大数据分析与存储实践

解决方案专场
会议室:宴会厅2
出品人:黄显东

随着互联网技术的发展,AI 等技术已经被广泛应用在各个行业上,由此催生的深度学习... 展开 >

专题出品人:黄显东

极客邦科技 InfoQ 策划编辑

黄显东,InfoQ 策划编辑,热爱互联网新技术,对探索技术趋势保持强烈的好奇心。

地点:宴会厅2

专题:大数据分析与存储实践

解决方案专场

随着互联网技术的发展,AI 等技术已经被广泛应用在各个行业上,由此催生的深度学习技术和存储需求也不断增长,同时新解决方案也在不断为行业提供高效和可靠的实践。本专题将介绍图解决方案在神经网络学习上的优势,以及存储错误注入的意义和实践。

专场报名链接:https://jinshuju.net/f/s3YwHU?x_field_1=QCon

by 林选磊

TigerGraph
解决方案工程师

图与机器学习有着密不可分的关系,图大大地增强了 AI 的可解释性。特征工程在机器学习中起着举足轻重的作用,当训练存在复杂网络关系的数据时,图特征能反应数据的特点,随着图特征的加入,很大程度地提升了训练效果。通过图论中的社区发现算法,能快速实现非监督学习中的聚类算法。目前很流行的深度学习(神经网络),本身就是图状的结构,因此可以通过图数据库来实现神经网络算法。

听众收益

  1. 为什么机器学习和人工智能中需要图?
  2. 图是如何为监督学习提供更丰富的特征的?
  3. 图算法是如何实现非监督学习的?
  4. 如何用图数据库实现神经网络?

by 王为

上海云轴(ZStack)
核心架构师

软件定义存储的出现,在推进存储架构演变的同时也增加了正确存储的难度。本次分享将基于传统的断电、断网、限制 IO 所不能模拟的故障,例如文件系统错误、 特定模式下的性能恶化等,讲解如何构造全链路“正确”的存储系统,阐述基于软件存储错误注入的意义和关键性。并分享业界在存储正确性证明、错误注入、错误发现上的一些新的进展。

听众受益

  1. 了解基于软件存储错误注入的意义和关键性;
  2. 了解如何构造全链路“正确”的存储系统:
  3. 了解存储错误注入、错误发现的业界新进展。

交通指南

© 2020 Baidu - GS(2019)5218号 - 甲测资字1100930 - 京ICP证030173号 - Data © 长地万方
想要批量报名或更多优惠?
立即联系票务小姐姐 Ring
或致电:+86 17310043226