Trainable Neural N...
  • Android 属性含义翻译

    千次阅读 2016-12-29 13:41:18
    同时分享给各位看英文,又爱忘记的开发者,本文主要借助google翻译,如有不对,请谅解。 介绍和属性都是我个人参照文档和平时开发经验的理解。如有不对,请提醒我修正。谢谢大家。(1)先简要翻译一下它的各个属性...
  • Batch Normalization论文翻译——中英文对照

    千次阅读 多人点赞 2017-09-28 15:59:10
    文章作者:Tyan ...声明:作者翻译论文仅为学习,如有侵权请联系作者删除博文,谢谢! 翻译论文汇总:https://github.com/SnailTyan/deep-learning-papers-translation Batch Normalization: Acceleratin...
  • 使用谷歌API将任意语言翻译英文

    千次阅读 2019-04-11 15:54:35
    网址:https://github.com/Chinese-boy/Many-Translaters/blob/master/谷歌翻译.py 运行报错 Could not find an available JavaScript runtime 则说明缺少nodejs,直接apt install nodejs就可以使用了。 参考ExecJS...
  • Faster R-CNN论文翻译——中英文对照

    万次阅读 多人点赞 2018-01-22 18:40:30
    文章作者:Tyan ...声明:作者翻译论文仅为学习,如有侵权请联系作者删除博文,谢谢! 翻译论文汇总:https://github.com/SnailTyan/deep-learning-papers-translation Faster R-CNN: Towards Real-Time ...
  • 利用python批量将excel中文翻译英文

    千次阅读 2019-01-24 16:52:14
    今天接到一个任务,需要将EXCEL文件中的中文翻译英文,由于表格内容非常大,我想着 这要是手动翻译,三天啥都不用干了,就翻译这个吧 于是有了用python批量翻译的想法 目前的思路是,将excel中每个单元的内容拿...
  • // 使用库提供的配置默认创建一个实例 // At this point the timeout config value is `0` as is the default for the library // 在超时配置为“0”时,采用库的默认值 var instance = axios.create(); // ...
  • 翻译了一天,终于把翻译任务的“Java 8所有的包介绍”翻译完了,收获也是非常大,了解了Java8中所有包的作用,对Java8有了一个整体的了解,另外也是提高了自身的阅读能力。http://code.csdn.net/translations/97 这...
  • webservice之获得中文、英文双向翻译

    千次阅读 2014-01-07 09:39:48
    webservice地址:http://www.webxml.com.cn/WebServices/TranslatorWebService.asmx?op=getEnCnTwoWayTranslator soap协议: ...所显示的占位符需替换为实际。 POST /WebServices/TranslatorWebService.

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 86,501
精华内容 34,600
关键字:

值与英文翻译