首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >【腾讯云 TDSQL-C Serverless 产品体验】 使用 Python 向 TDSQL-C 添加读取数据 实现词云图

【腾讯云 TDSQL-C Serverless 产品体验】 使用 Python 向 TDSQL-C 添加读取数据 实现词云图

原创
作者头像
全栈若城
发布于 2023-11-15 02:19:57
发布于 2023-11-15 02:19:57
5000
举报
文章被收录于专栏:若城技术专栏若城技术专栏

【腾讯云 TDSQL-C Serverless 产品体验】 使用 Python 向 TDSQL-C 添加读取数据 实现词云图

前言

TDSQL-C MySQL 版(TDSQL-C for MySQL)是腾讯云自研的新一代云原生关系型数据库。融合了传统数据库云计算与新硬件技术的优势,为用户提供具备高弹性、高性能、海量存储、安全可靠的数据库服务。TDSQL-C MySQL 版100%兼容 MySQL 5.7、8.0。实现超百万级 QPS 的高吞吐,最高 PB 级智能存储,保障数据安全可靠。TDSQL-C MySQL 版采用存储和计算分离的架构,所有计算节点共享一份数据,提供秒级的配置升降级、秒级的故障恢复,单节点可支持百万级 QPS,自动维护数据和备份,最高以GB/秒的速度并行回档。TDSQL-C MySQL 版既融合了商业数据库稳定可靠、高性能、可扩展的特征,又具有开源云数据库简单开放、高效迭代的优势。TDSQL-C MySQL 版引擎完全兼容原生 MySQL,您可以在不修改应用程序任何代码和配置的情况下,将 MySQL 数据库迁移至 TDSQL-C MySQL 版引擎。

本篇文章我们将一步一步的实现 使用 Python 向 TDSQL-C 添加读取数据 实现词云图

学到什么?

  1. 如何申请TDSQL数据库:包括登录腾讯云、选购配置、购买和管理页面等相关步骤。
  2. 创建项目工程、连接TDSQL数据库、创建数据库等内容。
  3. 涉及读取词频Excel、创建表、保存数据到TDSQL、读取TDSQL数据等相关代码的讲解。
  4. python 相关的知识等

准备工作

申请TDSQL数据库

1. 点击登录腾讯云

腾讯云地址

2. 点击立即选购 ,如下图所示

3. 选购页面中的数据库配置选项如下

注意 :这里的实例形态我们选择Serverless

- 实例形态 **(Serverless)** - 数据库引擎 **(MYSQL)** - 地域 **(北京)** *地域这里根据自己的实际情况选择即可* - 主可用区 **(北京三区)** *主可用区这里根据自己的实际情况选择即可* - 多可用区部署 **(否)** - 传输链路 - 网络 - 数据库版本 **(MySQL5.7)** - 算力配置 **最小(0.25) , 最大(0.5)** - 自动暂停 **根据自己需求配置即可** - 计算计费模式 **(按量计费)** - 存储计费模式 **(按量计费)**

我的配置截图如下:

4. 基础信息

配置这里我们直接设置自己的密码  以及 表名大小写不敏感即可 , 如下图所示

5. 配置完成后点击 右下角的立即购买即可

6. 点击立即购买后会有弹窗如下, 再次点击

7. 购买完成后 , 会出现弹窗 , 点击前往管理页面

8. 读写实例这里 点击开启外部

9. 创建并授权即可

至此我们的准备工作就完成了, 其实还是蛮简单的哦!

数据准备

所需数据 如下

  • 词频
  • 背景图
  • 字体文件

下载地址放在文末有需要的可以去下载哦!

创建项目工程

工程目录如下

讲解说明:

  1. 文件中的词云图文件夹 做为生成图片的存储路径
  2. background.png 作为词云图背景图
  3. 字体文件则是词云图的字体展示
  4. 词频是数据支撑
  5. wordPhoto.py 为脚本文件

链接 TDSQL

打开数据库读写实例 找到相关配置 如图

# MySQL数据库连接配置 db_config = { 'host': "XXXXXX", # 这里填写你自己申请的外部主机名 'port': xxxx, # 这里填写你自己申请的外部的端口 'user': "root", # 账户 'password': "", # 密码就是你自己创建实例时的密码 'database': 'tdsql', # 这里需要自己在自己创建的`tdsql`中创建数据库 , }

创建数据库

  1. 如图点击登录按钮 , 登录到我们创建的数据库中
  1. 进入数据库点击新建库
  1. 点击新建数据库, 出现弹窗
  1. 在弹窗中的 数据库名称中写入你喜欢的数据库名称即可 ,这里我们用的是 tdsql , 作为数据库名称 , 填写好数据库名称后,点击确定创建即可
  1. 列表中出现我们创建的数据库名称后 , 就表示创建好了 , 我们就可以开始代码编写了哦!

