SegmentFault D-Day 北京站回顾:数据分析和云安全

本文涉及的产品
Web应用防火墙 3.0,每月20元额度 3个月
云安全态势管理CSPM免费试用,1000次1年
云安全中心漏洞修复资源包免费试用,100次1年
简介: SegmentFault D-Day 数据分析和云安全站完美收尾,这次邀请到的四位重量级嘉宾也非常给力,参会观众全程响应热烈,座位满满当当。

SegmentFault D-Day 数据分析和云安全站完美收尾,这次邀请到的四位重量级嘉宾也非常给力,参会观众全程响应热烈,座位满满当当。

image.png

主持人依旧是我们的烧碱大人,介绍 SegmentFault D-Day 的理念和行业愿景,期望 SegmentFault 能够通过自身的平台,带给大家更多的交流和碰撞。

image.png

首先时速云的联合创始人兼平台技术总监杨乐出场,跟大家《浅谈容器及云服务的安全性》。从传统安全角度来看容器及服务的安全问题,使用过程中可能存在的漏洞,常见的应对策略等。从时速云平台的相关经验中,提炼出对使用者的一些建议,以及从哪些方面来提高应用服务的安全性等。

image.png

Coding.net 的 CTO 孙宇聪向大家介绍《如何评判云服务靠谱程度》,从广义的可用性、可控性和灾难恢复三个较为广义的角度,介绍云服务安全要点。同时也延伸到对于团队中的精力配置的建议,语言犀利又不乏风趣幽默,引发微信群里大家关心到了宇聪老师的三维情况。

image.png

Thoughtworks 资深咨询师英睿《深度学习在序列标记问题中的应用》,首先向大家普及了机器学习的基本问题、什么是深度学习,数据表现形式如何对机器学习的性能起到至关重要的作用。其中以人民日报1988年的数据做了训练案例,最后就此案例延展部分讨论。

image.png

TalkingData研发副总裁阎志涛,在行业内有超过 15 年的从业经验,一直从事大规模的分布式计算系统,此次向大家分享如何《构建新一代移动大数据管理平台》,介绍其多年的实战经验。从移动大数据的特点到对新一代数据平台的需求分析,实践总结如何统一和构建数据平台。

image.png

四位嘉宾干货飘过之后,紧接着是圆桌讨论环节。本次圆桌由英睿主持,结合当前数据和云安全主题,互动提问。包括一些对数据安全的想法和推理,数据的真伪的假设等。观众提问可以看出大家对大数据管理的诉求非常高,相关疑问此起彼伏。

image.png

D-Day 北京站圆满结束,嘉宾们个个都是纯干货分享,期望我们未来能够带给大家更多感兴趣的话题。


嘉宾演讲PPT

杨乐《浅谈容器及云服务的安全性》

孙宇聪《如何评判云服务靠谱程度》

英睿《深度学习在序列标记问题中的应用》

阎志涛《构建新一代移动大数据管理平台》


嘉宾分享速记稿

杨乐《浅谈容器及云服务的安全性》

孙宇聪《如何评判云服务靠谱程度》

英睿《深度学习在序列标记问题中的应用》

阎志涛《构建新一代移动大数据管理平台》


活动照片

SegmentFault D-Day 北京站活动照片

相关文章
|
运维 搜索推荐 大数据
SegmentFault D-Day 2015 苏州「数据分析」沙龙回顾
10 月 31 日,SegmentFault D-Day 2015 苏州站圆满收场。虽然是首次来苏州,但参与人数超出预估,现场反馈也是出乎意料。
238 0
SegmentFault D-Day 2015 苏州「数据分析」沙龙回顾
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
714 4
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
在数字化时代,数据分析至关重要,而Python凭借其强大的数据处理能力和丰富的库支持,已成为该领域的首选工具。Python作为基石,提供简洁语法和全面功能,适用于从数据预处理到高级分析的各种任务。Pandas库则像是神兵利器,其DataFrame结构让表格型数据的处理变得简单高效,支持数据的增删改查及复杂变换。配合Matplotlib这一数据可视化的魔法棒,能以直观图表展现数据分析结果。掌握这三大神器,你也能成为数据分析领域的高手!
210 2
|
机器学习/深度学习 算法 数据挖掘
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
本文介绍了2023年第二届钉钉杯大学生大数据挑战赛初赛A题的Python代码分析,涉及智能手机用户监测数据分析中的聚类分析和APP使用情况的分类与回归问题。
266 0
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
|
10月前
|
机器学习/深度学习 算法 数据挖掘
数据分析的 10 个最佳 Python 库
数据分析的 10 个最佳 Python 库
数据分析的 10 个最佳 Python 库
|
11月前
|
机器学习/深度学习 数据采集 数据可视化
数据分析之旅:用Python探索世界
数据分析之旅:用Python探索世界
111 3
|
10月前
|
SQL 数据挖掘 Python
数据分析编程:SQL,Python or SPL?
数据分析编程用什么,SQL、python or SPL?话不多说,直接上代码,对比明显,明眼人一看就明了:本案例涵盖五个数据分析任务:1) 计算用户会话次数;2) 球员连续得分分析;3) 连续三天活跃用户数统计;4) 新用户次日留存率计算;5) 股价涨跌幅分析。每个任务基于相应数据表进行处理和计算。
|
供应链 数据可视化 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题一
本文详细介绍了第十一届泰迪杯数据挖掘挑战赛B题的解决方案,涵盖了对产品订单数据的深入分析、多种因素对需求量影响的探讨,并建立了数学模型进行未来需求量的预测,同时提供了Python代码实现和结果可视化的方法。
387 3
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题一
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
【9月更文挑战第2天】数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
138 5
|
数据挖掘 PyTorch TensorFlow
Python数据分析新纪元:TensorFlow与PyTorch双剑合璧,深度挖掘数据价值
【7月更文挑战第30天】随着大数据时代的发展,数据分析变得至关重要,深度学习作为其前沿技术,正推动数据分析进入新阶段。本文介绍如何结合使用TensorFlow和PyTorch两大深度学习框架,最大化数据价值。
267 8

热门文章

最新文章