導航:首頁 > 網路數據 > 第4屆ccf大數據

第4屆ccf大數據

發布時間:2023-06-17 18:41:05

⑴ 2021年CCF科學技術獎:清華大學獲自然科學一等獎

清華大學牛,榮獲中國計算機學會2021年度CCF科學技術獎自然科學一等獎! 以下為中國計算機學會公布的2021年度「CCF科學技術獎」全部獲獎項目名單。

1、大規模異構計算系統並行編程模型與優化理論

完成單位:清華大學

2、高精度智能化的軟體分析與測試方法

完成單位:中國科學院軟體研究所、中國人民大學

3、基於圖的網路性能優化理論與方法

完成單位:上海交通大學

1、安卓操作系統安全防護的理論與方法

完成單位:復旦大學

2、面向高維數據的集成學習演算法

完成單位:華南理工大學

3、復雜軟體系統的網路化解析與優化理論及方法

完成單位:武漢大學

4、開放系統量子計算理論及新型量子計算原理

完成單位:中國科學院數學與系統科學研究院

5、基因組組裝與模式挖掘的基礎理論與演算法

完成單位:中稿早南大學

1、大規模智能雲網路關鍵技術及平台

完成單位:阿里雲計算有限公司、浙江升敬世大學、上海交通大學

2、面向工業領域的軟體形式化建模與自動化測試關鍵技術及工具國產化應用

完成單位:華東師范大學、上海工業控制安全創新 科技 有限公司、卡斯柯信號有限公司、工業和信息化部電子第五研究所

3、專用處理器晶元自動設計技術與應用

完成單位:中國科學院計算技術研究所、中科馭數 科技 有限公司、中科物棲 科技 有限公司

1、數據自治開放技術

完成單位:復旦大學

2、多源異構大數據智能挖掘與性能優化

完成單位:湖南大學、中國人民解放軍國防 科技 大學、哈爾濱工業大學(深圳)