函数模块

读取词频excel

def excelTomysql(): path = '词频' # 文件所在文件夹 files = [path + "/" + i for i in os.listdir(path)] # 获取文件夹下的文件名,并拼接完整路径 for file_path in files: print(file_path) filename = os.path.basename(file_path) table_name = os.path.splitext(filename)[0] # 使用文件名作为表名,去除文件扩展名 # 使用pandas库读取Excel文件 data = pd.read_excel(file_path, engine="openpyxl", header=0) # 假设第一行是列名 columns = {col: "VARCHAR(255)" for col in data.columns} # 动态生成列名和数据类型 create_table(table_name, columns) # 创建表 save_to_mysql(data, table_name) # 将数据保存到MySQL数据库中,并使用文件名作为表名 print(filename + ' uploaded and saved to MySQL successfully')

代码讲解
  1. 设置文件夹路径为'词频',将该路径赋值给变量 path。
  2. 使用os.listdir()函数获取文件夹下的所有文件名,并拼接完整路径,存储到列表 files 中。
  3. 使用 for 循环遍历 files 列表中的每个文件路径,并打印出文件路径。
  4. 使用 os.path.basename() 函数获取文件名,并将文件名赋值给变量 filename。
  5. 使用 os.path.splitext() 函数获取文件名的扩展名,并通过索引操作去除扩展名部分,得到表名,并将表名赋值给变量 table_name。
  6. 使用 pandas 库的 read_excel() 函数读取 Excel 文件,并将数据存储到变量 data 中。在读取过程中,使用 openpyxl 引擎,并假设第一行是列名。
  7. 使用字典推导式生成一个字典 columns,其中字典的键为数据的列名,值为 "VARCHAR(255)" 数据类型。
  8. 调用 create_table() 函数,以 table_name 和 columns 作为参数,创建一个对应的表。
  9. 调用 save_to_mysql() 函数,以 data 和 table_name 作为参数,将数据保存到 MySQL 数据库中,并使用文件名作为表名。
  10. 打印出文件名加上 ' uploaded and saved to MySQL successfully' 的提示信息。

创建表

def create_table(table_name, columns): # 建立MySQL数据库连接 conn = pymysql.connect(**db_config) cursor = conn.cursor() # 组装创建表的 SQL 查询语句 query = f"CREATE TABLE IF NOT EXISTS {table_name} (" for col_name, col_type in columns.items(): query += f"{col_name} {col_type}, " query = query.rstrip(", ") # 去除最后一个逗号和空格 query += ")" # 执行创建表的操作 cursor.execute(query) # 提交事务并关闭连接 conn.commit() cursor.close() conn.close()

代码讲解
  1. 建立与MySQL数据库的连接,连接参数通过变量 db_config 提供。
  2. 创建一个光标对象 cursor,用于执行SQL语句。
  3. 组装创建表的SQL查询语句。首先,在SQL查询语句中插入表名 table_name。然后,通过 for 循环遍历 columns 字典中的每个键值对,分别将列名和数据类型添加到SQL查询语句中。
  4. 去除SQL查询语句末尾的最后一个逗号和空格。
  5. 添加右括号,完成SQL查询语句的组装。
  6. 使用光标对象 cursor 执行创建表的操作,执行的SQL语句为组装好的查询语句。
  7. 提交事务,将对数据库的修改持久化。
  8. 关闭光标和数据库连接。

代码中使用了 pymysql 模块来建立MySQL数据库连接,并通过编写SQL语句来执行创建表的操作。具体的数据库连接参数在 db_config 变量中提供,而 columns 参数则是由之前的代码生成的一个字典,包含了表的列名和数据类型。

