DAMA数据管理知识体系指南（3）：数据治理
DAMA：国际数据管理协会，是一个全球性数据管理和业务专业志愿人士组成的非营利协会，是当前国际上在数据治理领域最权威的机构。 DMBOK2则是DAMA组织众多数据管理领域的国际级资深专家编著，深入阐述数据管理各领域的完整知识体系。它是市场上唯一综合了数据管理方方面面的一部权威性著作。 本系列文章，将针对DMBOK中的核心内容进行解读。
达摩院开源多语言大模型PolyLM, 覆盖集团核心小语种，效果超LLAMA、BLOOM
本文作者：宝嵩，鹏程，呋喃主要贡献者：鹏程，呋喃，莉莱，重笙，筱苡，星峰，红罗，祝鸿，洛新，宝嵩，轻径，黄非摘要：大型语言模型 (LLM) 展示了出色的遵从自然语言指令理解、推理和生成的能力。然而，开发LLMs主要集中在高资源语言，例如英语，从而限制了它们在其他语言中的应用和研究。因此，我们开发了PolyLM，一个在6400亿个词的数据上从头训练的多语言语言模型，包括两种模型大小(1.7B和13B
一文讲清数据清洗的十大常用方法
本文详解数据清洗十大常用方法与实战技巧，涵盖缺失值填补、重复值处理、异常值检测、数据标准化、文本清洗、数据脱敏等关键操作，助你高效提升数据质量，解决“脏乱差”问题。
如何分析及处理 Flink 反压？
反压（backpressure）是实时计算应用开发中，特别是流式计算中，十分常见的问题。反压意味着数据管道中某个节点成为瓶颈，处理速率跟不上上游发送数据的速率，而需要对上游进行限速。