3、水滴形柔性屏技術及可折疊產品

完成單位:聯想研究院

1、螞蟻反欺詐智能風險感知與響應系統關鍵技術和應用

完成單位:螞蟻集團

2、AtlasGraph大規模圖數據分析平台

完成單位:北京海致星圖 科技 有限公司、清華大學、北京海致 科技 集團有限公司

3、虛擬存儲環境關鍵技術與應用

完成單位:中國人民解放軍國防 科技 大學、廈門大學、國家超級計算天津中心

1、全浸沒液冷雲計算數據中心技術創新及產業化

完成單位:吵肢阿里雲計算有限公司

2、基於雲架構的能源監測與分析平台的研製及產業化

完成單位:福州大學、國網信通億力 科技 有限責任公司

3、智能城市操作系統

完成單位:京東城市(北京)數字 科技 有限公司

4、物聯網低代碼開發平台及應用

完成單位:浙江大學、阿里雲計算有限公司

5、ZoomAI——基於人工智慧的視頻修復及增強系統

完成單位:北京愛奇藝 科技 有限公司

6、智能化手術系統的關鍵技術及產業化應用

完成單位:中國石油大學(華東)、青島海信醫療設備股份有限公司、大連東軟教育 科技 集團

1、基於網路空間的態勢感知與防禦雲安全平台

完成單位:杭州安恆信息技術股份有限公司

2、面向智能生產決策的求解引擎及應用

完成單位:聯想研究院

3、基於可信執行環境的區塊鏈數據隱私保護技術

完成單位:螞蟻區塊鏈(上海) 科技 有限公司

4、醫學影像智能分割關鍵技術與應用

完成單位:浙江大學

⑵ 中國人民大學舉辦數據科學與工程學術報告會

中國人民大學重點實驗室舉辦數據科學與工程學術報告會,此次報告會的目的是為了更好地了解工業界的實際需求以及平台的使用情況,加強同行之間的學術交流,促進中國人民大學計算機學科的發展,來自滴滴大數據與數據挖掘研究院的李佩博士、蘇州大學的李直旭副教授、劉冠峰副教授和劉安副教授四位青年學者受邀作報告。
中國人民大學信息學院下設經濟信息管理系、計算機科學與技術系、數學系,以及數據工程與知識工程研究所、管理科學與工程研究所,其中數據工程與知識工程研究所是教育部重點實驗室。
李佩博士結合過去自己在LinkedIN公司的工作經驗,給我們介紹了LinkedIN公司的大數據譽罩系統PYMK及其相關的生態系統。同時,也對當前流行的大數據處理平台Hadoop、Spark及各自的生態圈作了一個系統的介紹。此外,他還介紹了滴滴出行在大數據技術面臨的機遇與挑戰。最後,李佩博士結合自己在英屬哥倫比亞大學的讀博經歷,向在校生推薦了大數據與機器學習領域必讀的經典教材,並對他們未來的擇業提出了一些中肯的建議。
李直旭副教授報告的題目是「藉助Web大數據來處理數據質量問題」。李直旭副教授從六個維度( 錯誤數據、不一致性、丟失數據、過時數據、不適用、不確定性)介紹了數據質量問題普遍存在的一個基本事實,並簡要地綜述了圍繞每一個維度處理數據質量問題的相關工作。結合其近年來的相關工作,以關系數據為依託,李直旭副教授分別介紹了如何藉助Web中的大數據來進行記錄連接(record linkage)和記錄的補全工作。
劉冠峰副教授報告的題目是「社交網路與信任」。劉冠峰副教授首先介紹了社交網路及基於讓芹社交網路的各類應用,並著重指出社交網路中參與人之間的信任關系是整個社交網路各類應用的基礎。基於此前提,劉冠峰副教授對其發表在ICDE『2015(資料庫A類會議)上就如何快速有效地挖掘出符合參與人之間預設信任關系的方法進行了詳細的闡述。
劉安副教授系統地介紹了加密軌跡數據上的相似性計算問題。除了闡述了加密軌跡數據上的相似性計算面臨的挑戰,其還詳細地介紹了如何通過重寫三個操作符(歐氏距離計算、最大最小選擇、條件執行),來實現加密軌跡數據上的相似性計算,並從理論上證明了該方法的安全性和可靠性。
以最近開源的大數據處理系統Greenplum為背景,Greenplum系統開發團隊的劉奎恩博士即興分享了其在大數據時代進行資料庫開源的背景與意義。
除了在校師生,中國人民大學舉辦的本次報告還吸引了來自工業界和學術界(包括CCF大數據協會、中科院、EMC/Pivotal公司、網路、先鋒創投等)的相關人士近50人前來參會,大家提問踴躍,本次報告得到圓滿的成功。
李佩博士:2010年碩士畢業於中國人民大學信息學院資料庫與智能信息檢索實驗室,2014年底博士畢業於英屬哥倫比亞大學計算機系數據管理與挖掘實驗室。2013年6月到8月以及2015年初到9月,工作於美國加州山景城LinkedIn公司SNA(搜索、網路與分析)部門,擔任關系推薦系統工程師,在大數據管理與挖掘第一線從事研發工作。2015年10月至今,在滴滴出行研究院負責數據挖掘項目。在知名國際期刊和學術慶滑鬧會議上(包括KDD、ICDE等A類國際會議)發表論文近20篇,是數據挖掘知名會議SDM』10的最佳論文獲得者。
李直旭副教授:2002-2009年就讀於中國人民大學信息學院攻讀計算機學士和相關證書。2013年畢業於澳大利亞昆士蘭大學獲計算機科學博士學位。2013-2014年就職於沙特阿卜杜拉國王科技大學(KAUST)做博士後研究員,並於2014年入職蘇州大學計算機科學與技術學院。目前主要從事數據質量,大數據應用,數據挖掘與信息抽取等領域的研究工作。曾參與國內外多項科研基金項目的研發工作。在IEEE TKDE, EDBT, CIKM, WWWJ等頂級國際期刊與知名國際會議上發表論文30餘篇。
劉冠峰副教授:2013年畢業於澳大利亞 Macquarie 大學,獲得計算機博士學位。 博士論文獲得當年澳大利亞最佳博士論文提名。2013年1月至2013年8月就職於Macquarie 大學 (Research Fellow) 和 悉尼科技大學 (Visiting Research Fellow),並於2013年9月入職蘇州大學。目前主要從事可信計算、社交網路信息挖掘、圖資料庫等領域的研究工作。曾參與多項澳洲科研基金項目研究。在ICDE、AAAI、TSC、FGCS、WWWJ、ICWS,等重要國際期刊與知名國際會議上發表論文20餘篇。
劉安副教授:2009年獲得中國科學技術大學和香港城市大學聯合培養博士學位,2009年至2013年在香港城大-中國科大聯合高等研究中心擔任Senior Research Associate,2013年底加入蘇州大學。研究方向主要集中在數據管理與分析方面,包括時空資料庫,數據安全與隱私,雲計算與服務計算等。在國際期刊和學術會議上(包括IEEE Trans., CCF推薦的A/B類國際會議)發表論文50多篇。

考研政策不清晰?同等學力在職申碩有困惑?院校專業不好選?點擊底部官網,有專業老師為你答疑解惑,211/985名校研究生碩士/博士開放網申報名中:https://www.87dh.com/yjs2/

