大数据技术
-
盘点2017:被大数据改变的十二个行业
当新技术变得越来越便宜、越来越易用时,各行各业必将随之发生改变。对于即将过去的2017年来说,这门对各行各业“大施魔法”的新技术,显然叫做大数据。今天,我们将盘点一下十二个重要行业如何利用数据,推动了自己的业绩与竞争力。
-
企业数据科学修炼指南(2018 年版)
“数据分析”究竟是怎样一种能力?美国大数据专家Bernard Marr认为,有六项能力,是这其中最基本的、不可或缺的技能模块。
-
「精细化运营」无从下手?那看看这张表吧!
角色画像是一个难度和门槛非常高的工作,因为传统调研都是通过人与人之间的观察和交流完成的,用户的使用环境和场景都不同,就需要调研者有很高的素质来对信息进行辨别,最后形成有效的结论。但随着近几年数据采集能力越来越强,基于用户行为数据来做用户画像,相较之下更为直接和高效。
-
基于低代码平台(Low Code Platform)开发中小企业信息化项目
借助低代码开发平台,可以更高效地理解中小企业的信息化项目需求,控制项目开发的成本,同时适应中小企业信息化需求变化快和缺乏专业技术人员进行项目维护的特点,是开发中小企业信息化项目的最佳选择。
-
2017年的数据工程生态系统
虽然没有人知道数据领域的未来如何,但有一点很清楚——新技术将使我们能够进一步利用我们的数据。无论是新技术和服务的出现,还是现有的功能的增加,开发人员都将拥有更丰富的工具来构建数据管道和平台。
-
感悟大数据 从数据管理和分析说起
作者:周傲英 1 引言 已经不记得第一次看到或听到“大数据”这个词是在什么时候了,应该比2012年3月29日要早不少时日。2012年3月29日,前美国总统奥巴马的科技政策办公室(Office of Science and Technology Policy, OSTP)宣布了投资两亿美元的“大数据研究和发展计划”。也是在同一天,我国科学技术部发布的“‘十二五…
-
领诚科技大数据日志分析解决方案
日志分析,并非大数据“雕虫技” 经过长期的信息化建设,企业积攒了成百上千套系统,每天产生海量的日志信息数据。然而,大量的日志信息往往被遗弃、或存放历史库中,未能有效发挥其价值。部分企业逐步意识到日志信息的重要性,部署了Tivoli等管理系统,但这种传统解决方案,对半结构和非结构化数据适应性极差,且局限于历史数据的统计展示,对日志数据的获取、使用和价值发挥均存…
-
什么是大数据?
虽然大数据是一个泛泛的概念词,但是关于大数据,关于大数据处理分析的话题近来持续升温,现在基本成了新一轮工业革命级别的话题。
-
《未来简史》:如何通过数据主义(Data-ism)深度了解用户
在《未来简史》这篇书评中,作者Yuval Noah Harari将把重点放在“数据主义”(Data-ism)上。它也是书中的另一个主题。具体地说,关于世界各地的非500强企业如何能够采用数据主义去获取见解以及商业优势。
-
嫌弃Hadoop可能是你的打开方式有问题
关于 Hadoop 所谓的消亡,以及它跌落神坛的报道数不胜数。有很多人放马后炮说,Hadoop 从一开始就没有意义。还有人说“Hadoop 对于小型,临时的工作来说很慢”、“ Hadoop 很难”、“ Hadoop 已经死了,Spark 才是胜者”等等。那么事实真的如此吗?
-
Gephi的实战又美观的运用 — 用社会关系图谱筛选作弊用户
社会网络,由许多节点(node)构成,节点通常是指个人或组织,节点之间发生着社会关系 。
-
使用Tensorflow训练线性回归模型并进行预测
Tensorflow是Google开发的开源机器学习库。本篇文章我们将使用Tensorflow对线性回归模型进行训练,并使用模型对数据进行预测。
-
用 Apache Spark 和 TensorFlow 进行深度学习
神经网络在过去几年中取得了惊人的进步,现在已成为图像识别和自动翻译领域最先进的技术。
-
无处不在的人工智能:Gartner发布2017年度新兴技术成熟度曲线
2017年7月,Gartner公司发布了年度新兴技术成熟度曲线。Gartner认为,2017年技术成熟度曲线揭示了未来5-10年的三方面技术趋势,一是无处不在的人工智能、二是身临其境的体验、三是数字化平台,这三个方面的汇聚会带来有竞争力的商业生态。
-
最全技术图谱!一文掌握人工智能各大分支技术
有关人工智能、神经网络、机器学习、深度学习与大数据的技术合辑