收录了 数据分析技术架构 频道下的 50 篇内容
今年是IoT物联网的元年,也是人工智能的元年。之所以人工智能这么热,与大数据有密不可分的关系,大数据就是现在网络时代的石油。2016 年 10 月 28 日上午 7 位大数据相关专家齐聚“2016 易观 A10 大数据应用峰会”对实时分析技术的看法和实践经验进行了分享和讨论,从技术角度解析了企业如何做到实时分析。
本文着眼于顶级云服务商云服务商的云数据库方案背后的架构,以及笔者最近观察到的一些对于云数据库有意义的工业界的相关技术的进展,希望读者能有所收获。
数势科技的SwiftAgent通过引入指标语义层和大模型能力,实现数据分析的民主化,帮助非技术用户跨越数据门槛,提升数据分析效率和价值,推动企业数字化转型。
大数据已经不是新的话题,今天,我们更关注数据价值而不是数据本身。
聊聊大数据领域和数据仓库方向的技术演进
本次分享介绍如何用 Analytics-Zoo 构建统一的大数据 AI 应用架构。
本次分享介绍TutorABC对在线教育的认识,比较在线教育同其它形式教育的差异性,以及在线教育要解决的问题。
数据工作中有一类非常重要的角色,那就是数据分析师。
本次分享介绍腾讯大数据技术的新发展和架构实践。
本系列文章梳理了国内外银行信息化历程,包含区块链、云计算、物联网、移动端、人工智能各方面的应用情况。
ClickHouse 以不依赖 Hadoop 生态、安装和维护简单、查询速度快、可以支持 SQL 等特点在大数据分析领域越走越远。
直播概要当业务发展到一定规模,实时数据仓库就成了必要的基础服务。从数据驱动方面考虑,多维实时数据分析系统的重要性也不言而喻。
本文简述大数据分析的技术挑战,数据架构模式,实现更优的通用大数据架构模式,及可以涵盖的典型数据处理场景。
奇富科技将大模型持续运用到业务场景中,开启金融科技行业的自我革新。
ClickHouse由于其性能方面的突出优势,正在分析型数据库领域掀起一波新的技术浪潮。
这场大会,可以说是Kyligence对于国内市场理解后的一份成绩单。接下来的时间里,Kyligence能否用其新发布的功能产品来引领国内这样一股数据为本、数据为先的数据分析潮流呢?
大数据架构的发展可用三个时代九种架构来做总结,其中前四代是传统数据仓库时代的架构,后面五代是大数据架构模式。
目前,金融服务、医疗保健、制药、电信等行业都正在积极拥抱图分析技术。
数据团队就像是一个数据中台,能够全面贯穿整个组织的数据流。
近年来,一体化数据融合平台的概念逐渐受到关注。那么,真的可以使用一套解决方案应对所有场景吗?一体化数据平台有哪些主流选项?Lambda 与 Kappa 架构各有哪些优势和不足?企业该如何选择适合自己的解决方案?