初赛倒计时十天!数创金融杯最后机会!

数创金融杯-DC-数据集 2020数创金融杯比赛--DC平台 train_data.csv testA_data.csv train_fea.csv testA_fea.csv 立即下载

厦门国际银行“数创金融杯”建模大赛初赛阶段报名阶段12月10日0点就将截止!

富有挑战性的赛题和丰厚奖励让整个比赛的热度持续上升,31万现金奖励等你来战!

关于“数创金融杯”

厦门国际银行联合厦门大学数据挖掘研究中心,为搭建一个行业交流平台,与社会各界精英共同探索机器学习和人工智能等热门技术问题,携手DataCastle数据城堡共同举办“2020第二届厦门国际银行“数创金融杯”建模大赛“。本届大赛以“金融+科技”为理念,着力于金融营销中的真实场景,总奖金达31万元。

本次竞赛提供实际业务场景中的客户行为和资产信息为建模对象,一方面希望能借此展现各参赛选手的数据挖掘实战能力,另一方面需要选手在复赛中结合建模的结果提出相应的营销解决方案,充分体现数据分析的价值。

* 上述各类奖项的奖金为税前奖金,个人所得税或其他形式税收将由获奖者承担,由大赛承办方代缴。

赛事正酣,期待你的加入!

本次大赛分为线上初赛复赛,以及决赛答辩三个阶段,初赛报名阶段直到12月10日0点为止,所有有志金融数据挖掘的数据极客,都可以参与进来!

目前初赛报名阶段已经进入倒计时,感兴趣的同学抓紧机会!

参赛方式

  • 报名形式:每支参赛队伍至少一人,最多三人,可任意组队。参赛者的年龄不限,以个人或单位的身份参赛均可。
  • 报名方式:前往DataCastle竞赛平台搜索“厦门国际银行”
  • 链接:https://www.dcjingsai.com/v2/cmptDetail.html?id=439

扫描下方二维码亦可报名参赛。

若有任何疑问,可扫描二维码加入QQ群,及时了解大赛的一切动态。

手持式激光测距仪全套方案 激光测距全套方案,包括原理图、源代码、PCB、BOM、光学部分资料,结构、特殊元件数据手册及供应商联系方式,提供调试技术文档。全套方案已成功打板验证,实现0.05~50m测量范围,精度在+/—1.5mm,激光波长635~650nm,功率《1mW。方案预留了TTL串口、RS485接口,可通过串口助手看到测量数据,可自行DIY或者商业开发。无论是电路小白,还是技术大拿,都能通过方案资料成功做出一套激光测距仪。 阅读详情

相关推荐

CXL3.0 CDAT(Coherent Device Attributes Table)

在说明CDAT之前,先讲一下CXL中的DOE类型:CXL协议里定义了两种DOE的类型,一种是Compliance就是合规性测试的内容,还有一种就是CDAT(一致性属性表)Memory_Info_Valid是CXL设备的内存配置完成标志,位于DVSEC(Designated Vendor-Specific Extended Capability)的CXL Range X Size Low寄存器中(X为1或2)。

Summer的博客 1435

2020厦门国际银行数创金融杯建模大赛(一)----赛题说明&数据重塑&Baseline

比赛介绍 比赛连接 https://js.dclab.run/v2/cmptDetail.html?id=439 任务 随着科技发展,银行陆续打造了线上线下、丰富多样的客户触点,来满足客户日常业务办理、渠道交易等客户需求。面对着大量的客户,银行需要更全面、准确地洞察客户需求。在实际业务开展过程中,需要发掘客户流失情况,对客户的资金变动情况预判;提前/及时针对客户进行营销,减少银行资金流失。本次竞赛提供实际业务场景中的客户行为和资产信息为建模对象,一方面希望能借此展现各参赛选手的数据挖掘实战能力,另一方面需要

weixin_43130164的博客 2598

从Gotham到Foundry:拆解Palantir三大产品线,看它如何用‘本体’统一企业数据与AI

本文深入解析Palantir的三大产品线Gotham、Foundry和Apollo,揭示其如何通过独特的'本体'架构实现企业数据与AI的无缝融合。从国防情报到商业决策,Palantir的产品架构展现了强大的数据整合与AI赋能能力,为企业构建数字孪生提供革命性解决方案。

weixin_30823001的博客 321

python时间处理(三)pandas.to_datetime

前两篇内容讲了两个单独的python库函数,今天带大家认识一个常用的工具,pandas.to_datetime(),它是pandas库的一个方法,pandas库想必大家非常熟悉了,这里不再多说。这个方法的实用性在于,当需要批量处理时间数据时,无疑是最好用的。 首先看一下它的主要几个参数,官方文档在本文最后给出 pandas.to_datetime(arg,errors ='raise',ut...

