0 人感兴趣 · 6 次引用
我决定放弃所有花里胡哨的发言,就简单直接的上干货吧
对之前的方案补充了计算量上的优化
spark SQL时空碰撞
对数据分析中的同行从逻辑上做了一个简单的优化,解决了内存问题和重复计算问题
今天给大家分享第四范式在推荐系统大规模特征工程与Spark基于LLVM优化方面的实践,主要包括以下四个主题。
第四范式已经在很多行业落地了上万个AI应用,比如在金融行业的反欺诈,媒体行业的新闻推荐,能源行业管道检测,而SparkSQL在这些AI应用中快速实现特征变换发挥着重要的作用
还未添加个人签名
Explore, Define and Solve problems
关注公众号:Java后端技术全栈,领500G资料
拥抱技术,与开发者携手创造未来!