阿里云机器学习——让人工智能触手可及
近期，阿里云计划将旗下机器学习平台正式商业化发布，这不禁人们马上就联想到了刷脸支付、人机智能交互、商品智能推荐等场景，机器学习算法就是助力这些人工智能应用的底层算法。本文中将详细描述阿里是如何构建自己的人工智能平台，这个平台的特性和支持的算法，以及能够解决的问题。
SLS机器学习最佳实战：日志聚类+异常告警
围绕日志，挖掘其中更大价值，一直是我们团队所关注。在原有日志实时查询基础上，今年SLS在DevOps领域完善了如下功能：
- 上下文查询
- 实时Tail和智能聚类，以提高问题调查效率
- 提供多种时序数据的异常检测和预测函数，来做更智能的检查和预测
- 数据分析的结果可视化
- 强大的告...
SLS机器学习介绍（03）：时序异常检测建模
虽然计算机软硬件的快速发展已经极大提高了应用程序的可靠性，但是在大型集群中仍然存在大量的软件错误和硬件故障。系统要求7x24小时不间断运行，因此，对这些系统进行持续监控至关重要。这就要求我们就被从系统中持续采集系统运行日志，业务运行日志的能力，并能快速的分析和监控当前状态曲线的异常，一旦发现异常，能第一时间将信息送到相关人员手中。
自然语言理解-从规则到深度学习
自然语言理解是人工智能的核心难题之一，也是目前智能语音交互和人机对话的核心难题。之前写过一篇文章自然语言理解，介绍了当时NLU的系统方案，感兴趣的可以再翻一番，里面介绍过的一些内容不再赘述。本文详细讨论了自然语言理解的难点，并进一步针对自然语言理解的两个核心问题，详细介绍了规则方法和深度学习的应用。
PostgreSQL 十亿级模糊查询最佳实践
标签
PostgreSQL , 模糊查询 , 正则查询 , pg_trgm , bytea , gin , 函数索引
背景
前模糊(有前缀的模糊)，后模糊(有后缀的模糊)，前后模糊(无前后缀的模糊)，正则匹配都属于文本搜索领域常见的需求。
表格存储Tablestore权威指南（持续更新）
表格存储本着提升用户体验的思路，打造《表格存储Tablestore权威指南》。为用户提供可借鉴的开发指导、经典案例。经典案例按照场景应用类型划分，目前提供五类场景：元数据、消息数据、轨迹溯源、科学大数据以及物联网；每个类型下都会提供多种经典场景。