⑶ ccfbdci是什麼

ccfbdci是CCF大數據與計算智能大賽(CCF Computing Inelligence Contest,舉型散簡稱CCF BDCI)。是由中國計算機學會於2013年創辦的國際化智能演算法、創新應用和大數據系統大型挑戰賽事,是全球大數據與人工智慧領域最具影響力的活動之一。中國計算機學會(CCF)是由從事計算機及相關租山科學技術領域的科研、教育、開發、生產、管理、應用和服務的個人及單位自願結成、依法登記成立的全國性正氏、學術性、非營利學術團體,是全國一級學會,是獨立社團法人,是中國科學技術協會成員。

⑷ 它用分布式資料庫替代Oracle、SAS,讓銀行告別西方軟體「霸凌」

WPS成功上市代表了信息化企業軟體國產化的趨勢。在雷濤看來,WPS不是簡單復制後替代Windows office,而是找到了下一代產品需求。

以往無論是運營商還是銀行核心系統,大架構都壟斷在西方的 IOE(IBM、Oracle、EMC)這三座大山裡。直到2008年阿里提出去「IOE」運動,開始助推信息化軟體國產化浪潮。

天雲數據就是其中最早一批入場者。2010年為了建立中國完整的雲計算產業鏈,中國寬頻之父田溯寧投資建設雲基地,天雲數據便由此孵化,初備雛形。

2015年,雷濤帶領創始團隊們正式成立天雲數據,率先切入金融領域。天雲提供了國內領先的國產HTAP資料庫Hubble,完成了「去IOE」中最困難的部分,替代金融A類核心系統慣用的西方IOE架構,在銀行的聯機事務中解決A類核心系統減負問題。此外,為了降低AI使用門檻,天雲數據還推出AI PaaS平台MaximAI,逐步將數據價值逐漸擴展到能源、醫葯、軍事等其它行業。

目前天雲數據有70多家行業內大企業客戶,單筆合同200-500萬,純軟體年營收過億。

融資方面,天雲數據2018年曾獲得曦域資本、華映資本B輪1億人民幣投資。

作為行業老兵,雷濤在北美跨國公司有20多年的技術管理經驗, 2005年便入席SNIA存儲工業協會中國區技術委員會聯合主席,CCF中國計算機學會大數據專委會委員。

2011年在雲基地時期,雷濤和創始團隊通過BDP大數據平台負責了眾多運營商業務,如聯通的數據魔方、移動總部、南方基地等,2015年天雲數據正式獨立後,雷濤為了避免同業競爭,選擇先聚焦在金融領域。

「天雲數據的目標是替代 Oracle 和 SAS 」。雲基地時期的積累讓天雲數據一開始就有高起點,首單就接下了光大銀行的核心系統——OLTP線交易系統。比如銀行能在全國所有營業廳實時實現OOTD交易,實時查詢存錢取錢數額,整個環節涉及的技術都是天雲數據早期對Oracle的一些替代。

但之後在多次的項目操作過程中雷濤發現,在幾百萬條交易規格的強一致性下,數據的移動性、計算框架的變化、聯機事務同時要做大規模並行計算,這對計算場景的通用性、即時性和全量數據要求極高,傳統 Oracle架構根本無法適應。

「在Oracle架構之上,還需要升級滿足新需求」。

於是天雲數據自主研發HTAP國產分布式資料庫Hubble。與傳統 IT 架構處理失誤需要聯機分析和分開處理不同,HTAP 資料庫能夠在一份數據上同時支撐業務系統運行並做 OLAP 場景,避免在線與離線資料庫之間大量的數據交互,為系統減負。

HTAP國產分布式資料庫Hubble替代了Oracle一體機,核心表2000餘張80T左右、400億條交易數據、提供56隻服務應用交易、滿足500個用戶並發、500ms交易服務響應、每天在線交易量超200萬、占整個銀行核心交易量的10%,讓銀行面向櫃面系統可提供7*8小時A類實時核心交易,面向手機網銀系統可提供7*24小時A類實時核心交易。

從集中式Oracle切換到分布式HTAP,也解決了資料庫擴展性的問題。比如天雲數據讓光大銀行解決了 歷史 數據查詢問題,以往 歷史 查詢只能查到2年前,但在分布式技術上線後,可以查詢15年前所有交易數據,同時讓銀行櫃面系統以及手機APP可以無數人同時查詢。

而在BI逐步轉向AI的過程中,復雜的商業流程經演算法重構。過去要把數據拿到SAS平台先分析,一層一層地把數據提出來搭建。但現在通過分布式技術,流程趨於扁平化,可以實現毫秒級的服務響應。

