相聚 QCon 北京站:ProtonBase 邀您一起探索数据系统物理极限

让 QCon 的参会者先看到未来——这是 QCon 全球软件开发大会今年喊出的口号,也是 QCon 给予与会嘉宾的承诺。

4月11 -13日,QCon 全球软件开发大会暨智能软件开发生态展将在北京国测国际会议会展中心举办。大会现场, QCon 组委会将以 1 场主论坛、近 30+ 分论坛、100+ 技术大咖、5 场高端闭门交流、多场闪电演讲、2 个晚场圆桌,还有讲师约见、灵感会谈等形式多样的社交环节,以及智能软件开发生态展等实际行动履行承诺,帮助企业加速技术、产品、组织在大模型时代的全面进化,驱动业务创新发展。ProtonBase 作为大会的内容共创伙伴,邀您一起参会,共同交流探讨 2024 年的重点技术布局与落地实践。

01/ 圆桌对话

数据智能新趋势

主论坛

4月11日11:35—12:25  地点:国宾厅

演讲嘉宾:

蒋晓伟|ProtonBase 研究员

章文嵩|AutoMQ 联合创始人 & 首席战略官

李飞飞|阿里云数据库产品事业部负责人

张凯|蚂蚁集团AI 安全商业化总经理

图片

02/ 精彩演讲

分布式 Data Warebase — 探索数据系统物理极限

「数据库与大数据融合之路」专题

4月11日14:00—14:45  地点:VIP2

蒋晓伟|ProtonBase 研究员

演讲提纲:

1. AI 时代,如何更深入地发掘数据潜在的价值

2. 云原生分布式 Data Warebase 开启处理数据的新范式

3. 构建云原生分布式 Data Warebase 的要素

4. 数据涌现智能,一个系统满足业务全方位数据需求

听众收益:

1.  了解数据领域最新发展趋势

2.  如何借助新一代数据系统更好地提升业务价值

3.  了解 AI 时代应当搭建什么样的数据底座

图片

03/ 出品专题

数据库与大数据融合之路

4月11日 14:00—17:40 地点:VIP2

金晓军|小质科技 技术 VP

过去十年,谷歌三驾马车论文的发布拉开了大数据时代的序幕,无数优秀大数据计算框架应运而生,造就群星闪耀的大数据时代。然而,随着人工智能的崛起,数据量呈指数级增长,数据源日益复杂,企业对实时数据分析的需求与日俱增,这些都给现有的数据架构带来了全新的挑战:我们能否让数据计算变得像数据库一样简便易用且稳定?数据处理链路是否还能更简洁高效?数据库和大数据两者是否能够融为一体?在本专场中,我们将深入探讨数据库与大数据领域的交汇点,深刻了解如何有效结合二者的力量以驱动 AI 时代更灵活、高效、实时的数据洞察与决策。

图片

本次 QCon 北京站还策划了更多精彩议题,涵盖以下方向:

大模型:大模型应用场景探索、AI Agent 智能体落地、大模型数据工程和对齐、大模型训练和推理工程

产品:大模型应用的产品设计、开源产品的商业闭环

提效:下一代生产力工具、效能工程新时代、智能运维大模型

组织:高效能团队管理与进化、组织架构进化和流程重塑

安全:大模型助力数据安全

后端:单体 vs 微服务、高质量架构、业务可观测、性能优化

数据:数据库与大数据融合之路、AI 存储加速、RAG 与向量数据库数据、资产价值化与数据治理

大前端&大终端&编程语言生态:自研 OS 时代的大终端、大前端、AI 云原生时代的语言生态


04/ 以展入会,体验升级

自 2024 年 1 月起,QCon 会议品牌正式升级为“QCon 全球软件开发大会暨智能软件开发生态展”,宣告会议内容、会议模式均向着“生成式 AI”的方向进行全面进化,为大家带来智能软件时代技术先行者们的案例以供参考。

作为品牌升级的第一站,本届大会对展区进行了重新规划,围绕“智能软件”的主题,广泛邀请生态上下游企业积极来到 QCon 现场展示最新的技术和产品。

ProtonBase 在本届 QCon 现场设置了展位,展示我们在数据智能领域的最新成果。与此同时,ProtonBase 展位还设计了精彩的互动环节,并为参与者准备了充满诚意的定制礼品。我们诚邀您前往本次 QCon 大会展区,开启智能软件的奇妙之旅,探索、交流、分享智能软件的未来。

图片

ProtonBase 位于生态展区- S21

点击阅读原文,输入邀请码:protonbase,0元购价值 180 元的展区门票!

目前完整日程已上线,供您参考:

图片

点击阅读原文,查看大会完整日程!

  • 22
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是一个可能的 Python 实现代码,仅供参考: ```python import requests from bs4 import BeautifulSoup import pkuseg import matplotlib.pyplot as plt from wordcloud import WordCloud # 确定数据源 brand = "宝马5系" url_template = "https://www.dongchedi.com/koubei/{}?page={}" # 获取数据 questions = [] for month in range(1, 13): url = url_template.format(brand, month) for page in range(1, 11): page_url = url + "&sort=1&tp=3&page=" + str(page) response = requests.get(page_url) soup = BeautifulSoup(response.text, "html.parser") items = soup.select(".koubei-list > .item") if not items: break for item in items: question = item.select_one(".qcon > a").text.strip() questions.append(question) # 分词 seg = pkuseg.pkuseg() words = [] for question in questions: words.extend(seg.cut(question)) nouns = [word for word in words if word.isalnum() and word[0].isupper()] # 统计词频 word_count = {} for noun in nouns: if noun not in word_count: word_count[noun] = 0 word_count[noun] += 1 # 可视化 top_n = 10 top_words = sorted(word_count.items(), key=lambda x: x[1], reverse=True)[:top_n] labels, values = zip(*top_words) plt.bar(labels, values) plt.xticks(rotation=45) plt.title("Top {} Nouns for {}".format(top_n, brand)) plt.show() # 词云图 wordcloud = WordCloud(background_color="white").generate(" ".join(nouns)) plt.imshow(wordcloud, interpolation='bilinear') plt.axis("off") plt.show() ``` 其中,我们使用 pkuseg 分词包进行分词处理,使用 Matplotlib 库绘制柱状图展示频率最高的前十个名词,使用 WordCloud 库绘制词云图。 注意,该代码仅供参考,具体的实现方式还需要根据实际情况进行调整和改进。在编写爬虫程序时,需要注意遵守网站的 robots.txt 规定,不要过度频繁地访问同一网站,以免给网站带来过大的负担。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值