sparkling
收录了 sparkling 频道下的 12 篇内容
通过计算存储分离实现高性能弹性化的 Spark 部署 | QCon
的弹性化对其在云上实现灵活部署有着重要的意义：易失性的云主机部署，节点失效成为常态；存储计算分离，有限的本地存储加上大量的远端存储（块存储、对象存储）。
Databricks 统一分析平台提供 AutoML Toolkit
Databricks最近发布了统一数据分析平台，其中包括一个名为AutoML Toolkit的自动化机器学习工具。
通过计算存储分离实现高性能弹性化的 Spark 部署
本次分享介绍一种高性能实现 Spark 存储计算分离的创新架构。
空间数字中断：通过卫星实现高速互联网接入
卫星可以让我们在农村地区、飞机上以及互联网服务提供商的核心网络上高速接入互联网。空间技术创新，如电力推进、数字化、电信革命以及像SpaceX这样的新进入者正在降低卫星发射成本。这些发展将带来新的服务，并降低现有服务的成本。
Spark the Change 大会：闪亮颠覆
让人们可以在任何地方生活和工作的新交通系统，让人们可以通过App分享故事获得改变企业的思路的人脉关系，让这个世界上每个地方的人都可以联系起来的不受空间限制的高速互联网，这些就是Spark the Change大会上谈及的闪亮颠覆。
2016 机器学习大盘点（第四篇）
本文介绍了机器学习和深度学习领域的11家初创公司，他们的产品和技术，以及未来的发展潜力。
2016 机器学习大盘点（第 2 篇）
作为系列文章的第二篇，本文介绍了2016年最主要的机器学习和深度学习技术、项目、框架，并回顾了相关领域的重要进展和事件。
产业互联网起风了：这一次，腾讯又站上了风口
产业互联网，起风了
Gartner2018 数据科学和机器学习平台魔力象限上的赢家和输家
我们比较了《Gartner 2018 数据科学和机器学习平台的魔力象限》和它的2017版本，注意到领导者和挑战者的显著变化。 Gartner预计，未来两到三年内，数据科学和机器学习平台市场将继续出现动荡。传统的厂商将努力变得更加敏捷和具有高响应性。随着数据科学和机器学习变得越来越普遍，拥有管理数据和分析数据的企业能力将变得越来越重要。
技术实践干货 | 初探大规模 GBDT 训练
本文是此前评估在 Spark 上做大规模 GBDT 训练时写的一篇入门级教程与框架评估。目前市面上似乎没有多少使用 Spark 来跑 GBDT 的分享，故分享出来看看是否有做过类似场景的同学可以一道交流。
使用 Apache Spark 管理、部署和扩展机器学习管道 (十一)
写在前面： 大家好，我是强哥，一个热爱分享的技术狂。目前已有 12 年大数据与AI相关项目经验， 10 年推荐系统研究及实践经验。平时喜欢读书、暴走和写作。
京公网安备 11010502039052号 | 产品资质
