开篇
此次是大数据与机器学习领域周报第1期。我们对该系列周报规划的内容主要包括：NoSQL、大数据、机器学习、数据挖掘以及这些技术的应用(比如：推荐系统)等方面的新闻、杂谈和技术干货(包括文章和视频)。希望通过我们的努力，持续为读者贡献高质量的内容。
新闻
《人工智能再显身手，谷歌AlphaGo战胜李世石》 ：本周科技圈最受关注的新闻莫过于围棋版“人机大战”。 Google旗下DeepMind出品的AlphaGo连胜三局(五局三胜制)战胜韩国职业棋手围棋九段李世石
《文档型数据库CouchBase 4.5开发者预览版发布》 ：日前，CouchBase官网正式对外发布了CouchBase 4.5 GA版本，这是具有重要里程碑式的改进，它具有高效的查询、先进的数据访问、强大的索引和更安全的管理。对于开发人员来说，这是一个改动很大的版本
大数据
《Splunk vs ELK：如何选择管理、查询log的工具》 ：开发人员常常要选择工具，是买付费产品还是用免费开源的?本文虽对比付费的Splunk及免费的ElasticSearch(和它的好朋友们)，但整个对比思考的过程值得借鉴到其他类别的工具的选择
《我所经历的大数据平台发展史(二)：非互联网时代 • 下篇》 ：本文是松子(李博源)的大数据平台发展史系列文章的第二篇(共四篇)，本系列以独特的视角，比较了非互联网和互联网两个时代以及传统与非传统两个行业。是对数据平台发展的一个回忆，对非互联网、互联网，从数据平台的用户角度、数据架构演进、模型等进行了阐述
《用Apache Spark进行大数据处理——第三部分：Spark流
：在本文中，我们将会学习到如何使用Apache Spark中一个被称为Spark流的库进行实时数据分析。
我们将会看到一个网络服务器日志分析用例，该用例会向我们展示Spark流是如何帮助我们对持续产生的数据流进行分析的
《Spark生态顶级项目汇总》 ：现在Apache Spark已形成一个丰富的生态系统，包括官方的和第三方开发的组件或工具。后面主要给出5个使用广泛的第三方项目。
《Spark vs. Hadoop MapReduce》 ：作为一个开源的数据处理框架，Spark 是如何做到如此迅速地处理数据的呢?秘密就在于它是运行在集群的内存上的，而且不受限于 MapReduce 的二阶段范式。这大大加快了重复访问同一数据的速度
《大数据如何改善我们周围的生存环境》 ：大数据的潜力还没有被完全挖掘出来，这需要时间和不断的尝试才能发挥它最大的价值，更好的改善我们的日常生活环境
数据挖掘
《数据挖掘领域的全球专家列表》 ：包含300多位专家，既有学术界的，也有工业界的，提供每位专家详细profile(基本信息、联系方式、研究兴趣)，还包括性别、能讲的语言(比如中文)
《解析智能推荐系统开发中十大关键要素》 ：亚马逊的CEO Jeff Bezos曾经说过，他的梦想是“如果我有100万个用户，我就要为他们做100万个亚马逊网站”。智能推荐系统承载的就是这个梦想，即通过数据挖掘技术，为每一个用户实现个性化的推荐结果，让每个用户更便捷
《数据挖掘技术：概念解读及应用初探》 ：数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策
机器学习
《基于Spark的异构分布式深度学习平台》 ：本文介绍百度基于Spark的异构分布式深度学习系统，把Spark与深度学习平台PADDLE结合起来解决PADDLE与业务逻辑间的数据通路问题
《Databricks将Spark和TensorFlow集成起来用于深度学习(Deep Learning)》 ：自从去年Google开源了其机器学习框架TensorFlow，数据科学社区就有了机会在自己的项目中尝试这个框架。Databricks在这方面也做了一些尝试
《人工智能会超越人的智力吗?InfoQ就“深度学习”采访了Jürgen Schmidhuber教授》 ：现在很多人在讨论人工智能的潜力。他们会问这样一些问题，诸如：“机器能像人一样学习吗?”“人工智能会超过人类的智力吗?”为了回答这些问题，InfoQ采访了来自瑞士人工智能实验室IDSIA的主任Jürgen Schmidhuber教授
感谢杜小芳对本文的审校。
|
