至顶网软件频道消息: 2017 年 6 月 1 日,西雅图,Tableau Software宣布正式发布 Tableau 10.3。此次发布的最新版本引入了自动表格和联接建议等功能,能够通过机器学习算法,简化分析搜索正确数据的过程,并帮助公司及机构以前所未有的速度获得数据驱动型的洞察。该版本还包含数据驱动型通知,让用户可以对关键指标进行主动监控。10.3 版本可连接六种新数据源,实现迅速的分析,并能够从 PDF 文档中提取数据。此外,Tableau Online 客户还可以试用正在进行测试的 Tableau Bridge,从云端直接连接存储在本地的数据。
Tableau 首席产品官 Francois Ajenstat 说:“公司及机构有大量可用数据,他们希望用这些数据做更多事情。我们的客户寻求的不仅仅是简单的分析,他们想要通过简单高效的方法释放数据的潜能。借助智能建议功能,客户能够以前所未有的速度获得正确数据,无需花时间寻找正确的表格和联接。而借助数据驱动型通知等功能,他们可以主动监控关键指标,进而即时敏捷地采取行动。”
借助数据驱动型通知,把握瞬息万变的业务
Tableau 10.3 让每个人都可以更加轻松地掌握最重要的指标。借助新推出的数据驱动型通知功能,客户可以在数据超过预先设定的临界值时即时收到通知,确保他们不会错过组织内的任何重要变化。客户只需指向自己想要关注的数据,就可以迅速设置通知。
Oldcastle Architectural 商业智能和分析经理 Paul Lisborg 表示:“新的数据驱动型通知将改变我们公司的游戏规则,用户将可以通过新的方法,借助自动发送的通知了解客户订单中、销售额里及生产数据中的异常值。这将帮助我们对潜在问题作出快速反应,更加有效地管理自己的业务。”
借助基于机器学习的智能表格和联接建议充分利用自己的数据
Tableau 10.3 通过智能表格和联接建议让人们能够更轻松地为自己的分析找到正确数据。Tableau Server 利用机器学习算法分析聚合数据源的使用情况,为用户推荐组织及机构中热门的表格和相关联接。借助这些推荐建议,客户可以快速找到与自己的分析相关的数据库表,并使用联接建议来扩充自己的数据,从而节省时间。现在,客户可以轻松对组织中专家及其他用户的见解进行自动应用,提高数据模型的整体质量。
连接到更多的数据,无论是在云端还是在 PDF 中
Tableau 10.3 让团队可以轻松访问数据,无论数据位于何处。现在,客户可以在无需编程的情况下,使用 66 种连接器连接超过 75 种的数据源。其中包括新增的 PDF 连接器,它让用户可以通过一键式操作,将PDF 表直接导入 Tableau 中。Adobe 估计全球范围内有多达 2.5 万亿个 PDF 文件,新增的PDF连接器无异于开启了一片新的数据天地,帮助人们进行充分分析。
此外,Tableau 现在还新增了流行数据源的连接器,例如 Amazon Athena、ServiceNow、MongoDB、Dropbox 和 Microsoft OneDrive。这些新数据连接器让 Tableau 本已十分丰富的内置数据连接器得到进一步扩充。
适用于云的混合数据
借助新推出的 Tableau Bridge,Tableau Online 客户现在可以在云端直接利用存储在本地的数据。所有 Tableau Online 客户都可以试用这一功能,它可以实现与本地数据的安全实时连接。也就是说,从 Tableau Online 执行实时查询时,用户无需再移动数据。许多组织同时有存储在本地和云端的数据,TableauBridge 让这些客户可以轻松建立与所有数据的实时连接,无论它们位于何处。我们将帮助组织及机构在现有本地数据库投资的基础上实现云分析。
好文章,需要你的鼓励
三星与AI搜索引擎Perplexity合作,将其应用引入智能电视。2025年三星电视用户可立即使用,2024和2023年款设备将通过系统更新获得支持。用户可通过打字或语音提问,Perplexity还为用户提供12个月免费Pro订阅。尽管面临版权争议,这一合作仍引发关注。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
苹果M5 MacBook Pro评测显示这是一次相对较小的升级。最大变化是M5芯片,CPU性能比M4提升约9%,多核性能比M4 MacBook Air快19%,GPU性能提升37%。功耗可能有所增加但电池续航保持24小时。评测者认为该产品不适合M4用户升级,但对使用older型号用户仍是强有力选择。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。