保存数据到tdsql

def save_to_mysql(data, table_name): # 建立MySQL数据库连接 conn = pymysql.connect(**db_config) cursor = conn.cursor() # 将数据写入MySQL表中(假设数据只有一个Sheet) for index, row in data.iterrows(): query = f"INSERT INTO {table_name} (" for col_name in data.columns: query += f"{col_name}, " query = query.rstrip(", ") # 去除最后一个逗号和空格 query += ") VALUES (" values = tuple(row) query += ("%s, " * len(values)).rstrip(", ") # 动态生成值的占位符 query += ")" cursor.execute(query, values) # 提交事务并关闭连接 conn.commit() cursor.close() conn.close()

代码讲解
  1. 建立与MySQL数据库的连接,连接参数通过变量 db_config 提供。
  2. 创建一个光标对象 cursor,用于执行SQL语句。
  3. 对于数据中的每一行,使用 for 循环迭代,获取索引和行数据。
  4. 组装插入数据的SQL查询语句。首先,在SQL查询语句中插入表名 table_name。然后,通过 for 循环遍历数据的列名,将列名添加到SQL查询语句中。
  5. 去除SQL查询语句末尾的最后一个逗号和空格。
  6. 添加右括号,完成SQL查询语句的组装。
  7. 使用 tuple(row) 将行数据转换为元组类型,并将值占位符 %s 动态生成相应数量的占位符。
  8. 将值的占位符添加到SQL查询语句中。
  9. 使用光标对象 cursor.execute() 执行SQL查询语句,将查询语句中的占位符替换为实际的行数据。
  10. 提交事务,将对数据库的修改持久化。
  11. 关闭光标和数据库连接。

读取tdsql 数据

def query_data(): # 建立MySQL数据库连接 conn = pymysql.connect(**db_config) cursor = conn.cursor() # 查询所有表名 cursor.execute("SHOW TABLES") tables = cursor.fetchall() data = [] dic_list = [] table_name_list = [] for table in tables: # for table in [tables[-1]]: table_name = table[0] table_name_list.append(table_name) query = f"SELECT * FROM {table_name}" # # 执行查询并获取结果 cursor.execute(query) result = cursor.fetchall() if len(result) > 0: columns = [desc[0] for desc in cursor.description] table_data = [{columns[i]: row[i] for i in range(len(columns))} for row in result] data.extend(table_data) dic = {} for i in data: dic[i['word']] = float(i['count']) dic_list.append(dic) conn.commit() cursor.close() conn.close() return dic_list, table_name_list

代码讲解
  1. 建立与MySQL数据库的连接,连接参数通过变量 db_config 提供。
  2. 创建一个光标对象 cursor,用于执行SQL语句。
  3. 使用 cursor.execute() 执行SQL查询语句 "SHOW TABLES",获取所有表名。
  4. 使用 cursor.fetchall() 获取查询结果,将结果存储在变量 tables 中。
  5. 创建空列表 data、dic_list 和 table_name_list,用于存储查询结果的数据、字典和表名。
  6. 对于每个表名 table,通过 for 循环迭代,获取表名并添加到 table_name_list 中。
  7. 构建查询该表所有数据的SQL语句,并使用 cursor.execute() 执行该查询语句。
  8. 使用 cursor.fetchall() 获取查询结果,将结果存储在变量 result 中。
  9. 如果查询结果 result 的长度大于0,则说明有数据,进行以下操作:
    1. 使用 cursor.description 获取查询结果的列名列表,并将列名存储在变量 columns 中。
    2. 使用列表推导式和字典推导式,将查询结果的每一行转换为字典,并将字典存储在变量 table_data 中。
    3. 将 table_data 添加到 data 列表中。
  10. 根据 data 中的结果构建字典,并将字典存储在变量 dic 中。
  11. 将 dic 添加到 dic_list 列表中。
  12. 提交事务,将对数据库的修改持久化。
  13. 关闭光标和数据库连接。
  14. 返回 dic_list 和 table_name_list。

代码调用

if __name__ == '__main__': excelTomysql() result_list, table_name_list = query_data() for i in range(len(result_list)): maskImage = np.array(Image.open('background.PNG')) # 定义词频背景图 # 定义词云样式 wc = wordcloud.WordCloud( font_path='PingFangBold.ttf', # 设置字体 mask=maskImage, # 设置背景图 max_words=800, # 最多显示词数 max_font_size=200) # 字号最大值 # 生成词云图 wc.generate_from_frequencies(result_list[i]) # 从字典生成词云 # 保存图片到指定文件夹 wc.to_file("词云图/{}.png".format(table_name_list[i])) print("生成的词云图【{}】已经保存成功!".format(table_name_list[i] + '.png')) plt.imshow(wc) # 显示词云 plt.axis('off') # 关闭坐标轴 plt.show() # 显示图像

