阿里云飞天技术论坛——互联网金融数据处理及风控实践+阿里云大数据实验室

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 阿里云生态技术联盟(ITP)创始成员北京青苔数据科技有限公司和阿里云计算有限公司于2018年1月5日在阿里巴巴北京总部联合举办了阿里巴巴飞天技术论坛,本次论坛分享的主题是“互联网金融数据处理及风控实践”+”阿里云大数据实验室”。

阿里云生态技术联盟(ITP)创始成员北京青苔数据科技有限公司和阿里云计算有限公司于2018年1月5日在阿里巴巴北京总部联合举办了阿里巴巴飞天技术论坛,本次论坛分享的主题是“互联网金融数据处理及风控实践”+”阿里云大数据实验室”。

3f0af9278bba082ad8ea3321b8039a233f38ad9a

c4b03ea457b580a2abf81f26150dd173fe4736c2

会议邀请了华北电力大学、河南财经大学、河南工程技术学院等高校领导,从事大数据和人工智能相关企业的高管、以及部分合作伙伴等人士参会。会上,大家听取了阿里云资深专家李海龙关于互联网金融的发展和服务,以及青苔数据CEO 程永关于阿里云大数据实验室的介绍,进一步了解了大数据实验室的技术特点和优势,并亲自体验了阿里云大数据实验室基础课程的实践操作,感受到了该产品对高校大数据教育的先进性和优越性。

c37add4b5885300f1b9530b81c29264c23e1e007

                                                                                          阿里云资深专家介绍互联网金融数据处理

11523b95542bff5c188dc1d9388a9951910539a7

青苔数据CEO介阿里云大数据实验室


 

会议内容:

(一)互联网金融大数据

随着互联网金融的快速发展,海量的用户数据、交易数据以及风控数据的存储、分析和在线服务都对传统的技术架构带来了很大的挑战,在本次论坛中阿里云飞天资深专家李海龙详细介绍了如何利用云计算解决和加速对金融环境下的海量结构化、非结构化数据的实时处理与在线服务。李海龙2011年加入阿里云,负责阿里云自研分布式NoSQL数据库表格存储的研发、测试及发布工作,2015年开始负责表格存储产品化工作,对分布式NoSQL数据库的技术架构、产品设计及应用场景推广都都着丰富的经验。

(二)互联网教育大数据

       当前高校在大数据和人工智能方面存在的众多困难,比如

l  多数高校无法提供合格的大数据相关课程

     受限于数据、平台和真实行业实践经验

l  大数据科研创新存在诸多困难

      1)高校需要一个稳定高效的大数据科研环境,而不是拿开源软件进行修修补补

      2)高校需要一个可伸缩的、廉价的大数据真实实验环境

3)高校需要有各种可供参考的行业案例

为了解决高校在大数据和人工智能上面临的各种问题,北京青苔数据程永(永初)详细介绍了阿里云大数据和人工智能、阿里云大数据实验室 等。程永(前阿里云大数据业务副总经理),现任北京青苔数据CEO。之前在阿里云、IBM等公司任职,在阿里云计算有限公司历任数据业务总经理、大数据业务副总经理等,从无到有组建大数据政企线。专注数据领域17年,著有《智慧的分析洞察》(IBM官方出版)、《数据仓库与数据挖掘》(教育部十二五教材)和《DB2 V9权威指南》等书,发表过五十多篇专业技术文章。

阿里云大数据实验室作为一站式大数据实训和科研创新平台,为各行业用户提供简单易用的大数据真实环境,让数据价值触手可及。用户可通过简单快捷的可视化操作,对各种大数据进行数据采集、数据加工、数据开发、数据管理、数据分析和机器学习等操作,快速探索各种大数据创新应用。

634981c059fd138eb070e212deb2ca059c18b088

参会嘉宾正在进行阿里云大数据实验室实践操作

 

阿里云大数据实验室主要由面向大数据实训的大数据基础课程体系和行业案例课程体系、面向大数据科研创新的科研组件、大数据实验室后台支撑平台等组成。阿里云大数据实验室依赖阿里云大数据公共云平台“数加”。

阿里云大数据实验室主要包含以下功能:

1、各种大数据实训课程(面向教学):

1)在阿里云大数据真实环境中(非模拟或仿真环境)手把手教学生学习各种大数据产品的基础知识,学习过程中既支持100%图形化拖拉拽操作,也支持各种API开发管理。具体课程包括大数据基础、大数据基础实践、离线分布式平台高级开发和管理、深度学习高级开发和管理等。

2)手把手教学生学习各个行业大数据应用创新真实案例(脱敏数据),学生在课程中可以学习大数据创新过程中的各种成功经验和失败教训。具体课程包括电商广告精准营销实践、税务纳税评估实践、银行行业风险信用模型实践和电信行业用户流失分析实践等,另外还包含了11门免费的行业案例课程。

2、面向科研创新环节的大数据科研创新平台:

 在阿里云大数据平台的真实环境中(阿里云大数据平台“数加”),老师和学生可以进行各种大数据应用的创新研究。在研究过程中,可以充分借鉴各个行业的成功经验,加速大数据应用科学研究过程。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
1月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
8天前
|
存储 机器学习/深度学习 SQL
大数据处理与分析技术
大数据处理与分析技术
35 2
|
28天前
|
存储 分布式计算 数据可视化
大数据常用技术与工具
【10月更文挑战第16天】
98 4
|
10天前
|
存储 分布式计算 NoSQL
【赵渝强老师】大数据技术的理论基础
本文介绍了大数据平台的核心思想,包括Google的三篇重要论文:Google文件系统(GFS)、MapReduce分布式计算模型和BigTable大表。这些论文奠定了大数据生态圈的技术基础,进而发展出了Hadoop、Spark和Flink等生态系统。文章详细解释了GFS的架构、MapReduce的计算过程以及BigTable的思想和HBase的实现。
|
1月前
|
存储 数据采集 监控
大数据技术:开启智能决策与创新服务的新纪元
【10月更文挑战第5天】大数据技术:开启智能决策与创新服务的新纪元
|
10天前
|
SQL 存储 算法
比 SQL 快出数量级的大数据计算技术
SQL 是大数据计算中最常用的工具,但在实际应用中,SQL 经常跑得很慢,浪费大量硬件资源。例如,某银行的反洗钱计算在 11 节点的 Vertica 集群上跑了 1.5 小时,而用 SPL 重写后,单机只需 26 秒。类似地,电商漏斗运算和时空碰撞任务在使用 SPL 后,性能也大幅提升。这是因为 SQL 无法写出低复杂度的算法,而 SPL 提供了更强大的数据类型和基础运算,能够实现高效计算。
|
14天前
|
存储 大数据 定位技术
大数据 数据索引技术
【10月更文挑战第26天】
35 3
|
14天前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
47 2
|
16天前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
52 2
|
19天前
|
边缘计算 人工智能 搜索推荐
大数据与零售业:精准营销的实践
【10月更文挑战第31天】在信息化社会,大数据技术正成为推动零售业革新的重要驱动力。本文探讨了大数据在零售业中的应用,包括客户细分、个性化推荐、动态定价、营销自动化、预测性分析、忠诚度管理和社交网络洞察等方面,通过实际案例展示了大数据如何帮助商家洞悉消费者行为,优化决策,实现精准营销。同时,文章也讨论了大数据面临的挑战和未来展望。