天雲數據一開始就撬動的是行業頭部資源。目前天雲數據有光大銀行、興業銀行、中信銀行、中泰證券、中國石油、國家統計局等70餘家行業內大企業客戶,分布在金融、能源、醫葯、政府軍事等領域,單筆合同級別超百萬

針對每個垂直行業,天雲數據都會成立一個子公司來專注賽道。目前天雲數據有160人,技術人員超六成。

在雷濤看來,如果一年600個項目,全是5萬、15萬等碎片化的訂單,公司總是重復滿足初級客戶的簡單需求,技術很難沉澱和深入。「在當下成長階段,打造產品需要在用戶想要什麼和你想做什麼中找到平衡」。

對於雷濤而言,專注頭部大B發展有兩大發展潛力。一方面,大B擁有機器學習的普遍能力和實驗室,更容易接受新產品。另一方面,天雲數據交付產品和交付服務的同時也在轉移大B客戶的數據價值。

「AI本身是一個知識生產過程,它能把大型企業規則、流程的經驗價值快速地抽樣出來進行復制,賦能行業內其它客戶甚至類似的其它行業。」

但在頭部客戶更定製化、個性化的情況下,天雲數據是否失去了很強的復制能力?

雷濤解釋到,雖然每個企業要求不盡相同,但都在不大的池子里找資料庫。企業從海量數據中對數據進行遷徙、清洗、去重,可以去找合適的AI方法讓它產生業務的價值,此過程具有通用性。

談到核心壁壘,雷濤認為天雲數據壁壘就是數據的復制價值。

壁壘的構建可分為兩個階段。第一個階段是前沿 科技 本身的壁壘,比的是效率和產品核心價值,誰能夠扎得深和更好的交付,誰就能拔得頭籌。而作為國內最早研發大數據和人工智慧的團隊,天雲數據有一定的技術先發優勢。

第二個階段是推理端的服務。數據資源的價值需要通過機器學習進行提煉,形成知識,進而封裝成推理服務服務於行業。比如某保險公司20年長周期發生的重疾賠付定價上學習出來的特徵和內容能夠快速地移植到保險行業,而頭部大企業客戶給天雲數據帶來很優質的訓練資料庫。

未來AI將引爆萬億級大市場,但目前滲透率不到1%,這給各企業留有眾多機會和想像空間。但無論哪種圈地方式,最終比的是速度、服務的穩定性以及產品化的能力。

⑸ 2021年,CIDC證書都有哪些評委的名字

1、曹建農,長期致力於分布式計算,無線網路和移動計算,大數據分析領域研究,取得了重要成果,為擴大CCF海外影響做出了突出貢獻。
2、陳文光,長期從事計算機系統研究,在科研與技術轉移方面成效突出,對CCF計算機軟體能力認證的發展做出了傑出貢獻。
3、李華偉,在微處理器全生命周期可靠設計和專用處理器自動設計的研究與應用方面取得了重要成績,CCF學術服務貢獻突出。
4、李肯立,長期從事並行與分布式處理和高性能計算研究並取得了突出成績,對CCF在地區的發展和推廣方面做出了重要貢獻。
5、劉挺,長期從事自然語言處理研究並取得突出成績,積極參與CCF各類活動並做出了重要貢獻。
6、羅軍舟,長期從事計算機網路科研與教學工作,在該領域取得了重要成果,對CCF多項學術活動做出了重要貢獻。
7、謝濤,在軟體測試技術和軟體解析研究方面取得了重要成果,並為CCF學術交流做出了重要貢獻。
8、陽振坤,在激光照排柵格圖像處理系統和分布式關系資料庫方面取得了突出成績,成果得到廣泛的產業化應用,對CCFYOCSEF的發展作出了突出貢獻。
9、趙偉,在計算機科學教育和科研領域取得了突出成就,積極參與CCF各類活動,發起龍星計劃,為我國計算機教育和人才培養做出了突出貢獻。以上就是2021年,CIDC證書的評委的名字。