DataCastle 6万+

电赛经验分享——赛前准备

⏩ 大家好哇!我是小光,想要成为系统架构师的嵌入式爱好者。⏩在之前的电赛中取得了省一的成绩,本文对电赛比赛前需要准备什么做一个经验分享。加入小光嵌入式交流群(qq群号:737327353)免费获取博主所有资料哦!

qq_52608074的博客 7779

大模型训练(1):流水线并行

Gpipe的方法是,在训练时计算和运用的是micro-batch里的均值和方差,但同时持续追踪全部mini-batch的移动平均和方差,以便在测试阶段进行使用。流水线并行的核心思想是:在模型并行的基础上,进一步引入数据并行的办法,即把原先的数据再划分成若干个更小的batch,分批送入GPU进行训练,算一部分就让下一个GPU动起来。从实验结果可知,在关掉NVlinks的情况下,Gpipe一样也能实现随着GPU数量的增加,训练速度也增加的效果。前文说过,随着模型的增加,每块GPU中存储的中间结果也会越大。

呆呆象呆呆的博客 1970

数据分析的一般流程和方法

淘宝卖家数据显示:胸最大的是新疆妹子,国内内衣消费最多的SIZE是B;其中75B销量最好,占比41.45%,其次是A,占比 25.26%;各种颜色中,黑色最为畅销,因为百搭。…………这些早已应用在内衣生产、备货、销售等关键环节。网易云音乐数据显示:90后用户占比高达59%,其次是80后(12%);除了流行歌曲,用户最喜欢的风格竟是电音,其中又以广东用户对电音最为热爱;最青睐民谣的省份是:甘肃&陕西,

DataCastle 5万+

VFH避障/局部路径规划算法

VFH避障/局部路径规划算法 本文章是我看《The Vector Field Histogram-Fast Obstacle Avoidance for Mobile Robots》论文时候的笔记,感兴趣的欢迎去看原论文。 VFH中有一些概念是从其他算法中借鉴过来的,并且VFH算法本身就是对VFF(Virtural Force Field)的一种改进,其中有很多的相似之处。所以按照原论文的思路,先介绍由CMU提出的Certainty Grid算法中的一些概念,再介绍一下势场法中的一些概念,接着介绍一下VFF

qq_41845878的博客 8117

机器学习:训练集与测试集的划分

机器学习中有一个问题是不可避免的,那就是划分测试集和训练集。为什么要这么做呢,当然是提高模型的泛化能力,防止出现过拟合,并且可以寻找最优调节参数。训练集用于训练模型,测试集则是对训练好的模型进行评估的数据集。通常来说,训练集和测试集是不会有交集的,常用的数据集划分方法有以下两种: 留出法 k折交叉验证法 留出法 直接将原数据集划分为两个互斥的数据集,即训练集与测试集。sklearn直接...

DataCastle 1万+

硬件级Dalvik字节码粒度无痕HOOK及VMP取址码定位分析

2.通过硬件读写断点的输出信息 可知pc寄存器就是art解释器的取码地址 直接硬件执行断点在这个pc 即可直接trace所有的smali执行流 通杀所有机型系统。本文即将探讨的是 如何在硬件级别实现dalvik bytecode粒度的无痕拦截技术 并实现鼠标点击一键hook 指哪儿打哪儿 感受 button power 的强大魅力!4.由于硬件断点是同步的 断下后可随时硬件dump下这一瞬间的app内存映像 写入unicorn的内存模拟执行。解释器在解释执行前必会读取内存中的bytecode。

