收录了 数据流分析 频道下的 50 篇内容
近日,CERT Secure Coding团队发布了一款免费工具,它能够分析Android应用程序中的敏感信息泄漏。CERT的研究人员称,他们的工具“是一款面向Android应用程序的、最准确的污染流静态分析工具。
伯克利RISE实验室又有新动作,最近开源了一个多数据流实时分布式分析系统Confluo。它可以作为网络监控和诊断框架,也可以作为时序数据库和发布订阅消息系统。作为时序数据库,它的性能比其他时序数据库高出数倍,而作为发布消息订阅系统,它的吞吐量比Kafka高出4到10倍。
摘要: 科技媒体ars technica的编辑Sean Gallagher于近日参观了通用电气(GE)的国际研究中心,并探访了GE的“工业互联网”。随后撰文描述了GE的野心:它们正在研发一个名为Predix的云操作系统,对从物联网设备传来的数据进行挖掘和分析。
深入了解测试过程中被测系统的架构与数据流,有助于理解业务逻辑,梳理业务用例以及促进部门协同。
Mohammed Guller撰写的《Spark大数据分析》(Big Data Analytics with Spark)一书针对使用Apache Spark框架执行批处理、互操作、图表、数据流分析,以及机器学习等不同类型的大数据分析项目提供了实用的学习指南。InfoQ采访了本书以及各种大数据应用程序开发工具的作者Mohammed Guller。
Facebook 推出即时翻译功能
物联网的迅猛发展,让人们不得不调整数据平台的设计思路和处理方式。2017年Gartner指出,到2020年,210亿只IoT设备对数据中心存储需求增长将不超过3%。 GPU数据库带来了三大方面的进步:加载速度、实时处理和宽表多条件查询。它最大的革新点之一在于,不再需要借助索引来加速访问。
当提到“实时分析”,大家脑海里首先浮现的是大屏上不断跳跃闪烁的数字和波动的曲线,让人有种纵观全局的掌控感。
在物联网时代,大量的感知器每天都在收集并产生着涉及各个领域的数据。由于商业和生活质量提升方面的诉求,应用物联网(IoT)技术对大数据流进行分析是十分有价值的研究方向。这篇论文对于使用深度学习来改进IoT领域的数据分析和学习方法进行了详细的综述。从机器学习视角,作者将处理IoT数据的方法分为IoT大数据分析和IoT流数据分析。论文对目前不同的深度学习方法进行了总结,并详细讨论了使用深度学习方法对IoT数据进行分析的优势,以及未来面临的挑战。
在8月18-19日,上海交大副教授林云,即将分享《语言模型驱动的软件工具思考:可解释与可溯源》
本文,我们做一些探索性数据分析
深度解读:深度学习在IoT大数据和流分析中的应用;使用深度学习为异常检测开发认知 IoT 解决方案:使用 Apache SystemML 执行异常检测;创建 Google Assistant 控制的 Android Things 设备;AWE 2018亮点:物联网+智能家电实现主动服务 智能时代开启新篇章;MTK 与腾讯游戏成立联合创新实验室 从 P60 开始探索 AI 与 AR 应用;Echo 发出“巫婆笑声”吓坏用户,亚马逊回应规避了隐私和安全隐忧;海尔百度就智慧家庭 达成战略合作。
数据分析特别是实时数据分析,已经越来越多的成为各行各业的分析要求与标准
本文是本教程的第一部分,我将在本文中讲述如何收集流行音乐的数据并清理。 目前,全部代码已经放到了GitHub上。