首 页 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 尾 页

线下活动预告:Elasticsearch广州交流会

发布者: superzhang | 发布时间:2017-11-13

Elastic Meetup 是有 Elastic 中文社区定期举办的线下交流活动,本次广州活动云集了阿里云、网易、酷狗等搜索技术大咖分享和探讨各自领域Elasticsearhc实践。阿里云在10月杭州云栖大会期间和Elastic联合发布了阿里云Elasticsearch服务,为用户提供大数据检索和分析功能。本次活动也请到阿里云搜索领域的专家介绍阿里云Elastiserach服务的技术架构和Xpack相关功能,并分享在云上环境搭建ELK的实践案例。欢迎大家参加。 时间: 2017.11.25​  下午2:00-5:00(1点半开始签到)  地点:

QQ20171113_103022

牛逼师兄的指导 吴兵:有没

想读更多 ->

共享链系统平台开发

发布者: superzhang | 发布时间:2017-11-13

共享链旨在通过区块链的共识机制和加密数字货币系统的奖励机制,构建数据真实唯一性和可信信用体系,打造共享经济闭环生态圈,真正实现“信用互联,共享未来”的伟大愿景。

想读更多 ->

物联网大数据与智慧农业

发布者: superzhang | 发布时间:2017-11-13

以物联网、大数据为核心的新一波智慧农业兴起后,大幅提高了环境资料收集能力,随时在远程了解天气、空气与土壤湿度、作物生长情况或是养殖场的水温、氧气浓度等关键数据,大幅提升种植或养殖效率,让过去很难养的农作物得以顺利量产,摆脱只能“靠天吃饭”的窘境。 物联网技术 以跨国农业生技巨人孟山都为例,他们近年买下了土壤分析公司、天气保险公司,为得就是取得大量的天气、土壤数据,不仅能用数据推估未来气候对农业生产造成损害的各种情况,还可以结合双方数据,进一步研究出那些孟山都肥料、种苗与作物、土壤、病虫害之间的最佳组合配方。    另一方面,大数据更进一步推动了新育种技术。之前种苗培育者往往要在温室和田地之间反复测验育种、杂交之结果,但德惠于大量的基因数据,育苗者现在透过计算机仿真分析就能须先预测作物的种植成果,大幅减少育种实验的时间成本。换句话说,只需要在地里试种规模小得多的实验作物,进行验证,就可以判断出在大规模环境中,种植的效果如何,然后培育者便可以确定哪种杂交作物,最适合某个特定的土壤环境。    台湾兰花长年以来就是花卉外销的最强主力,尤其蝴蝶兰更是世界级的供应者。但是其抽梗开花对温度、湿度的要求极为严苛,受天候、时节的影响程度也十分大。如果当年万一不小心比较冷一点或暖一点,就常常造成大批兰花无法在农历年准时开花,错过市场需求让花农的心血毁于一旦。   

想读更多 ->

海量的物联网数据处理应该怎么部署

发布者: superzhang | 发布时间:2017-11-13

目前,许多企业正在采用物联网来使用数据,从而更好地了解其运营情况,做出更明智的决策,重新定位客户参与度,并重新思考如何创造价值。随着低成本传感器,弹性计算和数据科学的快速发展,许多行业观察家期望企业迅速部署物联网设备。 物联网 专家预计,在这一时期内,所有这些开发项目将在全球范围内产生大约44万亿兆字节的额外的物联网数据。这使人们想到了一个核心问题:采用哪种最佳技术架构来解决这一爆炸性增长的数据趋势?

本地部署的物联网架构   本地部署的物联网架构采用边缘计算,其中在网络边缘处理数据,这个位置最接近数据源头。而根据调研机构IDC的调查,到2019年,45%的物联网设备数据将被存储,处理,并靠近边缘计算。该模式可以提供更小的性能足迹,可以帮助企业对数据进行更多的实时响应。例如,在石油钻井平台上,采用传感器可以检测故障的阀门是否产生火灾隐患。在这种情况下,企业不能承受任何延误。如果数据需要发送到卫星,在数据中心返回到通知关闭阀门之前,其响应时间可能太晚了。但是,随着更快的边缘部署,数据不必远离其数据来源。这可以减少时间延迟,并允许做出关键的决定。   此外,本地部署的架构不依赖互联网连接,如云环境。并且本地部署的架构也受到面临严重数据安全问题的企业的青睐。利用边缘计算的本地体系结构有很多意义。    云端物联网架构   云端物联网架构有利

