推荐，最新大数据技术与算法PPT合集，第二部分共87份。 深度召回在招聘推荐中的挑战和实践 面向智能客服系统的情感分析技术 内容理解在新浪微博广告中的应用 朋友圈爆款背后的计算机视觉技术与应用 品牌广告中的NLP算法实践 汽车金融风控流程设计和机器学习实践 汽车之家推荐系统排序算法迭代之路 千人千面广告投放算法和平台架构 浅谈汽车金融全流程智能风控 让机器读懂人类：揭秘机器阅读理解技术及应用 人机交互式机器翻译研究与应用 人机语音对话技术在58的应用实践 柔性多模正则匹配引擎 深度树检索技术及应用框架的探索实践 深度学习新技术在搜狗搜索广告中的深化应用 深度学习在360搜索广告NLP任务中的应用 深入了解TiDB优化器 声明式智能推荐系统应用架构探索 时序数据库技术和架构演进 时序数据库LinDB架构演进 时序数据在滴滴实时数据开发平台中的处理和应用 实时计算平台架构与实践 实时计算引擎在贝壳的应用与实践 视频内容理解在Hulu的最佳实践 输入联想功能在即时通讯工具中的迭代进化 数据建模流程：以群体风险感知为例 搜索协同过滤中的交互函数 搜索引擎的搭建 搜索引擎算法体系：排序和意图篇 搜索引擎中的web数据挖掘 腾讯信息流推荐中内容理解探究 图推荐算法在E&E上的应用 推荐算法随谈 推荐系统解构 推荐系统中模型训练及使用流程的标准化 网易时间序列大数据平台应用实践 网易数据基础平台建设 网易新闻推荐：深度学习排序系统及模型 网易在智能分析领域的应用与实践.pptx 微博广告策略工程体系演进 微软MiniLM：任务无关的预训练语言模型压缩 物联网大数据平台的选型及应用 小米基于BERT的ASR纠错 携程金融大数据风控实践 新一代点击率预估主模型：深度兴趣演化网络 信贷风控策略分析 信贷业务的智能获客系统 行业知识图谱在房产行业的实践 营销平台国际化背景下的演进之路 营销增益模型（uplift model） 用人工智能打造虚拟生命 优酷搜索算法实践与思考 优酷DSP系统建设实践与思考 有视频底层页推荐系统从0到1的实践 云数据库ClickHouse核心技术解析-和君 云小蜜对话机器人背后的核心算法-蒽竹 云小蜜在移动的落地实践 知乎推荐页Ranking经验分享 知识结构化驱动智能客服升级 知识图谱的下半场：机遇与挑战 知识图谱的自动构建 知识图谱在贝壳找房的从0到1实践 智能定价下的收益管理基础 自然语言处理技术在金融资管领域的落地实践 Apache Beam架构原理及应用实践 Apache Doris技术及应用 AutoML在表数据中的研究与应用 C2C电商平台推荐系统架构演进 Cassandra在360的实践与改进 ClickHouse技术在手机淘宝流量分析的应用实践 CV赋能精细化销售管理：从0到1构建商品识别系统 DNN在美图个性化推荐的应用实践 Druid SQL和Security在美团点评的实践 Druid精确去重在快手的设计与实现 Druid在苏宁的实践 Embedding技术在房产推荐的应用 FATE：新一代联邦学习技术及应用实战 Hulu内容理解技术实践 NLP在微博信息流推荐中的应用 NLP在Hulu的应用与实践 NLPCC：预训练在小米的推理优化落地 OCPC在凤凰新媒体的实践 Query理解和语义召回在知乎搜索中的应用 RALM：实时Lookalike算法在微信看一看中的应用 Sophon：智能OLAP缓存层技术实践 TDengine：物联网大数据平台 Tiny-NEZHA技术分享

大数据技术之高频面试题8.0.2.docx

工程教育专业认证背景下数据科学与大数据技术专业人才和课程培养体系研究.pdf

首先介绍数据可视化的概念，然后，分类介绍可视化工具，最后给出几个典型的可视化案例

4.K-最近邻(KNN)分类并行化算法 基本算法设计思想 K-最近邻是分类器算法中最通俗易懂的一种，计算测试样本到各训练样本的距离，取其中距离最小的K个，并根据这K个训练样本的标记进行投票得到测试样本的标记。 加权K-最近邻分类算法的思路是，在根据测试样本的标记进行投票表决时，将根据测试样本与每个训练样本间距离（或相似度）的大小决定训练样本标记的作用大小，基本原则是：距离越近的训练样本其标记的作用权重越大，反之则越小。据此，可以建立一个带加权的投票表决计算模型(比如y’ = ∑Si*yi/∑Si, k=[0,k-1],Si为取值0-1的相似度数值，yi为选取出的最邻近训练样本的分类标记值)决定以最终的测试样本的分类标记。 算法的思路清晰简单，然而对于海量数据计算量很大，耗费时间较长。

学习

CDH6.3.2配置Hue+Sentry权限管理.pdf

Centos7.6部署CM6.3.1+CDH6.3.2集群.pdf

农业是我们国家的主要生计来源。 当前面临水资源短缺、供需失控的成本以及天气不确定性等挑战，农民必须配备智能农业。 尤其需要解决由于气候变化不确定、灌溉设施差、土壤肥力下降和传统耕作技术而导致作物产量低的问题。 机器学习就是一种用于预测农业作物产量的技术。 各种机器学习技术如预测、分类、回归和聚类被用来预测作物产量。 人工神经网络、支持向量机、线性和逻辑回归、决策树、朴素贝叶斯是一些用于实现预测的算法。 然而，从可用算法池中选择合适的算法给研究人员带来了关于所选作物的挑战。 在本文中，对各种机器学习算法如何用于预测作物产量进行了调查。 已经提出了一种在大数据计算范式中使用机器学习技术预测作物产量的方法。

物联网行业不再仅仅只是设备的接入，设备接入后数据的采集和融合，以及融合后的分析，会为整个社会带来重要的价值。数据，让我们更真实的了解社会与自然，让人与自然、与社会更加的融合。7月22日，首届阿里云分享日×云栖大会北京峰会上，以“万物互联，智慧云端”为主题的阿里云物联网论坛邀请多位技术专家共享技术的创新实践。阿里云相信，作为IaaS层与提供物联网应用解决方案的合作伙伴一起，提供垂直行业的解决方案，可以帮助传统制造型直接向物联网智能硬件企业转型。阿里云物联网业务总经理刘飞在题为“万物互联，智慧云端”的演讲中表示，随着终端芯片、通信设施等技术的发展以及云计算技术出现带来的海量数据存储与处理能力，促使