机器学习在高德用户反馈信息处理中的实践| 1月8号云栖号夜读

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
注册配置 MSE Nacos/ZooKeeper,118元/月
简介: 作为国内领先的出行大数据公司,高德地图拥有众多的用户和合作厂商,这为高德带来了海量的出行数据,同时通过各个渠道,这些用户也在主动地为我们提供大量的反馈信息,这些信息是需要我们深入挖掘并作用于产品的,是高德地图不断进步和持续提升服务质量的重要手段。

点击订阅云栖夜读日刊,专业的技术干货,不容错过!

阿里专家原创好文

1.机器学习在高德用户反馈信息处理中的实践

作为国内领先的出行大数据公司,高德地图拥有众多的用户和合作厂商,这为高德带来了海量的出行数据,同时通过各个渠道,这些用户也在主动地为我们提供大量的反馈信息,这些信息是需要我们深入挖掘并作用于产品的,是高德地图不断进步和持续提升服务质量的重要手段。本文将主要介绍针对用户反馈的文本情报,如何利用机器学习的方法来提高大量用户数据的处理效率、尽可能实现自动化的解题思路。阅读更多》》

2.基于Flutter+FaaS的业务框架思考与实践

闲鱼将使用Flutter和FaaS来建设未来的技术开发体系,这是一项长期的规划,新的技术在现在看来犹如雾里看花,需要我们不断的思考,探索,实践才能渐渐描绘出它的轮廓。本文对此提供一种思考角度,对未来基于FaaS+Flutter之上的编程形态做思考,并介绍自己的初步实践。闲鱼已经借助Flutter良好的跨栈能力来对App上的技术栈做统一,并取得了初步的成果。阅读更多》》

3.数字海南建设提速 公共基础性政务服务系统部分完工

目前,海南省已经在全国率先完成信息中心裁撤。信息中心裁撤后,各委办局可以更专注于业务需求和模式创新,将公共性、基础性的平台建设运维工作移交给大数据管理局统筹。在大数据局的管理下,数字海南公司统一承接运维工作,逐步将应用迁移到统一的政务云平台,从而降低运维管理成本、提升安全性。数字海南还将着力打造政务中台,赋能行业应用,快速响应政府业务的创新,支持本地生态的发展。阅读更多》》

4.端计算Walle:2235亿次运算,为了无法计算的端智能价值

传统的云计算,使用的是端侧采集数据,云端处理消费,再反馈给端侧的模式。而伴随着数字化转型的浪潮、万物互联时代的到来,5G、大数据、人工智能等信息技术的快速发展,云计算已经无法特定场景对低延迟的高要求。此时基于路由器、交换机、基站等计算节点的边缘计算因运而生,其具有低延时、低成本、数据安全、数据丰富等特点。阅读更多》》

5.打通民生需求与政务服务任督二脉 石家庄合作阿里云百日开启数字政务新篇章

近日,石家庄“最多跑一次”项目组表示,该市的政务云平台已完成平台部署和功能测试;政务数据归集半个月完成了11.8亿条,如此速度堪称行业“小奇迹”。政务云平台和政务数据归集等是“互联网+政务服务”以及“智能城市”建设的基础性保障,也是打通“民生需求”与“政务服务”任督二脉的关键一步。阅读更多》》

6.手动搭建Gateway连接阿里云E-MapReduce

一篇技术好文,值得一读!阅读更多》》

7.Serverless 解惑——函数计算如何访问 MySQL 数据库

函数计算(Function Compute):函数计算 是事件驱动的全托管计算服务。使用函数计算,您无需采购与管理服务器等基础设施,只需编写并上传代码。函数计算为您准备好计算资源,弹性地可靠地运行任务,并提供日志查询、性能监控和报警等功能。阅读更多》》

8.开源注册和配置中心全托管,阿里云微服务应用引擎(MSE)开启商业化服务

微服务引擎(简称MSE )对 ZooKeeper/Nacos/Eureka 提供高效率、低成本、高可用的全托管服务,并已开启商业化服务,我们整理了客户们关心的6个问题,方便您快速了解MSE。阅读更多》》

9.智能用户增长神器QuickAudience开启公共云公测,助力企业业务增长

日前,由阿里数据打造的智能用户增长QuickAudience,重磅上线阿里云-公共云,开启公测!该产品旨在围绕着品牌消费资产,通过丰富的用户洞察模型和便捷的策略配置,完成消费者多维洞察分析和多渠道触达,助力企业实现用户增长。阅读更多》》

10.阿里产品专家:高情商的技术人,如何做沟通?