⑹ 中國大數據六大技術變遷記

中國大數據六大技術變遷記_數據分析師考試

集「Hadoop中國雲計算大會」與「CSDN大數據技術大會」精華之大成, 歷屆的中國大數據技術大會(BDTC) 已發展成為國內事實上的行業頂尖技術盛會。從2008年的60人Hadoop沙龍到當下的數千人技術盛宴,作為業內極具實戰價值的專業交流平台,每一屆的中國大數據技術大會都忠實地描繪了大數據領域內的技術熱點,沉澱了行業實戰經驗,見證了整個大數據生態圈技術的發展與演變。
2014年12月12-14日,由中國計算機學會(CCF)主辦,CCF大數據專家委員會協辦,中科院計算所與CSDN共同承辦的 2014中國大數據技術大會(Big Data Technology Conference 2014,BDTC 2014) 將在北京新雲南皇冠假日酒店拉開帷幕。大會為期三天,以推進行業應用中的大數據技術發展為主旨,擬設立「大數據基礎設施」、「大數據生態系統」、「大數據技術」、「大數據應用」、「大數據互聯網金融技術」、「智能信息處理」等多場主題論壇與行業峰會。由中國計算機學會主辦,CCF大數據專家委員會承辦,南京大學與復旦大學協辦的「2014年第二屆CCF大數據學術會議」也將同時召開,並與技術大會共享主題報告。
本次大會將邀請近100位國外大數據技術領域頂尖專家與一線實踐者,深入討論Hadoop、YARN、Spark、Tez、 HBase、Kafka、OceanBase等開源軟體的最新進展,NoSQL/NewSQL、內存計算、流計算和圖計算技術的發展趨勢,OpenStack生態系統對於大數據計算需求的思考,以及大數據下的可視化、機器學習/深度學習、商業智能、數據分析等的最新業界應用,分享實際生產系統中的技術特色和實踐經驗。

