当前位置: 首页 > 软件库 > 大数据 > 可视化 >

OpenFEA

可视化大数据分析挖掘工具
授权协议 BSD
开发语言 Python JavaScript
所属分类 大数据、 可视化
软件类型 开源软件
地区 国产
投 递 者 平光明
操作系统 Linux
开源组织
适用人群 未知
 软件概览

一、简介

FEA是一站式大数据敏捷分析中间件,融合了内存计算、机器学习、交互分析、可视化分析等技术,涵盖数据收集、数据探索、构建模型、发布模型、可视化展示、分析门户等功能,无需复杂编程即可快速实现大数据分析及构建态势感知系统。FEA,让大数据分析变的简单。更多介绍请访问http://www.openfea.cn/

二、效果图

三、架构(全景图)

四、特性

1、分析与应用之间的中间件

有机整合了AI的交互分析、机器学习、深度学习、内存计算、流计算、图计算等功能,BI的可视化分析、可视化展现、深度交互、DASHBOARD、导航及门户等功能。

2、双向全流程大数据分析系统

囊括大数据分析的全部流程,不仅可以通过数据挖掘价值并可视化展示,而且通过即定的分析结果可以反向推导。

3、双核支持,融合Python和Spark双引擎

十亿级数据用Python引擎,百、千亿级数据用Spark引擎。

4、多源支持,大中小流数据全覆盖

支持关系型数据源、 Hadoop数据源、数据文件、第三方数据源。支持数据源与接口/格式的双向自定义机制。表示各种复杂结构或LOAD和STORE各类数据源,都轻松无忧。

5、高开放性,4UDx兼容并包

允许用户自定义数据源(UDD)、自定义函数(UDF)、自定义导航(UDN)、自定义图形(UDG),并且支持不断壮大。

6、弹性部署

在部署方式上特别灵活,支持双节点部署、集群部署、云上部署等方式。

7、敏捷分析=QUICK

力大无比但反应及处理速度却十分灵敏,像一头可以飞起来的大象。

 相关资料
  • 顺丰-大数据挖掘与分析(2021秋招) 顺丰一面: 1.深挖实习,指标体系如何建立,各项指标的权重如何确定 2.逻辑回归算法的原理 3.谈谈对ABtest的认识 4.sql排序窗口函数的区别 顺丰二面: 1.深挖实习,预测为什么选用随机森林算法,如何调参 2.论文项目,简单介绍 3.了解哪些机器学习算法 4.反问 顺丰hr面 1.实习中遇到的困难,如何解决 2.过往经历中,你认为最困难的问题,你是

  • 本文向大家介绍深入分析python数据挖掘 Json结构分析,包括了深入分析python数据挖掘 Json结构分析的使用技巧和注意事项,需要的朋友参考一下 json是一种轻量级的数据交换格式,也可以说是一种配置文件的格式 这种格式的文件是我们在数据处理经常会遇到的 python提供内置的模块json,只需要在使用前导入即可   你可以通过帮助函数查看json的帮助文档 json常用的方法有load

  • 硕士研究cv 可能和数据挖掘不是那么匹配~ 大华一面(1h): 1、增量学习的科研项目(问了具体的细节 以及为什么) 2、语义分割的发展 3、UNet中的跳跃连接的作用 4、残差网络的shortcut连接的作用,数学方面证明残差网络可以避免梯度消失,并且问了一个关于残差网络的改进问题(面试官看最新的论文看到的,我没有理解他所说的问题) 5、宫颈肿瘤分割和pcr预测的项目(细节也问的很详细) 6、预

  • 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。

  • 一面 简历面,如果过往实习项目由机器学习等,比较关心其中数据预处理和特征处理,没有问coding和模型延伸问题(八股) 二面 对于项目中涉及的某个优化算法特别感兴趣,深挖概念、流程、优点、公式等 (第一次也是目前唯一被问到这个细节,真的要对简历熟悉) 压力大的时候喜欢干什么 hr面 为什么想来深圳 深圳还投了哪些公司 十一前发意向 总体觉得顺丰的问题难度很看分配到的面试官,和身边同学交流,有的就会

  • 提问: 自我介绍 介绍一下你简历上的项目? 除了这个还做过其他的项目吗? 有没有参加过建模比赛? 对机器学习有了解吗? 总结: 面试官看起来是人事部门的,不像是技术人员,都没怎么问技术,很快就结束了。 心态上凑合,没上次那么紧张了。 老毛病又犯了呀我真的,跟对面那姐姐聊的太诚实了,机器学习那里我跟人说没怎么用过,回想起来就应该说一直有学习,也了解过,我真的悔死。虽然我也说了几种有监督和无监督的算法

  • 数据挖掘 18 大算法实现以及其他相关经典 DM 算法,BIRCH 算法本身上属于一种聚类算法,不过他克服了一些 K-Means 算法的缺点。

  • 一位挖掘专家 tom khabaza 提出了挖掘九律,挺好的东西,特别是九这个数字,深得中华文化精髓,有点独孤九剑的意思: 第一,目标律。 数据挖掘是一个业务过程,必须得有业务目标。无目的,无过程。 第二,知识律。 业务知识贯穿在挖掘这个业务过程的各环节。 第三,准备律。 数据获取、数据准备等数据处理耗时占整个挖掘过程的一半。 第四,NFL律。 NFL,没有免费的午餐。没有一个固定的算法适用所有的