信息聚焦
-
机器学习项目面临哪些障碍？听听IT经理怎么说
2016-12-07几十年来，机器学习已经成为高级分析场景的一部分，但是大数据平台和创建自动分析算法工具的出现使得机器学习变得更加重要。
-
如何选择合适的特殊劳动力管理的工具？
2016-12-06根据Staffing行业分析师2015年的报告，总体劳动力的20％至50％由这些特殊员工组成，许多组织现在正在不同程度上使用某种形式的临时劳动力。
-
西门子使用过程挖掘来提高制造可见性
2016-12-06在实施过程挖掘工具之前，制造商西门子几乎无法了解其生产瓶颈。现在，西门子很清楚地了解问题的根源所在。
-
大数据管道技术 推动Hadoop架构与开发模式的变革
2016-12-06最近几年，开源Hadoop风格的数据开发已经获得了很大的关注，但让主流企业采用这种开发模式依然用了很长时间。
-
SAP交叉对接如何优化供应链?
2016-12-05SAP交叉对接是SAP ERP中央组件（SAP ECC）的仓库管理组件中提供的一项功能，可以帮助公司减少对材料存储，速度交付的需求，并改善供应链管理。
-
大数据分析原地踏步 原来是分析工具面临信任问题
2016-12-05有时候大数据分析似乎总是在原地踏步，似乎数据信任的问题阻碍了数据分析的进一步应用。业务领导们理解新数据分析是必须经历的转型，但是他们不确定这种转变是否值得信赖。
-
边缘计算产业联盟：引领边缘计算产业发展 深化行业数字化转型
2016-12-04边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字化各方面的关键需求。
-
Cask框架：加速构建Azure HDInsight数据管道
2016-12-04Microsoft Azure之类的云正努力将部署简化，但这和端对端大数据分析应用程序的实现以及将其在云上运行一样困难。
-
Spark架构在大数据环境的核心位置找到用武之地
2016-12-01Spark的最开始的名片是它能比MapReduce更快地运行批处理应用程序，而其编程环境和执行引擎是嵌入在Hadoop原始版本中的。
-
功能上的“硬伤”并非Spark应用解不开的死结
2016-11-30虽然Spark自身还有待完善，但由于在批处理应用性能方面的优势，Spark正在逐渐将MapReduce边缘化，该数据处理引擎的使用正在快速增长。
新闻 >更多
-
Test post by Ketan
Test post by Ketan123
-
【IBM观察文章】人工智能如何重新定义计算系统与架构
人工智能时代的到来，使得数据及计算能力的重要性再次升级，以往x86架构下以CPU为核心的计算性能提升到达瓶颈，呼唤计算力的重构。
-
Gartner：人工智能将促使部分专业工作转型
由于人工智能（AI）将对商业策略及人力雇用带来冲击，首席信息官（CIO）须扮演好重要角色，带领企业做好准备。
-
关于如何选择混合云，你不得不知的几件事
近年来，提升云计算能力一直是IT决策者和企业对于未来规划的着重点，随着云计算的不断发展，混合云渐渐成为关键词。
电子杂志 >更多
-
《数据价值》2017年3月刊·当预测模型失败了
随着大数据环境的不断发展，集成和准备分析数据的工作正在发生显著的变化。
-
《数据价值》2016年10月刊·窥探未来的水晶球
企业可以利用Hadoop以及所有与它相关的技术设计大数据环境，以满足其特定的需求。但把所有的技术集成在一起并不是一件容易的事。