想读更多 ->

健康医疗大数据应用 传统医疗面临挑战

发布者: superzhang | 发布时间:2017-11-13

回顾历史,“大数据”这个时髦的词汇,在物理学、生物学、环境生态学等领域,以及军事、金融、通讯等行业存在已有时日。但是真正引起人们高度关注的,还是因为近年来互联网和信息行业的迅速发展所致。数据,已经渗透到当今每一个行业和业务职能领域,成为重要的生产因素。人们对于海量数据的挖掘和运用,预示着新一波生产率增长和消费者盈余浪潮的到来。搭上“互联网+”的列车,医疗机构便开始行进在医疗信息数字化的路上。

大数据医疗

其中,健康大数据应用是新医疗服务模式的核心,无论是患者健康数据、电子病历,还是可穿戴设备所上传的健康数据都将集中于此,为患者就诊、医生问诊提供参考依据。

医疗数据是医生对患者诊疗和治疗过程总产生的数据,包括患者基本数据、电子病历、诊疗数据、医学影像数据、医学管理、经济数据、医疗设备和仪器数据等,以患者为中心,成为医疗信息的主要来源。而不断数据化的信息,在使医院数据库信息容量不断膨胀的同时,也对疾病及病人的管理、控制和医疗研究起到了积极的作用,价值不菲。

  

但是,发展了那么多年的传统医疗行业,现在要跨入“互联网+”的频道,其固有的复杂性和特殊性致使转型难度不容小觑。就拿一个初具规模的医院来说,每天需要接待上万的患者前来就诊,患者的基本信息、影像信息与其他特殊诊疗信息汇集在一起,

想读更多 ->

浅析医疗产品公司对大数据的应用

发布者: superzhang | 发布时间:2017-11-13

医疗行业早就遇到了海量数据和非结构化数据的挑战,而近年来很多国家都在积极推进医疗信息化发展,这使得很多医疗机构有资金来做大数据分析。医疗产品公司可以利用大数据提高研发效率。拿美国为例,这将创造每年超过1000亿美元的价值。

医疗

  1.预测建模

  医药公司在新药物的研发阶段,可以通过数据建模和分析,确定最有效率的投入产出比,从而配备最佳资源组合。模型基于药物临床试验阶段之前的数据集及早期临床阶段的数据集,尽可能及时地预测临床结果。评价因素包括产品的安全性、有效性、潜在的副作用和整体的试验结果。通过预测建模可以降低医药产品公司的研发成本,在通过数据建模和分析预测药物临床结果后,可以暂缓研究次优的药物,或者停止在次优药物上的昂贵的临床试验。

  除了研发成本,医药公司还可以更快地得到回报。通过数据建模和分析,医药公司可以将药物更快推向市场,生产更有针对性的药物,有更高潜在市场回报和治疗成功率的药物。原来一般新药从研发到推向市场的时间大约为13年,使用预测模型可以帮助医药企业提早3~5年将新药推向市场。

  2.提高临床试验设计的统计工具和算法

  使用统计工具和算法,可以提高临床试验设计水平,并在临床试验阶段更容易地招募到患者。通过挖掘病人数据,评估招募患者是否符合

想读更多 ->

USNews大学排名遭美国计算机研究学会怒怼,指排名荒谬要求撤回

发布者: superzhang | 发布时间:2017-11-13

就在几小时前,计算机研究学会(CRA)发表了一份声明,要求USNews撤回其最新发布的全球大学计算机科学专业排名。

计算机研究学会(Computing Research Association,CRA)是北美计算机科学、计算机工程及相关领域的非盈利协会,从事基础计算研究的工业,政府和学术机构的实验室和中心和附属的专业协会。CRA成立于1972年,总部位于美国华盛顿特区,其成员包括200多家北美计算机研究机构以及附属专业协会(AAAI,ACM,CACS/AIC,IEEE计算机协会,SIAM,USENIX)。

而USNews的大学排行榜,作为全球最具影响力的大学排行榜之一,一直有着非常大的影响力。10月24日,USNews发布了2018年世界大学排行榜,在计算机科学学科科排行榜上,中国大学表现强势,共有三所高校进入全球前十,清华大学更是排名第一。

云计算是当今的企业争相从中捞金的领域,得益于AWS等云计算公司长达十多年时间的教育市场,云计算现在已经获得了相当大的企业用户基础,云计算创业公司也比比皆是,但即便如此,与云计算相关的概念仍然会混淆。

Tuomas  Sandholm:大家好,非常感谢新智元给我机会。今天我想跟大家分享不完全信息博弈,这跟西洋跳棋、围棋、象棋等其他完全信息博弈是不一样的。不完全信息博弈更像是谈判、扑克,适用于解决现实问题,因为现实生活中很多都是不完全信息。