SegmentFault D-Day 北京站回顾:数据分析和云安全

本文涉及的产品
数据管理 DMS,安全协同 3个实例 3个月
推荐场景:
学生管理系统数据库
云安全中心 免费版,不限时长
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。
134 0
SegmentFault D-Day 2015 苏州「数据分析」沙龙回顾
|
19天前
|
人工智能 数据可视化 数据挖掘
【python】Python航空公司客户价值数据分析(代码+论文)【独一无二】
【python】Python航空公司客户价值数据分析(代码+论文)【独一无二】
|
16天前
|
数据采集 数据可视化 数据挖掘
深入浅出:使用Python进行数据分析
在这篇文章中,我们将探索Python在数据分析中的应用,介绍几个关键的库,如Pandas、NumPy、Matplotlib,以及如何使用它们进行有效的数据处理和可视化。本文旨在为初学者提供一个清晰、简洁的指南,让读者能够快速掌握使用Python进行数据分析的基本技能,并通过一个实例加深理解。不同于其他文章的冗长解释和复杂示例,我们将以最直接、易懂的方式,让你迅速上手,即使是完全没有编程背景的读者也能轻松跟上。
|
1天前
|
数据采集 数据可视化 数据挖掘
R语言与Python:比较两种数据分析工具
【4月更文挑战第25天】R语言和Python是目前最流行的两种数据分析工具。本文将对这两种工具进行比较,包括它们的历史、特点、应用场景、社区支持、学习资源、性能等方面,以帮助读者更好地了解和选择适合自己的数据分析工具。
|
7天前
|
机器学习/深度学习 数据挖掘 计算机视觉
python数据分析工具SciPy
【4月更文挑战第15天】SciPy是Python的开源库,用于数学、科学和工程计算,基于NumPy扩展了优化、线性代数、积分、插值、特殊函数、信号处理、图像处理和常微分方程求解等功能。它包含优化、线性代数、积分、信号和图像处理等多个模块。通过SciPy,可以方便地执行各种科学计算任务。例如,计算高斯分布的PDF,需要结合NumPy使用。要安装SciPy,可以使用`pip install scipy`命令。这个库极大地丰富了Python在科学计算领域的应用。
12 1
|
8天前
|
数据可视化 数据挖掘 Python
Python中数据分析工具Matplotlib
【4月更文挑战第14天】Matplotlib是Python的数据可视化库,能生成多种图表,如折线图、柱状图等。以下是一个绘制简单折线图的代码示例: ```python import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] plt.figure() plt.plot(x, y) plt.title('简单折线图') plt.xlabel('X轴') plt.ylabel('Y轴') plt.show() ```
13 1
|
8天前
|
数据采集 SQL 数据可视化
Python数据分析工具Pandas
【4月更文挑战第14天】Pandas是Python的数据分析库,提供Series和DataFrame数据结构,用于高效处理标记数据。它支持从多种数据源加载数据,包括CSV、Excel和SQL。功能包括数据清洗(处理缺失值、异常值)、数据操作(切片、过滤、分组)、时间序列分析及与Matplotlib等库集成进行数据可视化。其高性能底层基于NumPy,适合大型数据集处理。通过加载数据、清洗、分析和可视化,Pandas简化了数据分析流程。广泛的学习资源使其成为数据分析初学者的理想选择。
15 1
|
11天前
|
Python 数据挖掘 存储
Python 数据分析(PYDA)第三版(七)(4)
Python 数据分析(PYDA)第三版(七)
34 1
|
Python Shell 存储
Python 数据分析(PYDA)第三版(七)(3)
Python 数据分析(PYDA)第三版(七)
48 1
Python 数据分析(PYDA)第三版(七)(3)
|
机器学习/深度学习 数据可视化 Python
Python 数据分析(PYDA)第三版(六)(2)
Python 数据分析(PYDA)第三版(六)
57 0