My Cookie Mix

... All joking aside — over the past years I’ve used opportunities like this to learn about approaches to predict outcomes and tried them out eventually with more successes than fails when it comes to my placement in different leagues. This time it is no different — what is different though is the approach I am taking. I came across this blog post on the usage of graph theory to make 2022 World Cup predictions. The blog post shows how the connections between different football clubs and national teams (in terms of how many players of certain clubs are selected for different national teams) was used to create a network graph. For the relationships in that network graph the “eigenvector centrality” was determined for every national team to establish a ranking. For the 2018 World cup, applying this method, out of the top 5 teams with the highest eigenvector centrality, 3 ultimately made it into the semi-finals, and France as the highest ranked team won the tournament. For 2022, out of th...

Questo workflow, scaricabile gratuitamente dal Knime Hub, permette di caricare in Knime i dati della ricerca di Google, tramite la Google Search API, superando i limiti associati all'utilizzo della Google Search Console. E' stato sviluppato sulla base dell'ottimo workflow "Google_​Search_​Console_​API" realizzato da Philipp Katz (puoi  scaricarlo gratuitamente da NodePit , richiede l'estensione  Palladian for KNIME: OAuth Nodes ). Le modifiche apportate sono le seguenti: è stato aggiornato il nodo di autenticazione iniziale (era in beta); possono essere scaricati i dati di più site url (da indicare in apposita tabella); è stata modificata la query per estrarre tutti i campi disponibili (pagina, query, device, nazione, impessioni, clic, CTR, posizione); è possibile estrarre più delle 1.000 righe previste come standard dalla Google Search API. Come il workflow su cui si basa richiede l'estensione  Palladian for Knime  e il relativo  nodo "OAuth Connecto...

Il workflow " Google PageSpeed - Get data via API ", per Knime Analytics Platform, sfrutta l'API PageSpeed Insights di Google per raccogliere dati sulle prestazioni e l'usabilità di un sito. Puoi quindi usarlo per ottenere un report di benchmark del tuo sito web con quelli dei tuoi concorrenti. Questo workflow è disponibile gratuitamente su Knime Hub. Knime carica, tramite l'API PageSpeed Insights, i KPI di prestazione e UX di più siti e produce un report di benchmark Prima di iniziare due parole su Knime Knime è un software per l'analisi dei dati con numerosi punti di forza: Facilità di apprendimento : Knime è estremamente intuitivo da usare e permette di ottenere i primi  risultati in pochissimo tempo, anche dopo solamente qualche ora di utilizzo. Risorse didattiche online : online è disponibile una vasta gamma di corsi video per imparare ad usare knime e conseguire, se si desidera, le certificazioni professionali. Sempre online è possibile scaricare man...

Un problema mi ha fatto veramente impazzire: nel pdf generato con l' estensione reporting di Knime  trovavo, tra una tabella e l'altra, delle pagine bianche che non avrebbero dovuto esserci. Le tabelle sul report, per inciso, sono generate con il nodo Table View . A rendere più curiosa la situazione, questa presunta anomalia si presentava solo con le tabelle con poche righe, quelle che venivano visualizzate su di una sola pagina: se la tabella occupava solo una facciata, Knime dopo inseriva una pagina vuota; se la tabella occupava due o più facciate del report, Knime generava la seconda tabella successiva nella pagina immediatamente successiva (come mi sarei aspettato) L'illuminazione è arrivata leggendo questa risposta sul forum di Knime (" 5.2.0: Table View node reporting different row counts in reports, based on pagination ", un problema diverso sempre con l'estensione reporting); per farvela breve, per far sì che Knime non inserisca pagine vuote tra divers...

There's no denying that we're undergoing an AI revolution powered by large language models (LLMs). A class of deep neural networks, these systems are mostly used to understand and generate human language, and to mimic conversational behaviors. They are called “large” because of the size of their parameters, which range from hundreds of millions to even trillions. Some of the best-known LLMs include OpenAI’s ChatGPT and Google’s Bard. These LLMs are proprietary solutions. That means there’s no transparency. Their source code, architecture, and inference strategy can’t be inspected, which raises concerns over data security and privacy. Open source LLMs have gained traction as a result of these data security and privacy concerns. With an open source LLM, the source code, architecture, and inference strategy can be inspected, facilitating auditing and customization. Open source LLMs have the additional advantage of being free to use, even if there are sometimes licensing restri...

Condivido sull'hub di Knime questo componente per la creazione di una lista di KPI (indicatori chiave di prestazione) in Knime : è utile per generare delle tabelle di test, ad esempio per la creazione e condivisione di grafici o di report quando non si possono o non si devono usare dati aziendali. Il componente permette di personalizzare la data minima e massima del range e il numero di KPI da generare. Ad esempio: impostando "numero di KPI = 3" saranno generati i seguenti KPI: KPI001, KPI002, KPI003; impostando "numero di KPI = 5" saranno generati i seguenti KPI: KPI001, KPI002, KPI003, KPI004, KPI005 L' output è una tabella di Knime (data table) costituita da tre colonne: identificativo del KPI ( KPI_ID ), nel formato KPI001, KPI002, ... data ( KPI_DATE ) nel formato aaaa-mm-gg valore giornaliero del KPI ( KPI_VALUE ), numero casuale intero Il componente usa i seguenti nodi Date&Time Configuration Merge Variables Create Date&Time Range Random ...

Per iniziare, due parole su KNIME "KNIME è una piattaforma open source di analisi dati, reportistica e integrazione. È basata su un'interfaccia grafica drag-and-drop che permette di assemblare nodi per la preprocessazione dei dati (ETL), la modellazione, l'analisi e la visualizzazione dei dati". Più o meno questo è quello che trovi se digiti "cos'è Knime?" su di un motore di ricerca. Io, invece, descriverei Knime con uno strumento (software) che permette di entrare nel fantastico mondo dell'analisi dei dati senza dover necessariamente conoscere un linguaggio di programmazione. Funziona un po' come i mattoncini Lego -  ce ne sono di diverse forme e colori e, unendoli, si possono ottenere astronavi, castelli o macchine da corsa - solo che Knime, al posto dei mattoncini, ha degli oggetti che chiama "nodi" e, unendoli opportunamente, puoi caricare i tuoi dati, analizzarli, trasformarli e farci mille altre cose. Ad esempio: produrre un repo...

Google BigQuery and KNIME are powerful tools that can be integrated to enhance data processing and analysis capabilities. In this article, we will explore the process of integrating Google BigQuery into KNIME and discuss the various benefits, step-by-step setup guide, integration options, and best practices for optimizing performance. We will also delve into leveraging the data processing capabilities of Google BigQuery, utilizing SQL queries in KNIME, and visualizing and analyzing big data. Additionally, the article will cover integrating machine learning capabilities, troubleshooting common issues, security considerations, and real-world use cases for leveraging the integration between Google BigQuery and KNIME. Lastly, we will share some tips and tricks for efficiently working with large datasets in KNIME using Google BigQuery. Leggi tutto: https://zebrabi.com/guide/how-to-integrate-google-bigquery-into-knime/