搜索　｜　会员　　
你所在的位置:信息化频道 /大数据
  • 『机器学习』　机器学习入门四------降低损失
    为了训练模型，我们需要一种可降低模型损失的好方法。迭代方法是一种广泛用于降低损失的方法，而且使用起来简单有效。迭代学习可能会让您想到“HotandCold”这种寻找隐藏物品（如顶针）的儿童游......
  • 『机器学习』　机器学习入门三------线性回归
    线性回归是一种找到最适合一组点的直线或超平面的方法。本模块会先直观介绍线性回归，为介绍线性回归的机器学习方法奠定基础。......
  • 『机器学习』　什么是机器学习,机器学习的在实际中的用处
    什么是（监督式）机器学习？简单来说，它的定义如下：机器学习系统通过学习如何组合输入信息来对从未见过的数据做出有用的预测。下面我们来了解一下机器学习的基本术语。......
  • 『机器学习』　机器学习术语表
    本术语表中列出了一般的机器学习术语和TensorFlow专用术语的定义。......
  • 『机器学习』　知识图谱构建技术综述
    知识图谱是结构化的语义知识库，用于以符号形式描述物理世界中的概念及其相互关系。其基本组成单位是“实体-关系-实体”三元组。通过知识图谱，可以实现Web从网页链接向概念链接的转变。......
  • 『综合』　推荐系统的重构技术解析
    在链接人与知识的路径中，知乎存在着大量的推荐场景。粗略统计，目前除了首页推荐之外，我们已存在着20多种推荐场景；并且在业务快速发展中，不断有新的推荐业务需求加入。......
  • 『Hadoop』　知乎的数据同步建设、工具选型及平台化实践
    从数仓建设的角度思考，数据仓库需要依赖于稳定和规范的数据源，数据需要经过采集加工后才能真正被数仓所使用。推动数据同步服务的平台化，才有可能从源头规范数据的产出。数据同步服务不像数据......
  • 『综合』　大数据平台的数据同步服务实践
    在大数据系统中，我们往往无法直接对在线系统中的数据直接进行检索和计算。在线系统所使用关系型数据库、缓存数据库存储数据的方式都非常不同，很多存储系统并不适合分析型（OLAP）的查询，也不......
  • 『机器学习』　机器学习中那些必要又困惑的数学知识
    现在很多想从事于机器学习的朋友都存在很多困惑，主要是很多相关的书看不懂，尤其是数学部分，机器学习的基础是数学。数学并非是一个可选可不选的理论方法，而是不可或缺的支柱。对于机器学习算......
  • 『Spark』　spark图解
    spark已经成为广告、报表以及推荐系统等大数据计算场景中首选系统，因效率高，易用以及通用性越来越得到大家的青睐，我自己最近半年在接触spark以及sparkstreaming之后，对spark技术的使用有一......
  • 『综合』　如何从零构建实时的个性化推荐系统
    在移动互联网迅速发展的今天，信息量爆发性增长，人们获取信息的途径越来越多，如何从大量的信息中获取我们想要的内容，成为了推荐系统研究的重点。随着大数据产业的不断壮大，推荐系统在企业也......
  • 『机器学习』　图的表示、深度广度遍历算法及其应用
    世间的一切对象都可化为节点；世间一切关系都可化为节点间的一条线；从而组成了如梦幻泡影的图。将来的环球必定是图的世界。......
  • 『Hadoop』　应对Hadoop集群数据疯长,这里祭出了4个治理对策！
    在目前规模比较大的互联网公司中，总数据量能达到10PB甚至几十PB数据量的公司，我认为中国已经有超过了20家了。而在这些公司中，也有很多家公司的日数据增长达到100TB+了。所以我们每天都要观察......
  • 『Spark』　实时数据平台设计：技术选型与应用场景适配模式
    本文我们则会推荐整体技术组件选型，对每个技术组件做出简单介绍，尤其对我们抽象并实现的四个技术平台（统一数据采集平台、统一流式处理平台、统一计算服务平台、统一数据可视化平台）着重介绍......
  • 『综合』　一文详解大规模数据计算处理原理及操作重点
    大数据技术主要针对的是大规模数据的计算处理问题，那么要想解决的这一问题，首先要解决的就是大规模数据的存储问题。大规模数据存储要解决的核心问题有三个方面：......
相关主题
大家在关注
我们的推荐
最新的干货