2503_90751789的博客 1085

Zephyr RTOS线程间通讯实战:消息队列与信号量的5个经典应用场景

本文深入探讨了Zephyr RTOS中线程间通讯的核心机制,通过消息队列与信号量的组合,详细解析了传感器数据处理流水线、命令分发系统、日志记录、资源池管理以及周期性任务协同调度等5个经典应用场景。这些实战模式为构建高效、稳定且可维护的嵌入式多线程系统提供了清晰的设计蓝图和代码范例。

tomato的博客 94

如何快速成为数据分析师

高效的学习路径是什么?就是数据分析的这个流程。按这样的顺序循序渐进,你会知道每个部分需要完成的目标是什么,需要学习哪些知识点,哪些知识是暂时不必要的。然后每学习一个部分,你就能够有一些实际的成果输出,有正向的反馈和成就感,你才会愿意花更多的时间投入进去。以解决问题为目标,效率自然不会低。

DataCastle 1万+

微信小程序 - {errCode: 10008, errno: 1500104, errMsg: “writeBLECharacteristicValue:fail write characteris

微信小程序errCode: 10008, errno: 1500104, errMsg: "writeBLECharacteristicValue:fail write characteristics error. 10008, errMsg=The value's length is invalid.",uni-app微信小程序报错,uniApp小程序调用蓝牙api报错,向低功耗蓝牙设备的某个特征写入数据时错误,UniApp微信小程序蓝牙API调用报错10008解决方案,蓝牙设备进行通信时,向设备写入数据

🏆 前端领域优质创作者 4431

pyecharts常见柱状图、圆饼图、散点图

今天带大家认识一下pyecharts中常用的三种视图的画法。更多的是认识一下基本的配置项,避免走太多的坑。当然都是些常用的配置项,如果有奇怪的需求,大家自行查找。。 当然前提是必须先安装了pyecharts库  -_ -... 引用数据 本次作图的数据来自dataset中的“tips”数据集,引用的方法很多种,大家可自行参考。 import seaborn as sns import ...

DataCastle 1万+

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

Numpy的排序功能

今天介绍的是numpy中排序的一些函数,如下所示: numpy.sort(ndarray.sort与之类似) numpy.sort_complex numpy.argsort numpy.lexsort numpy.searchsorted numpy.sort() 看一下官方文档给出的参数: np.sort(a, axis=-1, kind='quicksort', ord...

DataCastle 1万+

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

零基础如何利用业余的时间学习数据分析

很多人推荐的各种经典书籍、网站教程,都很好,能够为初学者减少很多资源筛选的时间。但对于很多浮躁的小白来说,无疑是目标缺失的,每一部分学完能做什么,如何应用,是一个很大的问题。这样的学习,很容易未入门就放弃,所以并不建议从啃一本书开始。 我们就从数据分析技术和数据分析思维的养成,来谈谈如何在业余时间高效学习数据分析。主要是给更多的人一条相对平滑的、简单的学习路径,让学习的过程变成实践的过程,每

DataCastle 8360

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

离散型特征的处理方法

机器学习中,常常在数据集中会遇到一些离散特征,对于这些离散特征相比连续特征要用不同的处理方法,常见的方法有LabelEncoder与OneHotEncoder。 LabelEncoder LabelEncoder用来对离散型分类型特征值进行编码,可以对本文编码,也可以对数字编码。sklearn中也提供给相应的工具包以便使用: sklearn.preprocessing.LabelEncod...

DataCastle 7498

搞定数据清洗,你只需要这几招

搞定数据清洗,你只需要这几招 在收集数据或者中,我们获取到的数据是这样的: 亦或是这样的: 还可能是这样的:   这个时候我们需要进行的步骤就是数据清洗,数据清洗的对象主要是:缺失值、异常值、重复值和噪音处理。   缺失值 缺失值是指粗糙数据中由于缺少信息而造成的数据的聚类、分组、删失或截断。它指的是现有数据集中某个或某些属性的值是不完全的。 缺失值可以用以下方式来进...

DataCastle 7262

书单 | 做数据分析不得不看的书有哪些?