大會召開前期,特別梳理了歷屆大會亮點以記錄中國大數據技術領域發展歷程,並立足當下生態圈現狀對即將召開的BDTC 2014進行展望:
追本溯源,悉大數據六大技術變遷
伴隨著大數據技術大會的發展,我們親歷了中國大數據技術與應用時代的到來,也見證了整個大數據生態圈技術的發展與衍變:
1. 計算資源的分布化——從網格計算到雲計算。 回顧歷屆BDTC大會,我們不難發現,自2009年,資源的組織和調度方式已逐漸從跨域分布的網格計算向本地分布的雲計算轉變。而時至今日,雲計算已成為大數據資源保障的不二平台。
2. 數據存儲變更——HDFS、NoSQL應運而生。 隨著數據格式越來越多樣化,傳統關系型存儲已然無法滿足新時代的應用程序需求,HDFS、NoSQL等新技術應運而生,並成為當下許多大型應用架構不可或缺的一環,也帶動了定製計算機/伺服器的發展,同時也成為大數據生態圈中最熱門的技術之一。
3. 計算模式改變——Hadoop計算框成主流。 為了更好和更廉價地支撐其搜索服務,Google創建了Map/Rece和GFS。而在Google論文的啟發下,原雅虎工程師Doug Cutting開創了與高性能計算模式迥異的,計算向數據靠攏的Hadoop軟體生態系統。Hadoop天生高貴,時至今日已成為Apache基金會最「Hot」的開源項目,更被公認為大數據處理的事實標准。Hadoop以低廉的成本在分布式環境下提供了海量數據的處理能力。因此,Hadoop技術研討與實踐分享也一直是歷屆中國大數據技術大會最亮眼的特色之一。
4. 流計算技術引入——滿足應用的低延遲數據處理需求。 隨著業務需求擴展,大數據逐漸走出離線批處理的范疇,Storm、Kafka等將實時性、擴展性、容錯性和靈活性發揮得淋漓盡致的流處理框架,使得舊有消息中間件技術得以重生。成為歷屆BDTC上一道亮麗的風景線。
5. 內存計算初露端倪——新貴Spark敢與老將叫板。 Spark發源於美國加州大學伯克利分校AMPLab的集群計算平台,它立足於內存計算,從多迭代批量處理出發,兼容並蓄數據倉庫、流處理和圖計算等多種計算範式,是罕見的全能選手。在短短4年,Spark已發展為Apache軟體基金會的頂級項目,擁有30個Committers,其用戶更包括IBM、Amazon、Yahoo!、Sohu、網路、阿里、騰訊等多家知名公司,還包括了Spark SQL、Spark Streaming、MLlib、GraphX等多個相關項目。毫無疑問,Spark已站穩腳跟。
6. 關系資料庫技術進化—NewSQL改寫資料庫歷史。 關系資料庫系統的研發並沒有停下腳步,在橫向擴展、高可用和高性能方面也在不斷進步。實際應用對面向聯機分析處理(OLAP)的MPP(Massively Parallel Processing)資料庫的需求最迫切,包括MPP資料庫學習和採用大數據領域的新技術,如多副本技術、列存儲技術等。而面向聯機事務處理(OLTP)的資料庫則向著高性能演進,其目標是高吞吐率、低延遲,技術發展趨勢包括全內存化、無鎖化等。
立足揚帆,看2014大數據生態圈發展
時光荏苒,轉眼間第2014中國大數據技術大會將如期舉行。在技術日新月異的當下,2014年的BDTC上又可以洞察些什麼?這里我們不妨著眼當下技術發展趨勢:
1. MapRece已成頹勢,YARN/Tez是否可以再創輝煌? 對於Hadoop來說,2014是歡欣鼓舞的一年——EMC、Microsoft、Intel、Teradata、Cisco等眾多巨頭都加大了Hadoop方面的投入。然而對於眾多機構來說,這一年卻並不輕松:基於MapRece的實時性短板以及機構對更通用大數據處理平台的需求,Hadoop 2.0轉型已勢在必行。那麼,在轉型中,機構究竟會遭遇什麼樣的挑戰?各個機構如何才能更好地利用YARN所帶來的新特性?Hadoop未來的發展又會有什麼重大變化?為此,BDTC 2014特邀請了Apache Hadoop committer,Apache Hadoop Project Management Committee(PMC)成員Uma Maheswara Rao G,Apache Hadoop committer Yi Liu,Bikas Saha(PMC member of the Apache Hadoop and Tez)等國際頂尖Hadoop專家,我們不妨當面探討。
2. 時過境遷,Storm、Kafka等流計算框架前途未卜。 如果說MapRece的緩慢給眾多流計算框架帶來了可乘之機,那麼當Hadoop生態圈組件越發成熟,Spark更加易用,迎接這些流計算框架的又是什麼?這里我們不妨根據BDTC 2014近百場的實踐分享進行一個側面的了解,亦或是與專家們當面交流。
3. Spark,是顛覆還是補充? 與Hadoop生態圈的兼容,讓Spark的發展日新月異。然而根據近日Sort Benchmark公布的排序結果,在海量(100TB)離線數據排序上,對比上屆冠軍Hadoop,Spark以不到十分之一的機器,只使用三分之一的時間就完成了同樣數據量的排序。毫無疑問,當下Spark已不止步於實時計算,目標直指通用大數據處理平台,而終止Shark,開啟Spark SQL或許已經初見端倪。那麼,當Spark愈加成熟,更加原生的支持離線計算後,開源大數據標准處理平台這個榮譽又將花落誰家?這里我們一起期待。
4. 基礎設施層,用什麼來提升我們的網路? 時至今日,網路已成為眾多大數據處理平台的攻堅對象。比如,為了克服網路瓶頸,Spark使用新的基於Netty的網路模塊取代了原有的NIO網路模塊,從而提高了對網路帶寬的利用。那麼,在基礎設施層我們又該如何克服網路這個瓶頸?直接使用更高效的網路設備,比如Infiniband能夠帶來多少性能提升?建立一個更智能網路,通過計算的每個階段,自適應來調整拆分/合並階段中的數據傳輸要求,不僅提高了速度,也提高了利用率。在BDTC 2014上,我們可以從Infiniband/RDMA技術及應用演講,以及數場SDN實戰上吸取寶貴的經驗。
5. 數據挖掘的靈魂——機器學習。 近年來,機器學習領域的人才搶奪已進入白熱化,類似Google、IBM、微軟、網路、阿里、騰訊對機器學習領域的投入也是愈來愈高,囊括了晶元設計、系統結構(異構計算)、軟體系統、模型演算法和深度應用各個方面。大數據標志一個新時代的到來,PB數據讓人們坐擁金山,然而缺少了智能演算法,機器學習這個靈魂,價值的提取無疑變得鏡花水月。而在本屆會議上,我們同樣為大家准備了數場機器學習相關分享,靜候諸位參與。
而在技術分享之外,2014年第二屆CCF大數據學術會議也將同時召開,並與技術大會共享主題報告。屆時,我們同樣可以斬獲許多來自學術領域的最新科研成果。

以上是小編為大家分享的關於中國大數據六大技術變遷記的相關內容,更多信息可以關注環球青藤分享更多干貨

⑺ ccfbigdata難中嗎

難中。ccfbigdata難中,大數據已經成為國家戰略,也是多學科交叉融合的紐帶。中國計算機學會大數據學術會議CCF Bigdata 以加強大數據領域國內外研究學者之間的合作交流,促進我國多學科交叉融合與大數據產業發展為宗旨,已經發展成為國內最有影響的大數據學術會議。

