首頁
新增資料與公告
最新消息 :
索馬利亞的乾旱影響和解決方案建議
在非洲商業邊緣爭奪空間-本土企業與中資企業之間日益激烈的競爭
1
面對人工智慧的風險
(2021
/
09
/11新增
)
2
McKinsey教給我的五個教訓，讓你成為更好的數據科學家
(2021
/
11
/15新增
)
3
什麼是數據分析的統計建模？
(2021
/
11
/15新增
)
4
為什麼要學習統計學？
(2021
/
11
/15新增
)
5
數據分析六大技術
(2021
/
11
/15新增
)
6
一個非常簡單的定量數據分析指南
(2021
/
11
/18新增
)
7
大數據和統計- 統計學家的觀點
(2021
/
11
/18新增
)
8
數據科學 - 統計的影響
(2021
/
11
/18新增
)
9
讓數據為您服務的四種方法
(2021
/
11
/18新增
)
10
對AI局限性的了解開始深入
(2021
/
11
/18新增
)
11
對於AI來說，要獲得數據比您想像的要難
(2021
/
11
/25新增
)
12
我們不僅僅是種植者；我們是科學家
(2021
/
11
/25新增
)
13
我們可以讓您的數據為您服務
(2021
/
11
/25新增
)
14
現在是開始在溫室中使用人工智慧的時候
(2021
/
11
/25新增
)
15
通過馴服數據野獸來加速AI的影響
(2021
/
11
/25新增
)
16
數據收集與知識服務
(2021
/
11
/25新增
)
17
IEEE的人工智慧
(2021
/
12
/27新增
)
18
人工智慧產品化—嵌入你的模型
(2022
/
01
/03新增
)
19
在大數據世界中採用智慧數據思維方式
(2022
/
01
/03新增
)
20
數位技術、大數據和農業創新
(2022
/
01
/03新增
)
21
醫療技術行業如何從數位醫療中獲取價值
(2022
/
01
/03新增
)
22
AI可以改變溫室產業的5個理由
(2022
/
04
/19新增
)
23
企業大數據終極指南
(2022
/
04
/19新增
)
24
數據分析如何改變農業
(2022
/
04
/19新增
)
25
為什麼軟體和電機工程師可以從應用統計學受益
(2022
/
04
/19新增
)
26
生物界的機械式式模型與機器學習
(2022
/
04
/19新增
)
27
機械式模型與統計模型
(2022
/
04
/19新增
)
28
對AI局限性的了解開始深入
(2022
/
04
/26新增
)
29
對於AI來說，要獲得數據比您想像的要難
(2022
/
04
/26新增
)
30
企業發現AI難以採用 並非每家公司都是互聯網巨頭
(2022
/
04
/26新增
)
31
醫學人工智慧的潛力和陷阱
(2022
/
04
/26新增
)
32
訓練機器的成本正成為一個問題
(2022
/
04
/26新增
)
33
無人駕駛汽車展出現當今AI的極限
(2022
/
04
/26新增
)
34
人類將增加AI的局限性
(2022
/
04
/26新增
)
35
不要相信關於製造業人工智慧的神話
(2022
/
04
/26新增
)
36
醫療技術中數位營銷的興起
(2022
/
04
/26新增
)
37
數字不應該說謊- 常見數據視覺化錯誤概述
(2022
/
05
/03新增
)
38
法國的農業與數位技術
(2022
/
08
/23新增
)
39
農場研究實用指南
(2022
/
08
/23新增
)
40
數據清理終極指南
(2022
/
08
/23新增
)
41
精準農業 一種更小的大數據方法
(2022
/
08
/23新增
)
42
為什麼與要如何清理農藝數據
(2022
/
08
/23新增
)
43
農業數位化-農業4.0系統文獻評論
(2022
/
12
/02新增
)
44
農業和營養物大數據
(2022
/
12
/02新增
)
45
MICA 項目中將數據和資訊轉化為知識
(2022
/
12
/02新增
)
46
操作統計的八大技巧
(2022
/
12
/02新增
)
47
誤導性統計示例 -在數字時代發現濫用統計和數據的可能
(2022
/
12
/02新增
)
48
誤導性圖表和統計數據
(2022
/
12
/02新增
)
49
機器學習中要避免的三個陷阱
(2022
/
12
/02新增
)