不愿沟通是固执,不会沟通是傻瓜,不敢沟通是奴隶。 ——德拉蒙德 工作中,你是否经常看到别人在会上谈笑风生、纵横捭阖,但自己却唯唯诺诺,不敢表达观点?即便鼓起勇气发言却不被重视,经常被人打断?生活中,你提出个很好的家庭规划,却没人支持你?规劝自己的亲友却被误会,最后以吵架收场?互联网时代的信息媒介很发达,但非常碎片化,你可能听过很多道理,但未必有意识地组织过,人脑对于没有体系化的观点,总会选择性遗忘。所以,关于沟通,你可能需要重新思考。阅读更多》》

往期精彩回顾

不用 H5,闲鱼 Flutter 如何玩转小游戏?| 1月7号云栖号夜读

更多干货内容 请关注阿里云云栖号微信公众号!
lALPDgQ9rb7AhI3M_cz2_246_249_png_620x10000q90g

相关实践学习
【文生图】一键部署Stable Diffusion基于函数计算
本实验教你如何在函数计算FC上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。函数计算提供一定的免费额度供用户使用。本实验答疑钉钉群:29290019867
建立 Serverless 思维
本课程包括: Serverless 应用引擎的概念, 为开发者带来的实际价值, 以及让您了解常见的 Serverless 架构模式
目录
相关文章
|
2月前
|
机器学习/深度学习 人工智能 算法
探索机器学习:从理论到实践的旅程
【8月更文挑战第26天】机器学习,这个听起来既神秘又充满无限可能的领域,实际上已经深入到我们生活的方方面面。本文将通过一次虚拟的“旅行”,带领读者了解机器学习的基本概念、主要技术和应用实例,同时提供一个简单的Python代码示例,帮助初学者迈出探索这一激动人心领域的第一步。无论你是科技爱好者,还是对未来充满好奇的学生,这篇文章都将成为你理解并应用机器学习技术的启航点。
|
3天前
|
机器学习/深度学习 数据采集 人工智能
AI与机器学习:从理论到实践
【10月更文挑战第2天】本文将深入探讨AI和机器学习的基本概念,以及它们如何从理论转化为实际的应用。我们将通过Python代码示例,展示如何使用机器学习库scikit-learn进行数据预处理、模型训练和预测。无论你是AI领域的初学者,还是有一定基础的开发者,这篇文章都将为你提供有价值的信息和知识。
|
15小时前
|
机器学习/深度学习 算法 PyTorch
【机器学习】大模型环境下的应用:计算机视觉的探索与实践
【机器学习】大模型环境下的应用:计算机视觉的探索与实践
11 1
|
2月前
|
机器学习/深度学习 人工智能 供应链
掌握机器学习:从理论到实践PHP:从入门到精通的旅程
【8月更文挑战第20天】在探索人工智能的无限可能时,机器学习作为核心驱动力,引领着技术革新和产业变革。本文深入浅出地介绍了机器学习的基本概念、核心算法及其在实际中的应用,旨在为初学者提供一个清晰的学习路径和对这一激动人心领域的全面理解。通过探讨机器学习如何影响我们的生活和工作,本文不仅阐述了理论知识,还分享了实践案例,帮助读者把握机器学习的精髓,激发对未来技术发展的想象与创造。
169 65
|
5天前
|
机器学习/深度学习 算法 自动驾驶
探索机器学习:从理论到实践
本文将带你进入机器学习的世界,从基本概念出发,深入探讨其背后的数学原理,再通过Python代码示例,展示如何实际应用这些理论。无论你是初学者还是有经验的开发者,都能从中获益。
|
5天前
|
机器学习/深度学习 数据可视化 算法
机器学习中的回归分析:理论与实践
机器学习中的回归分析:理论与实践
|
14天前
|
机器学习/深度学习 算法 自动驾驶
探索机器学习:从理论到实践的旅程
【8月更文挑战第62天】本文通过深入浅出的方式,带领读者走进机器学习的世界。首先介绍了机器学习的基本概念,然后通过一个简单的Python代码示例,展示了如何实现一个基本的线性回归模型。最后,探讨了机器学习在现实生活中的应用,以及未来的发展趋势。本文旨在帮助初学者理解机器学习的基本理念,并激发他们进一步探索这一领域的兴趣。
|
20天前
|
机器学习/深度学习 算法 自动驾驶
探索机器学习:从理论到实践
【9月更文挑战第24天】本文将带你走进机器学习的世界,了解其基本概念,探索其背后的数学原理,并通过Python代码示例,展示如何实现一个简单的线性回归模型。无论你是初学者还是有经验的开发者,都能在这篇文章中找到新的视角和深入的理解。
36 9
|
25天前
|
机器学习/深度学习 人工智能 算法
探索机器学习:从理论到实践
【9月更文挑战第19天】在这篇文章中,我们将深入探讨机器学习的基本概念、主要算法和应用。我们将从理论基础出发,逐步过渡到实际应用,包括代码示例。无论你是初学者还是有经验的开发者,这篇文章都将为你提供有价值的信息和启发。
|
29天前
|
机器学习/深度学习 人工智能 自然语言处理
探索机器学习:从理论到实践
【9月更文挑战第15天】本文将深入浅出地介绍机器学习的基本概念,并逐步展开讲解如何通过Python实现一个简单的线性回归模型。我们的目标是为初学者提供一条清晰的学习路径,帮助他们理解机器学习的核心原理,并通过动手实践加深印象。文章分为三个部分:首先,我们将解释机器学习的基础知识;其次,我们将展示如何使用Python和scikit-learn库构建一个线性回归模型;最后,我们将探讨如何评估模型的性能。无论你是机器学习领域的新手还是有一定基础的学习者,这篇文章都将为你提供有价值的见解和实用的技能。