2015年到2016年，58集團在整個業務和戰略層面面臨了幾項大的挑戰：一是各平臺間整合后如何發揮協同優勢，如何搭建適應各個業務線發展的大平臺+垂直的業務模型；二是經過十年的高速發展，如何在產品...

推薦引擎在當前電商平臺用的相當多，本文簡單理解下常見的幾張推薦方式。首先說明下大數據用戶畫像可以用于針對性營銷和單品推薦，但是即使沒做用戶畫像也可以進行商品推薦。

工業和研究中數據的大幅增長為計算機科學帶來了巨大的機會與挑戰。由于數據大小超過了單臺機器的能力，用戶需要新的系統將計算擴展到多個節點。因此，針對不同計算工作負載的新集群編程模型已呈爆炸式增長。

如今微服務架構討論的如火如荼。但在企業架構里除了大量的OLTP交易外，還存在海量的批處理交易。在諸如銀行的金融機構中，每天有3-4萬筆的批處理作業需要處理。針對OLTP，業界有大量的開源框架、優...

目前，數智大數據處理套件TBDS3.0正式版已經對外發布，數智大數據工坊也在邀測中，可見數智的產品矩陣與能力已經十分完善。同時，騰訊云大數據中的方略產品線，也已經上線了多款產品，包括用戶洞察分析...

Apache Beam(原名Google DataFlow)是Google在2016年2月份貢獻給Apache基金會的Apache孵化項目，被認為是繼MapReduce，GFS和BigQuery...

時空數據挖掘是數據挖掘中的重要研究內容，其中時空預測的應用領域最為廣泛。隨著信息技術的發展，人們已經不滿足于單純的空間數據的存儲和展現，而是需要更先進的手段幫助理解空間數據的變化，發現空間數據之...

大數據是具有海量、高增長率和多樣化的信息資產，它需要全新的處理模式來增強決策力、洞察發現力和流程優化能力。

今年是IoT物聯網的元年，也是人工智能的元年。之所以人工智能這么熱，與大數據有密不可分的關系，大數據就是現在網絡時代的石油。

Hadoop是大數據領域最流行的技術，但并非唯一。還有很多其他技術可用于解決大數據問題。除了Apache Hadoop外，另外9個大數據技術也是必須要了解的。

隨著互聯網、媒體、用戶、市場的變化，企業發現過去他們所做的粗狂式運營已經不能有效的提升效率和增加企業用戶了，所以，一些企業開始找尋新的運營方式，比如逐漸轉變為CPM(每千人成本)化的精細化經營，...

互聯網二次革命的移動互聯網時代，如何吸引用戶、留住用戶并深入挖掘用戶價值，在激烈的競爭中脫穎而出，是各大電商的重要課題。通過各類大數據對用戶進行研究，以數據驅動產品是解決這個課題的主要手段，攜程...

PPTV作為國內視頻領域的領先者，對于大規模流媒體的存儲、處理、分發及應用，有著迫切的要求。容器技術及微服務模式的出現，使大規模的研發交付效率大為提高。因此我們基于Docker技術打造了DCOS。

眾所周知，大數據正在以驚人的速度增長，幾乎觸及各行各業，許多組織都被迫尋找新的創造性方法來管理和控制如此龐大的數據，當然這么做的目的不只是管理和控制數據，而是要分析和挖掘其中的價值，來促進業務的發展。

互聯網二次革命的移動互聯網時代，如何吸引用戶、留住用戶并深入挖掘用戶價值，在激烈的競爭中脫穎而出，是各大電商的重要課題。通過各類大數據對用戶進行研究，以數據驅動產品是解決這個課題的主要手段，攜程...

對于很多開發人員而言，大數據應用的開發尚未上手，人工智能又已經泛濫，當前大數據公司也逐漸向人工智能靠攏。是否人工智能將成為應用的必要屬性？開發人員應當如何透過現象直面技術本質并充實自身的技能？日...

最近幾年一直參與大數據產品的研發，同時大數據產品在海量數據場景下其處理性能又是其主要的賣點和突破，所以個人在這幾年經常忙于如何對大數據產品進行性能上面的優化，并且想通過本文和大家聊聊具體的幾種比...

最近這幾周大數據領域可謂動作頻頻，初創公司和老牌企業都紛紛發布新品，更新或改進現有的產品系列，以及達成戰略性關系。

我每天都在思考，思考很重要，是一個消化和不斷深入的過程。

在本篇文章，作者將討論機器學習概念以及如何使用Spark MLlib來進行預測分析。后面將會使用一個例子展示Spark MLlib在機器學習領域的強悍。