2014.27周投融资简报

去年开始在周会贯彻宣讲我的一些开发的理念,以下是对去年主要念叨点的总结: 程序员的素养 素养,我觉得就是一个群体对于有利于群体整体发展的一些规则.对于社会,就可能体现为道德.人生活在不同的圈子里,就有不同的素养要求.素养是有利于群体,从而有利于个人,但是对于具体某事而言,可能是不利于当事个人的.对于开发人员而言,我能想到的:1. 对代码负责,不用过客心态对待代码:2. 代码风格和代码注释,代码风格和代码注释一定要统一.对于应用,注释量可以略少,对于基础平台和库,注释一定要严格和严谨:3. Rev

1. Elasticsearch Updates 1.1 发布了Kibana 4 Beta 1 和Beta 1.1 Kibana 4无论是在界面的布局,使用配置方法,还是底层绘制图表的方式都与Kibana不同.在Kibana 3的基础上吸取了众多社区的功能需求后,Kibana自Kibana 2 大改造成Kibana 3 后第二次做出了重大改变.Kibana真是一直致力于帮助用户解决他们在数据可视化上的棘手问题. 界面由原来的一个`Dashboard`,改为现在的`Discover`, `Visu

1. Elasticsearch Updates 1.1 Elasticsearch 1.4.2发布了 一些改进和bug fix,没有大变化: (1) 根据磁盘剩余空间判断shard存储位置的逻辑在速度上有大幅提升,这也提升了cluster重启后的恢复速度. (2) 提升了把Snapshot镜像到shared file system的速度. (3) 减少了不必要的cluster state更新. (4) index stats API 在有shard恢复的情况下不再阻塞. 1.2 Elastic

在原文<知识图谱研究进展>基础上上做了相应的调整和补充 本文首先简要回顾知识图谱的历史,探讨知识图谱研究的意义.其次,介绍知识图谱构建的关键技术,包括实体关系识别技术.知识融合技术.实体链接技术和知识推理技术等.然后,给出现有开放的知识图谱数据集的介绍.最后,给出知识图谱在情报分析中的应用案例. - 漆桂林.高桓.吴天星 东南大学计算机科学与工程学院 本文节选自<情报工程>2017 年第 1 期,知识图谱专题稿件. 1 知识图谱构建技术 ??本节首先给出知识图谱的技术地图,然后介绍

一.基本架构图 1.整个架构组件: java客户端 dropwizard-metrics:springboot.hystrix的metric体层使用了这个,所以我们需要自己封装向statsd发包的方法,来发送这些metrics给statsd java-statsd-client:直接进行计数并且非常方便的向statsd发送这些metrics(向statsd发包的方法已经封装好了) statsd graphite carbon carbon-relay carbon-cache whisper g

想要了解最新的学术研究动态,时刻track顶级的会议,顶级的workshop,顶级的researcher都是必要的. 添加了自己需要的会议最新日期,以及最新结束会议.并收集它们的论文集. 下面就是参考别人的表格,自己汇总的一个表格,根据会议的CIF( Conference Impact Factor )进行排列,不一定权威.将不定期更新 RK Conference Lasted updated R1 1.IEEE S&P IEEE Symposium on Security and Privac

原文地址:http://www.52ml.net/15427.html 图 1 机器学习时间线 在科学技术刚刚萌芽的时候,科学家Blaise Pascal和Von Leibniz就想到了有朝一日能够实现人工智能.即让机器拥有像人一样的智能. 机器学习是AI中一条重要的发展线,在工业界和学术界都异常火爆.企业.大学都在投入大量的资源来做机器学习方面的研究.最近,机器学习在很多任务上都有了重大的进步,达到或者超越了人类的水平(例如,交通标志的识别[1],ML达到了98.98%,已超越了人类). 图1

慕课教程 -- PHPExcel导入导出 一.PHPExcel导出操作 1.快速入门 <?php #找到当前脚本的路径 $dir = dirname(__FILE__); #引入PHPExcel插件文件 require $dir."/excel/PHPExcel.php"; #实例化PHPExcel类 $objPHPExcel = new PHPExcel(); #获得当前活动sheet的操作对象 $objSheet = $objPHPExcel->getActiveShe

Brief History of Machine Learning My subjective ML timeline Since the initial standpoint of science, technology and AI, scientists following Blaise Pascal and Von Leibniz ponder about a machine that is intellectually capable as much as humans. Famous