代码讲解
  1. 使用 Image.open() 打开名为 'background.PNG' 的背景图,并将其转换为NumPy数组,存储在变量 maskImage 中,作为词云的背景图。
  2. 创建一个 WordCloud 对象 wc,设置字体路径、背景图、最多显示词数和字号最大值等参数。
  3. 使用 wc.generate_from_frequencies() 从 result_list[i] 的字典数据生成词云图。
  4. 使用 wc.to_file() 将生成的词云图保存为文件,文件名为 "词云图/{}.png",其中 {} 表示对应的表名。
  5. 打印输出生成的词云图文件名。
  6. 使用 plt.imshow() 显示词云图。
  7. 使用 plt.axis('off') 关闭坐标轴的显示。
  8. 使用 plt.show() 显示图像。

完整代码

import pymysql import pandas as pd import os import wordcloud import numpy as np from PIL import Image import matplotlib.pyplot as plt # MySQL数据库连接配置 db_config = { 'host': "XXXXXX", # 这里填写你自己申请的外部主机名 'port': xxxx, # 这里填写你自己申请的外部的端口 'user': "root", # 账户 'password': "", # 密码就是你自己创建实例时的密码 'database': 'tdsql', # 这里需要自己在自己创建的`tdsql`中创建数据库 , } def create_table(table_name, columns): # 建立MySQL数据库连接 conn = pymysql.connect(**db_config) cursor = conn.cursor() # 组装创建表的 SQL 查询语句 query = f"CREATE TABLE IF NOT EXISTS {table_name} (" for col_name, col_type in columns.items(): query += f"{col_name} {col_type}, " query = query.rstrip(", ") # 去除最后一个逗号和空格 query += ")" # 执行创建表的操作 cursor.execute(query) # 提交事务并关闭连接 conn.commit() cursor.close() conn.close() def excelTomysql(): path = '词频' # 文件所在文件夹 files = [path + "/" + i for i in os.listdir(path)] # 获取文件夹下的文件名,并拼接完整路径 for file_path in files: print(file_path) filename = os.path.basename(file_path) table_name = os.path.splitext(filename)[0] # 使用文件名作为表名,去除文件扩展名 # 使用pandas库读取Excel文件 data = pd.read_excel(file_path, engine="openpyxl", header=0) # 假设第一行是列名 columns = {col: "VARCHAR(255)" for col in data.columns} # 动态生成列名和数据类型 create_table(table_name, columns) # 创建表 save_to_mysql(data, table_name) # 将数据保存到MySQL数据库中,并使用文件名作为表名 print(filename + ' uploaded and saved to MySQL successfully') def save_to_mysql(data, table_name): # 建立MySQL数据库连接 conn = pymysql.connect(**db_config) cursor = conn.cursor() # 将数据写入MySQL表中(假设数据只有一个Sheet) for index, row in data.iterrows(): query = f"INSERT INTO {table_name} (" for col_name in data.columns: query += f"{col_name}, " query = query.rstrip(", ") # 去除最后一个逗号和空格 query += ") VALUES (" values = tuple(row) query += ("%s, " * len(values)).rstrip(", ") # 动态生成值的占位符 query += ")" cursor.execute(query, values) # 提交事务并关闭连接 conn.commit() cursor.close() conn.close() def query_data(): # 建立MySQL数据库连接 conn = pymysql.connect(**db_config) cursor = conn.cursor() # 查询所有表名 cursor.execute("SHOW TABLES") tables = cursor.fetchall() data = [] dic_list = [] table_name_list = [] for table in tables: # for table in [tables[-1]]: table_name = table[0] table_name_list.append(table_name) query = f"SELECT * FROM {table_name}" # # 执行查询并获取结果 cursor.execute(query) result = cursor.fetchall() if len(result) > 0: columns = [desc[0] for desc in cursor.description] table_data = [{columns[i]: row[i] for i in range(len(columns))} for row in result] data.extend(table_data) dic = {} for i in data: dic[i['word']] = float(i['count']) dic_list.append(dic) conn.commit() cursor.close() conn.close() return dic_list, table_name_list if __name__ == '__main__': excelTomysql() result_list, table_name_list = query_data() for i in range(len(result_list)): maskImage = np.array(Image.open('background.PNG')) # 定义词频背景图 # 定义词云样式 wc = wordcloud.WordCloud( font_path='PingFangBold.ttf', # 设置字体 mask=maskImage, # 设置背景图 max_words=800, # 最多显示词数 max_font_size=200) # 字号最大值 # 生成词云图 wc.generate_from_frequencies(result_list[i]) # 从字典生成词云 # 保存图片到指定文件夹 wc.to_file("词云图/{}.png".format(table_name_list[i])) print("生成的词云图【{}】已经保存成功!".format(table_name_list[i] + '.png')) plt.imshow(wc) # 显示词云 plt.axis('off') # 关闭坐标轴 plt.show() # 显示图像

