标签：qq weixin 数据 mp https 102 计算技术 com 周报
导语
“大数据” 三个字其实是个marketing语言，从技术角度看，包含范围很广，计算、存储、网络都涉及，知识点广、学习难度高。
本期会给大家奉献上精彩的：阿里数据库、AI、Hbase、CV、DDD思想、Aloha、推荐系统、5G、日志采集、对抗网络、Cassandra、。全是干货，希望大家喜欢！！！
#大数据和云计算技术社区#希望通过坚持定期分享能帮助同学在大数据学习道路上尽一份微博之力。相信长期坚持认真阅读周报的同学，在技术的道路上一定会日益精进！感谢编辑们的长期坚持！也请同学们继续打赏，支持社区，支持编辑们持续奉献高质量知识！
#大数据和云计算技术社区#长期招募有兴趣参与社区编辑和运营的同学，欢迎扫描文末二维码联系（参与社区工作，收获知识和进步，还有红包哦）。
特别提醒，文末有惊喜！
以下是正文，限于众编辑水平有限，不保证大家都喜欢。（如果链接不能点开 请用二维码 谢谢）
1阿里数据库
阿里数据库的发展史缩印。
https://mp.weixin.qq.com/s/KpN_LJ59UxBRAyNbmXiH1w
2DDD思想
DDD思想指导的开发过程，首先是开发团队要和领域专家去针对业务需求进行充分的讨论沟通，这一点很重要，业务线的开发人员有个不好的习惯：被动接受需求，回头再来抱怨业务人员或者产品经理没有表述清楚，人非圣贤孰能无过，合作的就是要互相补位。
https://mp.weixin.qq.com/s/apGV-9LoJ-W_nEx9Ohritw
3MongoDB
本文讲述了MongoDB常见的问题，支持哪种复制，复制是否可以通过Internat和WAN连接，是否可以通过"noisy"连接进行复制，journaling功能的作用等等。
4Hbase
分享一下百度智能监控场景下的HBase相关实践经验，用于百度智能运维产品（Noah）的分布式时序数据库和通用配额管理平台。
https://mp.weixin.qq.com/s/0JJEGyMzMYddpV_kDPRIfg
5Aloha
Aloha 是一个基于 Scala 实现的分布式的任务调度和管理框架，提供插件式扩展功能，可以用来调度各种类型的任务。Aloha 的典型的应用场景是作为统一的任务管理入口。例如，在数据平台上通常会运行各种类型的应用，如 Spark 任务，Flink 任务，ETL 任务等，统一对这些任务进行管理并及时感知任务状态的变化是很有必要的。本文详细介绍了Aloha。
https://mp.weixin.qq.com/s/Pv6Az5zNP4HSG6ugAWPTPg
6推荐系统
360人工智能研究院的技术经理张康分享了"基于深度学习的推荐系统在360的应用"主题，为大家详细阐述在360的各种场景下，基于深度学习的推荐系统的各种应用。
https://mp.weixin.qq.com/s/6lwjneYInhoTo9NKrCdAyg
75G
万物互连，所有的“物”都连到互联网，都成为互联网世界的一个分子，在互联网世界里，人和物是同等的。。
https://mp.weixin.qq.com/s/gSaxXeO0G09VixBaOt42-w
8日志采集
详解日志采集工具--Logstash、Filebeat、Fluentd、Logagent对比。
9对抗网络
在同一域下的图像和数据是符合一个整体流形分布的，一旦域中的数据缺失，能否利用已有的域中数据去还原丢失的数据呢？
Collaborative GAN 提出了一种新的缺失图像数据插补框架，称为协同生成对抗网络 (CollaGAN)。CollaGAN 是在现在已经成熟的单图像到图像生成的基础上，研究多域图像到图像的翻译任务，以便单个生成器和判别器网络可以使用剩余的干净数据集成功估计丢失的数据。
https://mp.weixin.qq.com/s/gzwa6ZZeNvm1MyIM93sC5Q
10AL
最近几年以来，能够插入神经网络架构中的新型可区分图层在数量上有所增加。从空间转换器到可变图形渲染器，这些新层积极利用多年以来计算机视觉与图形研究为我们带来的知识储备，共同构建起新的、更为高效的网络架构。将几何先验与约束机制明确建模至神经网络当中，意味着 AI 建模迎来了新的发展时代。以此为基础，AI 建模师能够以自我监督的方式进行稳健、高效的自动化模型生成工作。
https://mp.weixin.qq.com/s/yw0d-aH79uAxRR5IazoknA
11开心一刻
你会给自己写什么墓志铭？
：没什么事我就先挂了标签：qq,weixin,数据,mp,https,102,计算技术,com,周报 来源： https://blog.51cto.com/15127539/2659768
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。