已有0人关注此标签
数据ACP总结（二）
作者: huangzhe118
220人浏览
接上 大数据ACP总结（一） 刚刚顺利苟过了阿里ACP, 主要复习策略是多次熟悉阿里云提供大数据官方教程，官方文档，并对核心环境做总结。 社区关于复习提纲的内容以及比较详细了，这里梳理下存在关键细节的考点，也给大家一些参考。
大数据ACP总结（一）
作者: huangzhe118
227人浏览
刚刚顺利苟过了阿里ACP, 主要复习策略是多次熟悉阿里云提供大数据官方教程，官方文档，并对核心环境做总结。 社区关于复习提纲的内容以及比较详细了，这里梳理下存在关键细节的考点，也给大家一些参考。 关键数字： 单表分区层级最多6级。
AI-DSW 上编辑嵌套式模型实现Resnet手势识别
作者: huangzhe118
790人浏览
体验了KerasGraph后，个人感觉它代表了最新的ai开发环境演进方向——类似轻代码（low code）编辑器，可以快速构建模型结构并验证模型效果，提升了我们对模型结构的实现效率，避免纠结与在TF过于繁琐的源码，而是Focus在模型结构优化本身，总体来说还是不错的。
在PAI-Notebook下训练DeepFM
作者: huangzhe118
561人浏览
在PAI-Notebook下训练DeepFM 应该说，DeepFM是目前最普遍的CTR预估模型之一，对于一个基于CTR预估的推荐系统，最重要的是学习到用户点击行为背后隐含的特征组合。在不同的推荐场景中，低阶组合特征或者高阶组合特征可能都会对最终的CTR产生影响。
当 Mars 遇上 RAPIDS：用 GPU 以并行的方式加速数据科学
作者: 继盛
1319人浏览
在数据科学世界，Python 是一个不可忽视的存在，且有愈演愈烈之势。而其中主要的使用工具，包括 Numpy、Pandas 和 Scikit-learn 等。 Mars 在 MaxCompute 团队内部诞生，它的主要目标就是让 Numpy、pandas 和 scikit-learn 等数据科学的库能够并行和分布式执行，支持通过 RAPIDS 平台用 GPU 加速数据科学。
第一届阿里巴巴大数据智能云上编程大赛优胜奖比赛攻略
作者: 北方的郎
348人浏览
这是一个2018年的比赛，大赛具体信息可以查看官网，比赛地址： https://tianchi.aliyun.com/competition/entrance/231669/introduction 我独自组队参加比赛，获得了第一赛季Rank1，第二赛季Rank3，第三赛季Rank4，决赛优胜奖的成绩。
SAP Data Intelligence API如何获得Access Token - no authentication means found
作者: jerrywangsap
1193人浏览
试图使用postman访问SAP Data Intelligence graph API时，遇到401 unauthorized的错误：no authentication means found API url：https://vsystem.
在SAP Data Intelligence Modeler里创建新的pipeline
作者: jerrywangsap
885人浏览
新建一个graph： 保存： 将Processing下面的Data Generator这个Operator拖拽到graph的编辑区域，点击<>符号开始编辑脚本： 可以查看自动生成的JavaScript代码： 这个Generator生成的随机数需要一个输出，这里我们选择terminal operator： 将data Generator的outport绑定到terminal的inport： 执行： 在终端上看到打印的输出： 本文来自云栖社区合作伙伴“汪子熙”，了解相关信息可以关注微信公众号"汪子熙"。
SAP Data Intelligence Modeler里的Kafka Producer和Kafka Consumer
作者: jerrywangsap
1009人浏览
首先本地将kafka的docker容器镜像下载到本地并运行： docker search kafka docker pull spotify/kafka docker run --name kafka3 spotify/kafka docker ps命令，查看tcp端口号： 新建一个gra...
Data Lake Analytics账号和权限体系详细介绍
作者: 我是萌豆
3003人浏览
一、Data Lake Analytics介绍 数据湖（Data Lake）是时下大数据行业热门的概念：https://en.wikipedia.org/wiki/Data_lake。基于数据湖做分析，可以不用做任何ETL、数据搬迁等前置过程，实现跨各种异构数据源进行大数据关联分析，从而极大的节省成本和提升用户体验。
太方便了！DLA消息回执，及时通知您的异步Query
作者: 我是萌豆
2279人浏览
一、DLA介绍 数据湖（Data Lake）是时下热门的概念，更多阅读可以参考：https://en.wikipedia.org/wiki/Data_lake。基于数据湖，可以不用做任何ETL、数据搬迁等过程，实现跨各种异构数据源进行大数据关联分析，从而极大的节省成本和提升用户体验。
Data Lake Analytics，大数据的ETL神器！
作者: 我是萌豆
6529人浏览
0. Data Lake Analytics（简称DLA）介绍 数据湖（Data Lake）是时下大数据行业热门的概念：https://en.wikipedia.org/wiki/Data_lake。
AnalyticDB for PostgreSQL 6.0 新版本技术解析
作者: 陆封
1841人浏览
本文介绍阿里云 AnalyticDB for PG 6.0版本 OLTP及OLAP方面的特性增强，以及主要场景优势。
今天来聊聊怎么高效建表
作者: May-Hologres
1410人浏览
在我们建表时，通常会给表附带属性，比如存储形式、生命周期TTL等，同时也会构建一些索引，以便查询的时候能够更加高效的得出查询结果。但是，不同的产品使用的编程语言又不一样，建表的语法可能也会有些差别，那今天小编就来为大家讲讲，怎么样在交互式分析中高效建表，（偷偷告诉你，看了这个文章，你的建表速度也会更...
