微博基于F的机器学习实践_final_version

2008年上线？中国最？的、最流？的社交媒体平台？提供？们在线创作、分享和发现优质内容的服务？？规模机器学习平台可？持千亿参数，百万QPS

2021-04-16
阅读310
下载0
17页
pdf

A基于F的机器学习平台

A是基于F的机器学习算法平台 - 相关名称的公共部分： Alibaba, Algorithm, AI, F, B - 由阿里巴巴计算平台事业部PAI团队研发 - 同时支持批式/流式算法，提供丰富的算法库 - 帮助数据分析和应用开发人员能够从数据处理、特征工程、模型训练、预测，端到端地完成整个流程。 - 提供 Java API 和 Python API （PyA）

2021-04-16
阅读258
下载0
27页
pdf

基于FIceberg构建企业级实时数据湖-胡争-阿里巴巴

Apache F 是大数据领域非常流行的流批统一的计算引擎，数据湖是顺应云时代发展潮流的新型技术架构。那么当 Apache F 遇见数据湖时，会碰撞出什么样的火花呢？本次分享主要包括以下核心内容：数据湖的相关背景介绍；经典业务场景介绍；为什么选择 Apache Iceberg；如何通过 F+Iceberg 实现流式入湖社区未来规划工作。

2021-04-16
阅读245
下载0
38页
pdf

快手指标规范化及OneService平台化实战-刘一凡

在大数据领域，指标是对业务的数据度量，所以业务获取的数据通常都以指标形式进行交付，例如：业务方提出的数据需求内容、向业务方展示的数字看板等，指标可谓是无处不在。但是，对指标的管理以及对外指标服务过程中，常会面临“规范不统一”、“口径不一致”、“出口不统一”等一系列问题。针对这些问题，快手数据平台构建了符合快手现状的指标中台体系（代号：盖亚/Gaia）并在全集团数据中台体系落地。本文为大家详细介绍快手的指标规范化建设以及OneService平台化的实战经验

2021-04-16
阅读419
下载0
31页
pdf

数仓ClickHouse多维分析应用实践-朱元

现状：1、即席查询性能差；2、数据链路长；3、数据压缩率低；4、需求响应慢；

2021-04-16
阅读300
下载0
14页
pdf

成本管理-快手大数据存储管理的落地实践-程伟

成本管理介绍 1、什么是成本管理 2、？数据成本管理架构快？存储管理策略快？存储管理实施？法未来规划

2021-04-16
阅读231
下载0
27页
pdf

F在腾讯视频的应用实践-董磊-腾讯

Apache F就是近些年来在社区中比较活跃的分布式处理框架，加上阿里在中国的推广，相信它在未来的竞争中会更具优势。F的产生背景不过多介绍，感兴趣的可以Google一下。F相对简单的编程模型加上其高吞吐、低延迟、高性能以及支持exactly-once语义的特性，让它在工业生产中较为出众。相信正如很多博客资料等写的那样"F将会成为企业内部主流的数据处理框架，最终成为下一代大数据处理标准。"

2021-04-16
阅读256
下载0
30页
pdf

5GNR基础原理及关键技术

5GNR可以覆盖各种复杂通信场景的5G网络使用需求。比如，n79频段主要覆盖“演唱会、体育赛事、商场超市”等人群密集场景；而n1频段则主要覆盖“县城、农村等广覆盖区域”,提供更稳定的5G网络体验； n28频段是中国第四大移动运营商中国广电”的5G颜段，可以多一种运营商的选择。

2021-04-16
阅读277
下载0
54页
pdf

上一页 1 …… 2166 2167 2168 2169 2170 2171 2172 2173 2174 2175 2176 …… 2193 下一页共 17542 条



立即登录

没有账户，需要注册

登录用户可享受以下权益

免费下载方案
服币提现
发布方案得服币
交易分成

精品推荐

竞争对手分析

母公司公司的总目标是什么?母公司要求该业务单位做什么?将业务单位的定位是什么(基础业务还是边缘业务)

阅读202
下载0

2025知识图谱与大模型融合实践案例集

随着人工智能的迅猛发展，知识图谱与大模型作为两大核心研究领域，各自彰显出独特的技术优势。知识图谱以结构化方式精准刻画实体关联，为知识表示与推理提供了可解释的框架;大模型则凭借海量数据训练展现出卓越的自然语言理解与生成能力，具备强大的泛化学习性能。

阅读239
下载4

国内重点工业物联网平台四类厂商分类及选型指南

阅读365
下载6

工业物联网平台的典型应用场景深度分析

工业物联网平台发展重点：一是行业深耕化，从通用型平台向“一米宽、百米深”的行业垂直平台转型，聚焦能源、交通、化工等领域的特定需求，沉淀场景化解决方案与行业Know-how，而非追求“大而全”的覆盖能力。二是智能融合化，工业大模型与平台深度结合，实现工业知识的智能化重构、应用开发的低代码化升级，以及生产运营的自感知、自决策、自优化闭环管控，AI成为提质增效的核心变量。三是生态协同化，平台不再是单一技术载体，而是串联产业链上下游的协同中枢，通过跨系统数据融合、产学研用金深度合作，形成“数据-算力-应用”的生态闭环，赋能供应链协同与产业集群升级。四是部署灵活化，采用“平台化产品+私有化部署”结合的模式，兼顾中小企业轻量化需求与大型集团定制化诉求，支持公有云、私有云、边缘端的混合部署，平衡成本与安全性。