注意

运行代码前 引入相关的包哦!

pip install pymysql pip install pandas pip install wordcloud pip install numpy pip install pillow pip install matplotlib

运行代码

写入截图

数据库数据截图

生成词云图

将词云图存入到文件夹

删除TDSQL

体验完成, 考虑到当前这个业务没必要继续开启数据库了, 防止无效计费, 所以删除一下

如图点击销毁按钮

出现销毁实例的弹窗, 点击确定即可

资源下载

资源在百度盘里 自取哦 !

链接: https://pan.baidu.com/s/1hClOJI07HUuGBQ2SwZfWjw 提取码: 5mm9--来自百度网盘超级会员v7的分享

总结

使用TDSQL 时你会发现, 真的是无缝接入, 非常的丝滑, 当然也有些不足,希望可以改进哦!!

优点

  1. 腾讯云数据库 TDSQL整体使用和感受还是很好的,操作比较简单,通过简单的官方文档就是搭建成功,其次性价比很高,尤其对于初学者新手 ,
  2. 与传统的数据库相比,TD-SQL Serverless的计费方式更为灵活,按照实际使用的资源进行付费,避免了长期运行服务器的成本。同时,它也可以在空闲时自动休眠,减少不必要的费用。

缺点

  1. 由于TD-SQL Serverless会在请求到达时才进行资源的分配和启动,因此在首次请求时可能会有一定的延迟。对于一些对实时性要求较高的应用场景,延迟可能会影响用户体验。
  2. 相比于传统的数据库,TD-SQL Serverless提供的配置和优化选项较少,用户对底层资源的控制能力有限。这可能会导致一些特定的需求无法满足。
  3. 虽然TD-SQL Serverless可以根据需求自动扩展计算资源,但高并发流量可能会导致较高的成本。如果在短时间内存在大量的并发请求,可能需要支付额外费用。

注意 这个三个缺点我只是根据经验进行猜想, 如有错误还请及时指正哦!!

