大数据与人工智能融合的趋势分析_陈敏刚.pdf
文章从概念、目标、技术关注点等方面剖析了大数据与人工智能的技术内涵,从技术、平台等方面分析了大数据与人工智能技术的融合趋势,并给出了典型的融合应用场景,最后从标准化布局、融合新技术的标准化方面阐述了大数据与人工智能在标准化方面的融合。
文章从概念、目标、技术关注点等方面剖析了大数据与人工智能的技术内涵,从技术、平台等方面分析了大数据与人工智能技术的融合趋势,并给出了典型的融合应用场景,最后从标准化布局、融合新技术的标准化方面阐述了大数据与人工智能在标准化方面的融合。
本白皮书首先描述了人工智能的历史、概念与技术参考架构;其次,从关键技术、产业现状与趋势、安全、伦理与隐私等三方面描述了人工智能的技术与应用现状;接着,从国际、国内标准化现状、体系与工作重点描述了AI标准化工作的方向;最后,白皮书给出了十个人工智能在智慧城市、医疗、教育、机器翻译、安防、工业制造等领域的经典案例。
AI正在为各行各业赋能,改变人们生活、生产的方式。本报告将分析AI作为一种新的编程范式,对测试带来的挑战,并从方法论的角度探讨AI测试的流程、方法与策略,并给出了一个基于深度卷积神经网络的AI应用测试实践。
2018年大数据白皮书,从大数据发展趋势、大数据技术创新分析、大数据与实体经济融合、政务大数据发展、地方大数据产业发展、数据资产管理体系、数据立法等方面进行了梳理与研判。
本书通过Flume的架构概览与快速起步指南帮助你迅速掌握Flume。深入介绍Flume众多更加有用的组件的细节信息,包括用于即时数据记录持久化的重要的文件通道、用于缓存并将数据写到HDFS中的HDFS接收器,以及Hadoop分布式文件系统。对于Flume各个架构组件(源、通道、接收器、通道处理器、接收器组等),都提供了详尽的各种实现以及配置选项,你可以借此根据自己的需要来定制Flume。
敏捷数据科学2.0版-利用Spark构建全栈数据分析应用,英文原版,中文目录。使用敏捷数据科学的开发方法论将科研成果转化为有意义的数据科学应用;使用Python、Spark、Elasticsearch、Kafka、MongoDB、D3.js构建、部署、完善任意规模的数据分析应用;帮助产品团队学会使用敏捷的方式协作开发分析应用来保障工作成效。
本书分为三个主要部分:第一部分介绍了数据湖的概念、企业中数据湖泊的重要性,以及Lambda架构的最新进展;第二部分将深入研究使用Lambda架构构建数据湖的主要组件,介绍了一些流行的大数据技术,如Apache Hadoop、Spark、Sqoop、Flume和弹性搜索;第三部分以实际操作的方式展示如何实现一个企业数据湖,并介绍了几个实际的用例,而且展示了如何将其他外围组件添加到湖中以提高效率。