Greenplum 数据分布黄金法则 - 论分布列与分区的选择
背景
阿里云ApsaraDB for Greenplum公测以来，已经收到好多用户的公测申请。
要使用Greenplum，登陆到数据库后第一件事当然是建表，然后倒入数据开测。
大部分用户以前是使用MySQL的，并没有接触过Greenplum，语法需要适应一下。
例如MySQL中的
jedis连接池详解(Redis)
原子性（atomicity）：
一个事务是一个不可分割的最小工作单位，事务中包括的诸操作要么都做，要么都不做。
Redis所有单个命令的执行都是原子性的，这与它的单线程机制有关；
Redis命令的原子性使得我们不用考虑并发问题，可以方便的利用原子性自增操作INCR实现简单计数器功能;
单机模式：
package com.ljq.utils;
import redis.clients.jedis
基于深度学习的广告CTR预估算法
本文主要介绍了广告CTR预估算法在引入深度学习之后的基本演化过程及一些最新的进展，重点是从工业实现和应用的视角对Deep CTR模型进行剖析，探讨为什么这样设计模型、模型的关键要点是什么。主要内容按照“内”、“外”两个不同的角度进行介绍：内部集中介绍了典型模型的网络结构演化过程，外部则关注于不同数据、场景和功能模块下模型的设计思路。
一文读懂目标检测AI算法：R-CNN，faster R-CNN，yolo，SSD，yoloV2
## 1 引言
深度学习目前已经应用到了各个领域，应用场景大体分为三类：物体识别，目标检测，自然语言处理。上文我们对物体识别领域的技术方案，也就是CNN进行了详细的分析，对LeNet-5 AlexNet VGG Inception ResNet MobileNet等各种优秀的模型框架有了深入理解。本文着重与分析目标检测领域的深度学习方法，对其中的经典模型框架进行深入分析。
目标检测可以
深度学习必备手册（下）
深度学习作为人工智能的前沿技术，虽然一方面推动者人工智能的发展；但是人类的终极目标四强人工智能。最近也有一些关于类似于笔者认为的广度学习的出现，但是宗其所属，还是应该在深度学习发展的历史上前进。
EB级别体量之下的高效数据赋能 ——云栖大会阿里大数据分论坛精彩演讲2
2017云栖大会－阿里大数据分论坛，我们通过串联7个演讲，将阿里十余年在大数据领域 沉淀的技术能力和应用实践对外分享，系统性介绍我们是如何构建一个从底层的数据采集、处理，到挖掘算法、应用、产品服务的全链路、标准化的大数据体系，使得超过EB级别的海量数据能够高效融合，并以秒级的响应速度，服务并驱动阿里巴巴的业务和外部千万用户的发展。
