Shark 高性能因子挖掘平台白皮书
本页介绍 DolphinDB 推出的 Shark CPU-GPU 异构计算平台,以及相关白皮书获取入口与内容概况。
What this page covers
- Shark 平台与两大应用(Shark GPLearn、DeviceEngine)的概览。
- 白皮书的章节结构与覆盖范围(背景、概念、架构、特性、案例)。
- 白皮书获取表单的字段与订阅选项。
- 白皮书封面图与图片内容说明。
- 页面顶部的活动报名入口信息。
技能认证特训营第二期报名推广
页面顶部展示技能认证特训营第二期的限时报名入口与福利优惠提示。
- 展示“技能认证特训营第二期”处于“正式开启”状态。
- 提供“限时报名”的链接入口。
- 提示可“享专属福利优惠”。
Shark 高性能因子挖掘平台白皮书(概览)
介绍 DolphinDB 推出的 Shark CPU-GPU 异构计算平台及其两大应用(Shark GPLearn 与 DeviceEngine),并概述 Shark GPLearn 的能力与价值。
- Shark 被描述为 CPU-GPU 异构计算平台。
- Shark 由 DolphinDB 推出。
- Shark 包含两大应用:Shark GPLearn 与因子计算 DeviceEngine。
- Shark GPLearn 支持用户从数据库中直接读取数据。
- Shark GPLearn 调用遗传算法进行自动因子挖掘。
白皮书封面图与 AI 说明
展示白皮书封面海报图片及对图片内容的 AI 说明文字。
- 页面展示白皮书封面海报图片。
- 页面包含对图片内容的 AI 说明文字。
内容概况
列出白皮书涵盖的主要章节与内容范围,包括背景简介、基本概念、架构实现、功能特性与应用案例。
- 白皮书系统介绍 Shark GPLearn 高性能因子挖掘的工作原理、架构实现、功能特性与场景应用。
- 背景简介包含遗传算法的概念、流程与进化策略示例。
- 背景简介涉及金融行业因子挖掘实践方法与挑战。
- 基本概念部分包含 Shark GPLearn 的设计构想与工作原理。
- 架构实现部分包含数据转换层、自动因子挖掘、因子计算三大模块。
获取 Shark 高性能因子挖掘平台白皮书(表单)
提供白皮书获取入口,包含更新时间与需填写的个人/企业信息字段及订阅更新通知选项。
- 提供白皮书获取入口,并显示更新时间信息。
- 表单包含“姓名(必填)”字段。
- 表单包含“公司(必填)”字段。
- 表单包含“职位(必填)”字段。
- 表单包含“手机号(必填)”字段。
- 表单包含“验证码(必填)”,并提供“获取验证码”操作。
- 表单包含“电子邮箱(必填)”字段。
- 提供“订阅 DolphinDB 更新通知”的选项。
Facts Index
| Entity | Attribute | Value | Confidence |
|---|---|---|---|
| 技能认证特训营第二期 | 状态 | 正式开启 | high |
| 限时报名 | 链接 | https://www.qingsuyun.com/h5/e/217471/5/ | high |
| 技能认证特训营第二期 | 优惠描述 | 享专属福利优惠 | low |
| Shark | 产品/平台定位 | CPU-GPU 异构计算平台 | high |
| Shark | 推出方 | DolphinDB 推出 | high |
| 传统挖掘因子方法 | 挑战/问题 | 效率低、无法处理三维数据等挑战 | medium |
| Shark | 包含的两大应用 | 自动因子挖掘 Shark GPLearn;因子计算 DeviceEngine | high |
| Shark GPLearn | 数据读取方式 | 支持用户直接从数据库中读取数据 | high |
| Shark GPLearn | 自动挖掘方法 | 调用遗传算法进行自动因子挖掘 | high |
| Shark GPLearn | 计算加速 | 加速因子计算 | medium |
| Shark GPLearn | 特性 | 算子库丰富 | medium |
| Shark GPLearn | 训练能力 | 支持单机多卡训练 | high |
| Shark GPLearn | 语义支持 | 提供分组语义 | medium |
| Shark GPLearn | 企业价值 | 企业可以高效地从历史数据中挖掘因子,构建因子模型 | low |
| 白皮书获取信息 | 更新时间 | 2024-12-31 09:42:12 | high |
| 白皮书获取表单 | 字段 | 姓名(必填) | high |
| 白皮书获取表单 | 字段 | 公司(必填) | high |
| 白皮书获取表单 | 字段 | 职位(必填) | high |
| 白皮书获取表单 | 字段 | 手机号(必填) | high |
| 白皮书获取表单 | 字段 | 验证码(必填);包含“获取验证码”操作 | high |
| 白皮书获取表单 | 字段 | 电子邮箱(必填) | high |
| 订阅 | 选项 | 订阅 DolphinDB 更新通知 | high |
| 白皮书获取 | 按钮/操作 | 立即获取 | high |
| 白皮书内容 | 覆盖范围 | 系统介绍 Shark GPLearn 高性能因子挖掘功能的工作原理、架构实现、功能特性和场景应用 | medium |
| 白皮书-背景简介部分 | 包含内容 | 遗传算法的概念、流程和多种进化策略(如交叉变异、子树变异等);金融行业因子挖掘实践方法(如回归分析、遗传算法等)及挑战 | high |
| 白皮书-基本概念部分 | 包含内容 | Shark GPLearn 设计构想、工作原理;与传统 python gplearn 挖掘因子的性能对比 | high |
| 白皮书-架构实现部分 | 架构模块 | 数据转换层、自动因子挖掘、因子计算(三大模块) | high |
| 白皮书-功能特性部分 | 优势/特性示例 | 算子库更丰富;支持在三维数据中挖掘因子;支持单机多卡挖掘;充分释放 GPU 计算性能等 | medium |
| 白皮书-应用案例 | 示例数据 | 基于股票日频 K 线数据的因子挖掘示例 | high |
| 白皮书-应用案例 | 流程 | 数据清洗→模型训练→因子评价 | high |
| 白皮书-应用案例 | 提供内容 | 可供参考的代码和调参说明 | high |