P4 数据挖掘与分析心得体会 文档
映射到某个给定的类别。它可以应用到客户的分类、客户的属性和特征分析、客户满意度分析、客户的购买趋势预测等，如一个汽车零售商将客户按照对汽车的喜好划分成不同的类，这样营销人员就可以将新型汽车的广告手册直
xsh1019
自动洞察：大数据的下一个重大转折 资讯
关于这些问题，出现了部分解决方案，是由科技巨头公司(如谷歌，雅虎等)开发的数据管理软件，去得到新的数据生成，如Hadoop。一开始，这个软件是运行在商用服务器硬件，它是快速开源的，因此可以帮助一些企业用低廉的成本解决
jopen 在大规模系统中使用Scala 经验
InfoQ：为什么这套系统没有选择Java？ Jayne ：我们已经有了一个用Java编写并基于Hadoop的组件。虽然我们也可以在这个组件的基础上打造新系统，但其它所有后台组件都是用Scala编写的。
每个软件工程师都应该知道的有关实时数据的统一概念 经验
分布式系统套件的转换。这是一件令人兴奋的事情：我们构建、部署，而且直到今天仍然在运行的分布式图形数据库、分布式搜索后端、 Hadoop安装以及第一代和第二代键值数据存储。 从这一切里我们体会到的最有益的事情是我们构建的许多东
TensorFlow-dev-summit：那些TensorFlow上好玩的和黑科技 经验
在医疗方面，TensorFlow被科学家用来搭建根据视网膜来预防糖尿病致盲（后面也提到Stanford的PHD使用TensorFlow来预测皮肤癌，相关工作上了Nature封面）； 通过在音乐、绘画这块的领域使用TensorFlow构建深度学习模型来帮助人类更好地理解艺术；
P44 the log：每个程序员都应该知道有关实时数据的统一抽象 文档
database）、分布式搜索后端（distributed search backend）、 Hadoop以及第一代和第二代键值数据存储（key-value store），而且这套系统一直运行至今。
你的老婆是怎么算出来的？揭秘佳缘用户推荐系统 资讯
离线计算效率的优化 ：从开始的单机计算，到后来的Hadoop分布式计算。 离线计算效果的优化： 尝试了不同的相似度计算方法，以及不同的预测产生方式，但效果并不明显。 离线计算改为线上实时计算：
使用Docker, Luigi和Spot Instances玩转PB级的数据管道处理任务 资讯
ll Prospecting的核心是一种大规模机器学习模型，通过对数十亿Cookie进行分析，能够预测出谁最有可能对您的产品感兴趣，从而为您的企业发现新客户。 现代化的数据驱动产品AdRoll P
伯克利AI分布式框架Ray，兼容TensorFlow、PyTorch与MXNet 经验
或超参数搜索），这些解决方案的效果很好，同时 AI 领域之外也存在一些高质量的分布式系统（如 Hadoop 和 Spark），但前沿开发者们仍然常常需要从头构建自己的系统，这意味着需要耗费大量时间和精力。
使用Docker、Luigi和Spot Instances玩转PB级的数据管道处理任务 资讯
Prospecting 的核心是 一种大规模机器学习模型 ，通过对数十亿Cookie进行分析，能够预测出谁最有可能对您的产品感兴趣，从而为您的企业发现新客户。 现代化的数据驱动产品 AdRoll
重新思考 LinkedIn 的认证模块架构 经验
可认证技能：这个流程会预测一个用户可能拥有或想要发展的技能条目。 推荐认证：这个流程会提供每个用户可以认证的（接受者，技能）元组列表。 这两个流水线能够在离线状态下的 Hadoop 工作流中，利用机
认知时代来临，IBM大数据解决方案能力凸显 资讯
有存储密集型、计算密集型特点，并有同构、异构架构要求。新一代LC产品中的S812LC特别适用于Hadoop、Spark，能够满足大数据的高带宽、存储能力大、单节点存储能力强、多线程同步等需求。另外，L
P28 云计算-现状与前景简介 文档
云计算Cloud Computing 2. 引言《纽约时报》租用亚马逊的云计算服务，使用基于云计算的开源软件Hadoop，将其自1851年以来的1100万份报道转变成可搜索的数字化文档，耗时仅一天。如果用传统方法，这项工作可能要数月才能完成。
无论是云计算SaaS,PaaS还是IaaS,拼的都是运维! 问答
t，而Java里也有N多的中间件框架和技术。另外分布式文件系统GFS/TFS，分布式计算系 统Hadoop/Hbase等等，分布式的东西都不神秘了。技术的实现在以前可能是问题，现在不是了。 对
学习笔记：The Log（我所读过的最好的一篇分布式技术文章） 经验
1 Log的价值 1) Log是如下系统的核心： 分布式图数据库 分布式搜索引擎 Hadoop 第一代和第二代K-V数据库 2) Log可能跟计算机的历史一样长，并且是分布式数据系统和实时计算系统的核心。
说说Kubernetes是怎么来的，又是怎么没的 经验
大型云提供商也准备好迎接低成本的Kubernetes即服务。 监控、日志记录、安全和合规软件厂商也极为激动，因为他们能更加容易地预测自己要集成的底层软件堆栈了。 三、走向多云化 今天，盈利最多的专有后端开发者基础设施提供商就是
P61
P39 存储简单简介 文档
变集群存储的架构，且扩展起来非常方便，像搭积木一样进行存储的扩展。特别是对于那些对数据增长趋势较难预测的用户，可以先购买一部分存储，当有需求的时候，随时添加，而不会影响现有存储的使用。 特点:分布式操