⑻ 2019 巨頭們做智慧城市的新武器是什麼丨CCF-GAIR

中國已經成為全球智慧城市最大的試驗場。

隨著數字化轉型成為國策,數字政府被打造為「一號工程」,各類智慧城市解決方案像雨後春筍般冒了出來。雖然最早這個概念由IBM提出並延伸,但似乎西方不亮東方亮,中國的各類應用和方案跑的更快。

大企業帶資入場,依靠集團財務實力和政府資源,能迅速拿下地方政府項目,但小廠商依託垂直技術只能單點突破,甚至最後不得不站隊抱上大腿,因為城市級解決方案的天性決定了單點突破不是最終的需求。

也因此,「平台化」成為了智慧城市各大玩家的首選,也成為當前智慧城市領域最明顯的趨勢,當然,滴滴、UBER的成功也都是這種玩法。這其間,中小廠商在短期內是各大平台型廠商爭奪資源的對象,但後期資源飽和,勢必也會面臨轉型的思考。

平台的競賽

城市是一個固定的地理區域,但更多的是服務的綜合,比如醫療、教育、金融、交通、民生、環保、能源、安防、地產等,這些單獨的領域實際上大都出現過巨頭公司,他們提供的方案讓城市管理者們欣喜:終於,城市病得到了緩解,智慧交通讓路況好轉,能源監測讓流失減少,金融 科技 提高安全系數......

但是,在經歷過城市信息化進程並正式步入新興智慧城市階段,各種單點應用之間的關聯系數在清裂世快速提升,彼此不能孤立存在。

因此,城市管理者從治理、營商、民生三個角度綜合來看,需要能「一下子搞定」的方案,一步到位,一勞永逸。這就是目前智慧城市千帆競渡的獨特景象,誰沖到最前面,就能領先,而我們知道,大船的馬力足以支撐他們最先抵達。

研究機構和標准化組織在智慧城市領域起到的是「頂層設計」的作用,但真正的將技術沉澱到每一寸土地,主力還是各大互聯網 科技 公司,以阿里、騰訊、網路、平安、京東、華為、浪潮、商湯、雲從等公司的「平台化」趨勢最為明顯。

阿里打造的平台是「ET城市大腦」,技術架構上分布著4個平台:一體化計算平台、數據資源平台、智能平台、應用支撐平台。其背後,是強勢的雲計算和AI技術做支撐。

騰訊推出的最新戰略是「WeCity未來城市解決方案」,相比之前版本的「城市超級大腦」做了升階,用微信、小程序等應用進行數字政務、城市治理等方案的落地。大部分技術來源自建,行業應用部分對方開放。

網路則倡導的是「AI City」智能城市的概念,利用最擅長的交通優勢切入,推動自動駕駛的落地。車路協同+自動駕駛是網路的打法基礎。

華為提出的平台方案是「數字平台」,對雲、大數據、GIS、視頻雲等實現統籌。畢竟,華為智慧城市的優勢在底層基礎設施,安防也是一大亮點業務,多年ICT的積累正在釋放這種優勢。

平安從金融這種壁壘性的優勢切入,提出「1+N」平台體系,不做硬體,只做技術支持,一朵智慧城市雲+N個行業板塊,把數據治理列為重點。

京東在打造「城市操作系統」上狠下決心,推出「城市計算平台」,對城市數據的流動性設置了4個梯次,將時空數據作為面向未來的良葯。

而AI獨角獸領域的商湯 科技 和雲從 科技 ,都是從「視覺中樞」這個領域切入。商湯在近期推出的智能城市能力開放平台方舟2.0,也在構建平台之路上漸行漸深。

細分資源爭奪

平台是最基礎的事情,巨頭們依靠自有業務積累,完全可以在短時間內搭建好,但是打通上下游卻不是一件簡單的事。

這就需要提到小米公司。

有人說,小米的成功在於他的生態鏈形成了壁壘,加上小米的市值與財力超過了生態鏈企業幾十甚至數百倍,平台不可能被顛覆,所以小米能在IoT領域做大。而類比到智慧城市,大家都在強調一種「生態」的玩法,其實根本目的就是把中小廠商的資源全部「圈進源行來」。

大廠在中標政府項目後,一般是總包再分包下去,因為平台的能力獲得了信任。而在這之後的過答肢程中,大廠實際上承擔起了管理和運營的角色,中小垂直公司就是具體的建設力量了。以交通為例,有諸多停車、車牌識別、車燈管理、路標識別、車流管控、乘車碼、人臉識別、定位導航等場景,BAT無暇分身,細粒度高的工作都是應用層的合作夥伴們完成。

