- 线下活动预告:Elasticsearch广州交流会 11-13
- [leveldb] 大神对话录——leveldb 11-13
- 共享链系统平台开发 11-13
- 物联网大数据与智慧农业 11-13
- 海量的物联网数据处理应该怎么部署 11-13
- 健康医疗大数据应用 传统医疗面临挑战 11-13
- 浅析医疗产品公司对大数据的应用 11-13
- USNews大学排名遭美国计算机研究学会怒怼,指排名 11-13
- 不知道选择多云还是混合云?先把概念弄清楚吧 11-13
- 【AI VS 人类新高峰】冷扑大师发明人:用于策略推 11-13
线下活动预告:Elasticsearch广州交流会
发布者: superzhang | 发布时间:2017-11-13Elastic 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:
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。
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。
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
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,
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
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。
