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.
所以，最好将它用于较小的数据集。
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。
点击OK以保存并关闭数据集。
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.
输入要创建的数据集的名字。
这并非最有趣的数据集，但振奋人心。
This isn't the most entertaining data set, but it's encouraging.
对数据集的分布进行建模。
此外参加该计划的数据集还在不断增加。
Also, the number of participating data sets is rapidly growing.
首先，配置多维数据集事实属性。
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.
度量数据集的分散性。
数据集变得难以处理。
应用推荐