中国电子信息产业发展研究院主办的2018中国软件大会上大快搜索“又双叒叕”获奖了

简介:

大快搜索自荣获“2018中国大数据企业50强”殊荣,12月20日在由工信部指导,中国电子信息产业化发展研究院主办的2018中国软件大会上,大快搜索获评“2018中国大数据基础软件领域领军企业”称号,入选中国数字化转型TOP100服务商,《城市数据运河》获评优秀政务大数据解决方案。
_3

图:工业和信息化部信息化和软件服务业司司长 在会上致辞
_4

图:大快搜索获评“2018中国大数据基础软件领域领军企业”
在本届2018中国软件会上,不仅宣布成立了数字化转型促进会,还评选出了“2018中国大数据基础软件领域领军企业”,以此鼓励在2018年度为大数据行业做出重要贡献的企业和机构。大快搜索以DKH、HANLP等多项自主研发产品成功荣获“2018中国大数据基础软件领域领军企业”殊荣!
_5

图:大快搜索薛总,代表大快搜索领取奖杯
大快搜索会继续坚持自主可控大数据核心技术研发的初心,为中国数字化转型贡献力量。

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
移动开发 监控 Android开发
Android & iOS 使用 ARMS 用户体验监控(RUM)的最佳实践
本文主要介绍了 ARMS 用户体验监控的基本功能特性,并介绍了在几种常见场景下的最佳实践。
1519 128
|
机器学习/深度学习 人工智能 并行计算
5分钟掌握开源图神经网络框架DGL使用
近几年神经网络在人工智能领域的成功应用,让它备受关注和热捧。但是,它自身依然具有本质上的局限性,以往的神经网络都是限定在欧式空间内,这和大多数实际应用场景并不符合,因此,也阻碍了它在很多领域的实际落地应用。
5分钟掌握开源图神经网络框架DGL使用
|
存储 Kubernetes Cloud Native
kubernetes【工具】kaniko【1】【介绍】-无特权构建镜像
kubernetes【工具】kaniko【1】【介绍】-无特权构建镜像
kubernetes【工具】kaniko【1】【介绍】-无特权构建镜像
|
网络安全 开发工具 git
|
3月前
|
消息中间件 人工智能 运维
2026被称“最难秋招季”?软件测试人,你的机会藏在这3个变化里
2026年秋招“最难”实为结构性洗牌:传统手工测试岗锐减,而测试开发、质量工程等复合型岗位需求激增30%,薪资上浮、一将难求。核心转变有三——从“找Bug”转向“控风险”,从“用工具”升级为“建系统”,从“被动验证”跃迁至“主动驱动质量”。机会仍在,但只属于懂代码、通业务、擅工程的新型质量建设者。
|
9月前
|
JavaScript 安全 前端开发
Playwright与JIRA集成:实现缺陷自动创建与追踪
本文将分享如何将Playwright与JIRA深度集成,实现测试失败时自动创建缺陷并实时跟踪。从环境配置到代码实战,手把手教你构建这套高效的质量闭环系统,让测试效率提升70%。
|
6月前
|
存储 关系型数据库 API
向量数据库对比:Pinecone、Chroma、Weaviate 的架构与适用场景
本文对比Pinecone(生产级)、Chroma(轻量原型)和Weaviate(混合搜索)三大向量数据库,结合真实生产经验与可运行Python代码,详解其适用场景、部署要点与迁移策略,助你为RAG系统选对检索引擎。
637 3
向量数据库对比:Pinecone、Chroma、Weaviate 的架构与适用场景
|
机器学习/深度学习 数据采集 自然语言处理
基于Python的情感分析与情绪识别技术深度解析
本文探讨了基于Python的情感分析与情绪识别技术,涵盖基础概念、实现方法及工业应用。文中区分了情感分析与情绪识别的核心差异,阐述了从词典法到深度学习的技术演进,并通过具体代码展示了Transformers架构在细粒度情感分析中的应用,以及多模态情绪识别框架的设计。此外,还介绍了电商评论分析系统的构建与优化策略,包括领域自适应训练和集成学习等方法。未来,随着深度学习和多模态数据的发展,该技术将更加智能与精准。
971 1
|
IDE API 开发工具
鸿蒙开发:DevEcoStudio中那些实用的小功能
本篇文章就暂时给大家盘点四个,在后续的文章中,关于DevEco Studio中能够提升我们开发效率的功能,也会不间断的进行总结。
387 12
鸿蒙开发:DevEcoStudio中那些实用的小功能
|
机器学习/深度学习 人工智能 Java
谈谈AI时代到来以及35岁危机双重压力下,作为一个普通开发者的想法
在AI快速发展的背景下,Java后端开发人员可通过系统学习转型至AI领域。建议步骤包括:1. 学习Python编程;2. 掌握数据处理与分析工具;3. 学习机器学习基础及框架;4. 深入研究深度学习;5. 结合Java与AI技术;6. 参与开源项目和社区;7. 持续更新知识并实践;8. 寻找转型机会。尽管转型需要时间和努力,但前景广阔。
820 4

热门文章

最新文章