推荐的书不多,但保证每一本都值得看,更重要的是,给你一条合理的学习路径,并配合一些另外的学习资源,你能对核心的知识、实践的技巧有更好的理解。

DataCastle 6984

分类结果的评估方法

模型评估可以用在模型类型、调节参数及特征组合中。通过模型评估来估计训练得到的模型对于非样本数据的泛化能力,并且还需要恰当的模型评估度量手段来衡量模型的性能表现。 通常在回归问题可以采用平均绝对误差(Mean Absolute Error)、均方误差(Mean Squared Error)、均方根误差(Root Mean Squared Error),而分类问题则采用分类准确率和混淆矩阵的方法,也...

DataCastle 6674

如何用通俗易懂地解释什么是数据挖掘

通常我们把信息转化为价值,要经历信息、数据、知识、价值四个层面,数据挖掘就是中间的重要环节,是从数据中发现知识的过程。

DataCastle 6385

虚拟人出新晋卷王,无薪工作70天却没人认出来

2022年了,你确定你的同事是人类吗? 最近打工人又开始卷了,不过这次卷的不是人类,卷的是“虚拟打工人”。 前两天万科集团总部公布了年度优秀新人奖,获奖的是下面这位。 ▲万科集团年度优秀新人奖“崔筱盼” 这张照片有啥问题吗?照片是没啥问题的,不过引起热议的是万科集团董事会主席郁亮发的一则朋友圈。 ▲万科集团董事会主席郁亮朋友圈 这位职场女性居然是一个虚拟人!!! 现在的虚拟人用肉眼越来越难分辨了,老DC最开始是真没看出来。有万科的员工都不知道给他们发邮件的这位同事不是真人…… 不..

DataCastle 4673

“协同创新,强省惠民” | 山东大赛主赛场初赛评审即将开始

为加快推动公共数据资源开发利用,充分释放公共资源的经济价值和社会价值,集聚数据应用相关企业、团队、爱好者,打造一批具有创新性的数据产品、数据服务,促进发挥数据“优政、惠民、兴业”作用,山东省大数据局主办的“山东省第三届数据应用创新创业大赛”主赛场初赛将于1月21日正式结束,初赛评审将于近期开始。 山东省第三届数据应用创新创业大赛主赛场自去年11月2日启动以来,陆续上线12道赛题,覆盖工业交通、数字社会、智慧健康、视频识别等领域,旨在通过本次比赛促进公共服务数据要素开放流通,创新公共数据要素流通方式,探

DataCastle 4670

数据标准化的方法

机器学习中,最重要的就是数据预处理了。而当不同特征之间的值差距较大,分布很离散,那么可能就需要统一这些数据的量纲,以便后期的处理。所以,今天带来的是一些数据标准化处理的方法。 主要的标准化方法先列出如下: StandardScaler MinMaxScaler MaxAbsScaler RobustScaler Normalizer StandardScaler sklearn.p...

DataCastle 4009

Flink 学习日志 03:自定义一个SourceFunction,完成对Redis中数据的读取

本文介绍了在Flink中自定义SourceFunction读取Redis数据的完整流程:通过Jedis客户端连接WSL2中的Redis服务,编写RedisSource实现循环读取所有Key-value并逐条输出,结合Thread.sleep()实现每秒一条的流式效果。关键步骤包括环境准备、添加Jedis依赖、配置IDEA运行时加载provided依赖,并注意生产环境中应避免使用阻塞的keys *,改用scan命令。最终实现动态读取、实时打印,验证了Flink与Redis的数据集成能力。

木木的学习笔记 419

Day3 - Flink 窗口与时间语义:从滚动窗口到迟到数据处理

水位线是一个特殊的时间戳,代表"小于这个时间戳的数据都已经到齐了比如水位线推进到 10:00:05,就告诉 Flink:10:00:05 之前的数据应该都到了,如果还有晚于这个时间到达但时间戳小于 10:00:05 的数据,就是"迟到数据"。窗口大小固定,窗口之间不重叠,数据只属于一个窗口。时间线: 0 10 20 30 40 50 60窗口1: [--------)窗口2: [--------)窗口3: [--------)窗口4: [--------)

YEEMOLY的博客 247
上一篇: 数创金融杯初赛过半,31万大奖赛事邀你来战!
下一篇: 既能赢取奖金还能锁定广联达校招Offer?那就来报名“AECORE杯”数字孪生应用大赛!
DataCastle
博客等级 码龄10年 870粉丝 202原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值