-
数据挖掘算法落地实践2017年6月24日数据挖掘技术近几年在各个行业得到不断广泛的应用,如何应用好数据挖掘技术成为各个企业的重要问题。深入讲解数据挖掘技术在个性化推荐系统和分类系统中的实践应用，通过具体场景阐述数据挖掘的核心技术，应用方法以及应用过程中可能碰到的各种问题，帮助听众更全面的掌握相关技能。
-
以精益化理念实时大数据平台2017年6月24日
大数据从过去的传统BI、大数据离线批量计算发展到现在的实时大数据分析，大数据的技术日新月异，构建月活3.58亿的大数据平台核心技术实践。
在5Pb以上的级别大数据存储，日活用户千万级别的实时大数据集群建设又有什么门槛需要过？
对于互联网企业和传统企业大数据每个企业的发展阶段应该用什么样的技术？
什么应用场景适用于实时分析？
实时分析需要什么样的基础架构和技术架构？
实时分析和实时计算什么关系？常见的实时分析技术问题是什么？
在5Pb以上的级别大数据存储，日活用户千万级别的实时大数据集群建设又有什么门槛需要过？
对于互联网企业和传统企业大数据每个企业的发展阶段应该用什么样的技术？
什么应用场景适用于实时分析？
实时分析需要什么样的基础架构和技术架构？
实时分析和实时计算什么关系？常见的实时分析技术问题是什么？
-
携程大数据平台最佳实践2017年6月24日
现在大数据领域有众多的开源工具，传统的如Hadoop，Hive；前几年兴起的，现在渐渐成为主流的有Spark，除此之外还有Impala，Presto，Kylin，ElasticSearch，Alluxio等等；在实时领域，Storm， Spark-streaming，Flink，Beam（Google Dataflow的开源实现的项目）
如何根据企业的实际情况选择合适的开源产品？
这些开源产品有哪些擅长和不擅长的地方？
各个开源产品之间如何整合？
在使用过程中又会遇到哪些问题？
这些问题如何解决？
我会和你分享携程在这两年多的时间里面是怎么样一步一步走过来的，我们的经验和教训（总体层面 + 技术细节）
另外我也会分享下携程在数据开发系统，以及查询系统方面的经验和构想，上层的系统 + 底层的基础平台共同组成一个坚实的大数据平台，给用户提供了在整个数据处理的生命周期稳定和方便的系统的支持。
-
金融大数据与人工智能2017年6月25日人工智能领域，AlphaGo可谓炙手可热，于是坊间纷纷传闻人工智能将开始在各个领域对人类智慧发起挑战。李开复也在用钱宝C轮融资发布会上预测，金融行业80%的从业者未来十年，都将被人工智能所取代。
目前，人工智能在金融金融所面对的问题，到底和AlaphGo在围棋博弈中所面对的问题，到底有什么不同？在围棋中，快速成长的智能系统，是否在金融领域也可以同样快速的超越人类智慧？
本次分享，人工智能在金融领域的实战过程中，最大的问题是什么？我们需要如何以人类智慧做指引，去辅助人工智能快速强大，并实现更高的效率。 -
容器与大数据（基于docker的大数据部署）2017年6月25日
诞生于2006的Hadoop技术至今已经有十一年的历史，大部分的互联网公司都使用甚至Hadoop生态的工具来处理自己的大数据问题，而且诞生于2013的docker, 也被各大公司广泛所接受，在线上生产系统发挥了重要有作用。
这两个当红的技术应该如何结合？
结合在一块会带什么来显著的好处?
在什么样的场景下两者的组合能够发挥超强的能力？
同时随着越来越多的公司开始使用公有云服务，在公有云上是使用自身建设的大数据服务好还是直接采纳云厂商提供的大数据处理工具呢？
云厂商应该如何利用容器的技术更好的地提供大数据服务呢？
-
基于算法的推荐引擎技术实践2017年6月25日个在手机上用各种新闻App及时了解天下大事已经成为了我们生活的一部分，随着使用的增加，新闻App会越来越准确的了解我们的兴趣偏好，展示的内容越来越准确，这一切到底是如何做到的呢？新闻App除了能够感知用户的偏好，在背后还做了哪些事情呢？在本次分享中，我们将结合阿里云推荐引擎，为您抽丝剥茧，一一道来。