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
​清华&中国工程院联合发布:人工智能全球2000位最具影响力学者
今天上午,清华和中国工程院知识智能联合研究中心在清华大学联合发布《人工智能全球2000位最具影响力学者》,通过AMiner学术数据在全球范围内遴选出了2000位人工智能学科最有影响力、最具活力的顶级学者并进行了分析,揭秘了人工智能领域人才现状。
大数据文摘
2020/02/12
4770
2020年AI 2000最具影响力学者榜单发布,何恺明排名超过李飞飞
【导读】2020 年 1 月11 日,清华-中国工程院知识智能联合研究中心和清华大学人工智能研究院公布了 AI 2000 人工智能全球 2000 位最具影响力学者榜单(AI 2000 Most Influential Scholar Award)。和同类榜单不同的是,AI 2000 不仅将人工智能领域的资深学者考虑在榜单候选人中,年轻但做出突出贡献的年轻人也都跻身榜单,为榜单带来新鲜血液,比如三十岁左右的何恺明。
AI科技大本营
2020/02/12
1.2K0
2020年AI 2000最具影响力学者榜单发布,何恺明排名超过李飞飞
十年AI谁“最能打”?AI 2000榜单:何恺明最佳论文“刷”状元,谷歌机构排名第一
作者 | 维克多 编辑 | 岑峰 过去十年,哪些学者为人工智能(AI)领域作出了突出贡献? 今日,清华大学联合智谱AI发布“2022年人工智能全球最具影响力学者榜单AI 2000”,通过梳理2012-2021年间的论文、期刊等学术数据,挖掘在近10年里的具有影响力的一作(年轻)学者。 据悉,2022年度AI 2000人工智能全球最具影响力学者(200人次)和提名学者(1800人次)分布于全球不同机构。由于存在同一学者入选不同领域的现象,经过去重处理后,AI 2000人工智能全球最具影响力(提名)学者共计
AI科技评论
2022/03/03
5990
IEEE旗下AI顶会CVPR力挺华为:多位主席联名,支持自由审稿参会
在IEEE发表声明证实清理华为审稿人之后。这个IEEE旗下的学术会议,刚刚发表公开信称,强烈支持自由选择论文审稿人。
量子位
2019/06/03
5870
塔荐 | 计算机领域顶级科学家、学术会议、期刊影响力排名(附国内排名)
导读:近日,Guide2Research 发布了计算机科学领域的论文期刊、学术会议和科学家等内容的学术影响力排名。其排名根据 Google Scholar Metrics 的 H5-Index 和期刊影响力因子确定,并且我们可以根据计算机子领域、出版物、国家和关键字等条目寻找我们希望了解的影响力排行。 顶级科学家 以下是全球计算机领域杰出科学家的列表,其通过 H-Index 分值进行排列,以下仅显示影响力前十的研究科学家。 我们也可以在该网站查找特定的科学家以了解其引用量和 H-Ind
灯塔大数据
2018/04/04
1.2K0
塔荐 | 计算机领域顶级科学家、学术会议、期刊影响力排名(附国内排名)
CVPR 高引论文往往无缘 Best paper,「最佳」一定「高引」吗?
我们对60多个顶级国际会议的最佳论文和高引论文进行了分析,惊讶的发现只有10%的最佳论文最后成了真正的高引论文。是评奖委员会选错了吗?不同研究领域的最佳论文和高引论文又有什么特点呢?数据表明SIGGRAPH、SIGSPATIAL以及硬件等会议更“靠谱”(MAP值普遍大于0.5);也有很多会,比如人工智能会议NIPS、CHI、CVPR、KDD、AAAI、ACL、IJCAI等会议的高引论文往往无缘最佳论文。来查查你的会议表现吧:https://aminer.cn/bestpaper
AI科技评论
2019/09/25
1.6K0
CVPR 高引论文往往无缘 Best paper,「最佳」一定「高引」吗?
谷歌2019 学术指标发榜:CVPR首次进入Top 10,何恺明论文引用最高!
本次发布涵盖2014-2018年发表的文章,并包括了截至2019年7月在谷歌学术中被索引的所有文章的引用 。
新智元
2019/07/23
6620
谷歌2019 学术指标发榜:CVPR首次进入Top 10,何恺明论文引用最高!
谷歌2019学术影响力新榜:CVPR跃升总榜前10,工程与计算机第2
机器之心报道 参与:张倩、杜伟 近日,谷歌学术发布了最新的 2019 Top Publication 榜单:《Nature》位列总榜第一,CVPR 上升到整个工程与计算机科学类第二位,总榜第十位。Ne
机器之心
2019/07/24
6070
谷歌2019学术影响力新榜:CVPR跃升总榜前10,工程与计算机第2
2021 年人工智能全球最具影响力学者榜单 AI 2000 发布
