使用这些数据集，我们可以得到工作项目和它们的结构。
Using these data sets, we can get the work items and their structures.
问题是，对于许多想要设计系统来应对这些挑战的研究人员来说，实验所需的大量数据集根本不存在。
The trouble is, for many of the researchers who'd like to design systems to address these challenges, massive datasets for experimentation just don't exist.
他们使用的数据集不包括经济数据，所以研究人员转而研究2013至2016年幸福感的下降是否与经济指标有关。
The dataset they used did not include economic data, so instead the researchers looked at whether the 2013-16 wellbeing decline was tracking economic indicators.
“最终的人脸识别算法应该能在一个数据集里处理数十亿人的数据。”研究人员写道。
"An ultimate face recognition algorithm should perform with billions of people in a dataset," the researchers wrote.
开始测试，加载选中的输入数据集。
执行了选择所有数据集的查询。
数据集越大，过程花费的时间越长。
双击模板可将其应用于当前数据集。
Double-clicking on a template applies it to the current data set.
这个版本只能保持强类型数据集同步。
With this release it can only keep strongly-typed datasets in sync.
对数据集的分布进行建模。
该数据集还描述了这两个表的主键。
The DataSet also depicts the primary keys of the two tables.
首先，配置多维数据集事实属性。
我们将使用来自清单1的数据集和查询。
优化olap模型和多维数据集。
虚拟数据集不包含缓存刷新调度信息。
The virtual cubes do not have cache refresh scheduling information.
尤其要注意子数据集的层次结构定义。
Note especially the hierarchy definitions for the depending cubes.
虚拟数据集上没有专门的安全性设置。
度量数据集的分散性。
虚拟数据集包含所有可用维度的集合。
The virtual cube contains the union of all available dimensions.
每个节点可以同步地将数据集传输到其他节点。
Each node can transfer data sets simultaneously to every other node.
稍后您要向该数据集添加更多的输入或者输出列。
You can add more input or output columns to this data set later.
网上有大量关于可视化、绘图法和数据集的信息。
An immense wealth of information on visualization, cartography, and datasets is available across the Web.
选择两个用于合并成虚拟数据集的数据集。
Select the two cubes to be aggregated to form the virtual cube.
直方图以图形的方式总结和显示一个数据集的分布。
A histogram is used to graphically summarize and display the distribution of a process data set.
如果不删除这些数据集，DSNUTILS会失败。
来自查询访问的多维数据集模型切片的属性。
Attributes from the slice of the cube model accessed by the query.
本文描述了如何配置多语言多维数据集模型。
This paper illustrates how to configure the multilingual cube model.
设计olap多维数据集模型和多维数据集。
应用推荐