因為,當平台最上層的合作生態圈地成功,平台的綜合實力就基本完善,復制、推廣的難度系數就會下降。

復雜的阻力

「方案復制」、「平台遷移」,是大廠最終走向規模化必須跨越的關口。

因為,城市落地是政策+經濟+地理環境+技術的綜合表現,而技術的重要程度在這里排到了最後。也因此,我們看到,阿里在杭州、網路在北京、華為&平安在深圳、騰訊在廣東、京東在福建、浪潮在濟南等的落地,都是這些因素的最終體現。

當各大廠商深入到對方的腹地,施展「一城一策」的威力時,會發現政策障礙是最大的受挫原因。那些在雄安、粵港澳大灣區率先起跑的公司,或多或少在政府資源上是過硬的。

此外,一個強有力的政府能夠保證相關的技術更快落地。香港、澳門政府相對弱勢,或者受制衡的因素比較多,步子會稍慢一點。

當然,人才是又一個非常重要的影響因子。阿里達摩院一批交通、視覺領域大牛聚齊,基本以IEEE Fellow為標准;京東城市計算也全方位招募人才,業界首次成立智能城市研究院,清一色兩院院士;網路、滴滴等都有相應的AI實驗室;騰訊以產業互聯網為核心,從工業、零售、醫療等具體場景擴充團隊,把懂互聯網和懂行業作為必備技能。

調整航向

除了大廠本身的研究力量,高端學術研究領域的新動態是不可忽視的一環,也是大廠最終實現「平台增長」的食糧。

在地理信息這一派,中國工程院院士、深圳大學智慧城市研究院院長郭仁忠認為,GIS是智慧城市的操作系統,因為智慧城市階段,時空基準將被建立,時空大數據將爆發,時空信息雲平台將是更大平台的必備能力項。

在城市計算這一派,京東智能城市研究院院長鄭宇博士則提出基於AI和大數據能力的城市操作系統,向不同的雲計算平台開放,利用6個時空數據模型收納城市萬千數據。

在AI學術這一派,中國工程院院士、浙江大學教授潘雲鶴認為,大數據智能現在只是一個開始,後面還有很多新技術和模型要發展出來。大數據智能、群體智能、跨媒體智能、人機混合增強智能、自主智能系統這五個方面將在今後幾年的理論研究和實踐中有巨大的突破。

我們因此也看到,在通往智慧城市之路上,身邊一直流動著新的思考。

抵達「理想國」

綜合來看,中國的城市化進程是與信息化、城鎮化、農業現代化、綠色經濟發展等相依相存,彼此成為抓手,互為轉型動力。

大面積、大資本、大項目,勢必決定著大平台的呼之欲出。

但在大平台的光鮮亮麗之下,優秀的垂直解決方案是必不可少的,也是當前解決城市問題的「釘子」與「錘子」,沒有他們,城市管理者就不會為沒有實質方案的「框架」買單。

2019年是建國70周年,是我國各項事業取得階段性成果的關鍵節點,改革步入深水區,城市更加數據化。而智慧城市是下一個10年的重點,是典型的政產學研必須勠力同心來進行的大項目,勢必需要前瞻性的觀點支撐著後續的方向。

因此,2019年7月13日-14日,由中國計算機學會主辦,雷鋒網、香港中文大學(深圳)聯合承辦的第四屆CCF-GAIR全球人工智慧與機器人峰會,將開設 「智慧城市」專場 ,探討未來城市頂層設計、城市雲計算、數據治理、城市AI視覺智能等解決方案的核心技術與場景實踐。

「智慧城市」專場將由3個主題專場組成,其中:

2019年7月13日-14日,雷鋒網將帶我們共同見證「智慧城市」的未來。

閱讀全文

與第4屆ccf大數據相關的資料

熱點內容
手機網站幻燈片代碼 瀏覽:549
上海雲動網路 瀏覽:435
無效的ps文件什麼意思 瀏覽:522
中國移動app如何查家庭網 瀏覽:699
微信顯示未注冊 瀏覽:977
粒子匯聚圖像教程 瀏覽:619
pdf文件能替換圖片 瀏覽:727
製表位不居中word 瀏覽:265
dell驅動盤裝驅動程序 瀏覽:577
編程中如何創建密碼 瀏覽:135
林納斯托瓦茲使用什麼編程語言 瀏覽:132
安卓qq不能指紋支付密碼 瀏覽:476
sap原因代碼 瀏覽:242
數據反饋有什麼好處 瀏覽:502
iphone4612激活 瀏覽:466
蘭州電信寬頻升級 瀏覽:317
linux內核所有進程共享 瀏覽:901
怎怎樣下載內容到文件管理里 瀏覽:303
word試圖打開鎖定文件 瀏覽:971
linux文件找不到 瀏覽:310

友情鏈接