2021 年 4 月 8 日,2021 年人工智能全球最具影响力学者——AI 2000 榜单重磅揭晓!AI 2000 榜单由清华大学 AMiner 联合北京智源人工智能研究院、清华 - 中国工程院知识智能联合研究中心共同发布,旨在通过 AMiner 学术数据在全球范围内遴选过去十年人工智能学科最有影响力、最具活力的顶级学者。
AI算法与图像处理
2021/04/21
4860
2021 年人工智能全球最具影响力学者榜单 AI 2000 发布
2018谷歌学术影响力排名出炉:CVPR进入前20,ResNet被引最多过万次!
【新智元导读】谷歌学术昨天发表了2018年最新的学术期刊和会议影响力排名,CVPR和NIPS分别排名第20和第54。在排名第一的Nature里,过去5年被引用次数最高的论文,正是深度学习三大神Hinton、LeCun和Bengio写的《深度学习》一文,而CVPR里被引次数最高的,则是ResNet,引用次数超过了1万次。
新智元
2018/08/16
7240
2018谷歌学术影响力排名出炉:CVPR进入前20,ResNet被引最多过万次!
十年AI学者影响力盘点:何恺明排名第一,华人学者呈正向流入
2022 年 1 月 25 日,2022 年人工智能全球最具影响力学者榜单——AI 2000 重磅发布!其由清华大学计算机系 AMiner 团队联合智谱AI、清华—中国工程科技知识中心知识智能联合研究中心共同发布,旨在通过 AMiner 学术数据在全球范围内遴选过去十年人工智能学科最有影响力、最具活力的顶级学者。
大数据文摘
2022/02/25
1.3K0
十年AI学者影响力盘点:何恺明排名第一,华人学者呈正向流入
谷歌2022学术指标出炉!Nature继续霸榜,CVPR第4,计算机5顶会入Top20
---- 新智元报道   编辑:David 拉燕 桃子 【新智元导读】谷歌最新学术指标出炉!今年,AI顶会黑马迭出,CVPR仍保持总榜第4,ICLR和NeurIPS排名继续跃升。值得一提的是,ICCV、ICML直接挤进前20。 一年一度的谷歌学术期刊和会议影响力TOP 100榜单出炉了! 今天,Google Scholar发布了2022最新学术指标。 今年总榜前三仍然没有悬念,Nature再夺第1,NEJM稳居第2,Science排名第3。 另外,AI学术顶会在今年总榜排名中再次大放异彩。 CVPR
新智元
2022/07/01
3.5K0
谷歌2022学术指标出炉!Nature继续霸榜,CVPR第4,计算机5顶会入Top20
人工智能全球最具影响力学者榜单发布 中国是热度最高国家
智东西1月25日消息,今日,2022年人工智能全球最具影响力学者榜单——AI 2000重磅发布!
科技旋涡
2022/03/30
5320
人工智能全球最具影响力学者榜单发布 中国是热度最高国家
脑机头条 第11期| 清华和中国工程院联合发布"AI 2000人工智能全球最具影响力学者"
AI 2000 人工智能全球最具影响力学者榜单(以下称为 AI 2000)旨在未来10年通过AMiner学术数据在全球范围内遴选2000位人工智能学科最有影响力、最具活力的顶级学者。AMiner.cn 为本榜单提供数据支持。AMiner.cn 由清华大学研发,检索了19世纪以来全球1亿3千余万学者发表的2亿7千万余篇学术论文数据,已吸引全球220个国家/地区1000多万独立IP访问,数据下载量230万次,年度访问量超过1100万。
脑机接口社区
2020/06/30
4780
聚焦CV热点,CVPR 2022线上论文分享会Keynote嘉宾、主题揭晓
随着人工智能的火热,CVPR、AAAI、NeurIPS、ACL 等顶级学术会议的影响力也愈来越大,每年接收论文、参会人数的数量连创新高。 作为计算机视觉(CV)领域的顶级会议,CVPR 每年都会吸引大量研究机构和高校参会,以 CVPR 2022 为例,投稿量创新高超过了一万,其中 2067 篇论文被接收。本届会议将于 6 月 19-6 月 24 日以线上线下结合的方式举办。 为了给国内 CV 社区的从业人员搭建一个自由轻松的学术交流平台,机器之心将于 6 月 18 日组织「CVPR 2022 线上论文分享会
机器之心
2022/06/14
8340
聚焦CV热点,CVPR 2022线上论文分享会Keynote嘉宾、主题揭晓
【谷歌重磅发布2017学术影响因子】AI、视觉、机器人TOP20 榜单
【新智元导读】 近日,谷歌发布了2017最新版本的谷歌学术指标,对收录的会议和期刊论文根据被引用情况进行排名。在人工智能领域,arXiv排在第一超越了著名的NIPS。在更细分的领域,比如计算机视觉中,CVPR排在第一。以“机器学习”为关键词进行排名,ICML排名第一。谷歌同时也发布了具体会议和期刊被引用最多的文章,比如,视觉领域的文章被引用得最多的是 Wei Liu和贾扬清等人合作介绍GoogLeNet的论文。 谷歌学术指标提供了一个简便的方法,让学者们可以迅速地看到学术出版物上最新文章的影响力。 近日,
