作者 
Elena Petrova
数据科学
Elena撰写数据研究与基准测试，以及关于采集数据质量的内容：如何衡量、清洗数据，并构建经得起检验的数据集。
撰写主题
- 数据研究与基准测试
- 数据质量
- 数据集构建
Elena Petrova的文章
-
2026年10月26日 · 知识
AI 训练数据市场与授权：何时购买，何时自行采集
AI 训练数据市场和授权交易如何运作，授权数据的真实成本是什么，以及决定何时购买数据集、何时自行采集的实用框架。
-
2026年10月24日 · 知识
AI训练流程中的数据溯源:证明你的数据集来源
AI训练数据溯源在实践中的含义:每份文档需要保留的记录、欧盟AI法案摘要的要求,以及如何将其贯彻始终。
-
2026年10月19日 · 数据抓取
重试经济学:重试不再划算的那个尝试次数
每一次重试成功的概率都比上一次更低。如何利用你自己的日志和几行 Python 代码,衡量重试何时不再划算。
-
2026年10月15日 · 住宅代理
理解住宅代理网络中的ASN多样性
如果大多数IP地址都集中在少数几个网络上,庞大的IP数量意义不大。如何衡量代理池中的ASN多样性、应使用哪些指标,以及良好表现是什么样子。
-
2026年10月11日 · 知识
验证码能阻止机器人吗,还是只是拖慢它们?衡量威慑力与破解率
二十年的研究表明验证码的真相:人类需要花多长时间,机器人和AI代理的破解率有多高,以及为什么它们如今更像是一种成本手段。
-
2026年10月8日 · 数据抓取
有效载荷效率:抓取的页面中有多少是你花钱买的样板内容
我们测量了来自前1000个网站的278个内容页面。你想要的文本大约占HTML的1%,只是浏览器下载内容中极小的一部分。
-
2026年10月7日 · 住宅代理
Shifter 目前拥有规模最大的美国住宅IP活跃池
我们再次对Shifter进行了住宅代理基准测试:在250,000次请求中发现212,212个活跃的美国IP,是我们测量过的16个网络中规模最大的美国活跃IP池。