新智元
2018/03/27
1.4K0
【谷歌重磅发布2017学术影响因子】AI、视觉、机器人TOP20 榜单
奖学金最高40万港币/年,CV、ML、AI方向,港大韩锴课题组2022年博士招生启动
新一波博士招生正式启动!本期我们将为大家介绍香港大学助理教授韩锴课题组的博士、博士后和研究助理的招生信息。 作为专业的全球人工智能信息服务平台,机器之心的读者中有大量活跃于人工智能学术领域的顶级学者,也有许多正在攻读 AI 方向的学生。 之前,机器之心发布了多篇与招收硕士 / 博士 / 博士后相关的文章,为广大读者传递了海内外招生的教授与实验室信息,引起了不错的反响。 如今,又到了博士招生的季节,我们整理了海内外多所实验室的招生信息。本期我们将为大家介绍香港大学韩锴课题组的博士招生信息。希望这些消息对准备继
机器之心
2023/03/29
8060
奖学金最高40万港币/年,CV、ML、AI方向,港大韩锴课题组2022年博士招生启动
全球首个华人AI学术影响力——2018年Top100名单重磅发布!
2015年9月7日,新智元成立,在一千九百零六天的时间里,我们见证了算法、算力和数据大爆炸之下,AlphaGo战胜李世乭、柯洁,OpenAI挑战人类顶级选手、国内外巨头纷纷转向AI战略,关注新智元的微信订户数也突破32万大关。
新智元
2018/09/25
3.1K0
全球首个华人AI学术影响力——2018年Top100名单重磅发布!
干货 | 2019 AI 国际顶级学术会议一览表
AI 科技评论按:2017 -2018 年两年间,AI 科技评论秉承「洞见学术前沿,连接产业未来」的宗旨,走遍美国、加拿大、澳大利亚、法国、新加坡等多个国家,两度亲历 10 余个国际顶级学术会议,为大家带来了一系列现场精彩报道。2019 年,这些国际顶级学术会议将如约与大家见面,而 AI 科技评论也将前往现场继续新一年的学术会议报道。
AI科技评论
2018/12/14
1.8K0
2020谷歌学术指标出炉,CVPR成AI学术会议总榜第一名
近日,谷歌正式发布了 2020 年的学术指标(Scholar Metrics)榜单。在最新一期排名中,CVPR 成为了 AI 领域排名第一的大会,ICLR 和 NeurIPS 分列二、三位,是不是和你心中的排名有些不一样?
机器之心
2020/07/24
1.3K0
2020谷歌学术指标出炉,CVPR成AI学术会议总榜第一名
推荐阅读
​清华&中国工程院联合发布:人工智能全球2000位最具影响力学者
4770
2020年AI 2000最具影响力学者榜单发布,何恺明排名超过李飞飞
1.2K0
十年AI谁“最能打”?AI 2000榜单:何恺明最佳论文“刷”状元,谷歌机构排名第一
5990
IEEE旗下AI顶会CVPR力挺华为:多位主席联名,支持自由审稿参会
5870
塔荐 | 计算机领域顶级科学家、学术会议、期刊影响力排名(附国内排名)
1.2K0
CVPR 高引论文往往无缘 Best paper,「最佳」一定「高引」吗?
1.6K0
谷歌2019 学术指标发榜:CVPR首次进入Top 10,何恺明论文引用最高!
6620
谷歌2019学术影响力新榜:CVPR跃升总榜前10,工程与计算机第2
6070
2021 年人工智能全球最具影响力学者榜单 AI 2000 发布
4860
2018谷歌学术影响力排名出炉:CVPR进入前20,ResNet被引最多过万次!
7240
十年AI学者影响力盘点:何恺明排名第一,华人学者呈正向流入
1.3K0
谷歌2022学术指标出炉!Nature继续霸榜,CVPR第4,计算机5顶会入Top20
3.5K0
人工智能全球最具影响力学者榜单发布 中国是热度最高国家
5320
脑机头条 第11期| 清华和中国工程院联合发布"AI 2000人工智能全球最具影响力学者"
4780
聚焦CV热点,CVPR 2022线上论文分享会Keynote嘉宾、主题揭晓
8340
【谷歌重磅发布2017学术影响因子】AI、视觉、机器人TOP20 榜单
1.4K0
奖学金最高40万港币/年,CV、ML、AI方向,港大韩锴课题组2022年博士招生启动
8060
全球首个华人AI学术影响力——2018年Top100名单重磅发布!
3.1K0
干货 | 2019 AI 国际顶级学术会议一览表
1.8K0
2020谷歌学术指标出炉,CVPR成AI学术会议总榜第一名
1.3K0
相关推荐
​清华&中国工程院联合发布:人工智能全球2000位最具影响力学者
更多 >
交个朋友
加入腾讯云技术交流站
洞悉AI新动向 Get大咖技术交流群
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档