收集数据后,在批处理模式数据集市下聚集和查询数据,以获取商业智能,这是实际应用大数据及分析的主要方式。它还有助于为新兴国家的人们确保有一个公平的竞争环境,为他们节省时间,并且迅速深入了解数据查询情况。
Springg就是个例子,荷兰的这家农业软件公司在与世界各地的农民合作。由于发展中国家缺乏基础设施,又认识到这些国家的农民需要与发达国家的农民那样同样可以访问农业信息,Springg想要找到一种方法,可以从田间获取宝贵数据,这些数据经评估后,可以将宝贵的信息迅速返回给较偏远地区的农民。
Talend公司专门提供Springg使用的大数据集成软件,首席营销官(CMO)阿什利·斯特拉普(Ashley Stirrup)说:“对于农民来说,采取土壤样本很重要,那样你就能更清楚地了解土地的特性,可以施什么类型的肥料,以便作物有最高产量。”
在以往,田地土壤样本在当地采取后,送到远在几百英里、乃至几千英里之外的实验室进行分析。
斯特拉普说:“Springg想要做的就是,在肯尼亚建立可以利用物联网技术的移动测试中心。”通过使用移动测试中心,Springg就能够借助传感器收集当地的土壤数据,然后在现场进行土壤分析,那样当地农民立即就能了解土壤情况以及最适合作物的肥料。土壤数据直接在田间加以收集和分析。然后发送到集中式数据库,可以在更综合、更全面的环境下进一步分析数据。
斯特拉普特别指出:“对于当地农民来说,这个过程极为高效,它将实验室分析土壤的速度加快了五倍。在欠发达地区,结果准确性和成本至关重要。这关系到一户家庭能否自给自足或者孩子能否上学。”
想把本地数据收集和分析之间的所有点联系起来,然后将数据发送到远地更庞大的数据资料库,这就需要形形色色的技术,从无线通信、移动电话,到可以处理不同国家电信环境的灵活的通讯协议,不一而足。斯特拉普说:“我们自己的数据工具应用于这种使用场合,我们想要一种解决方案可以处理任何类型的移动设备,并可以根据需要支持简单的通信协议。”
在当地的游击式田间应用程序(比如借助物联网传感器现场收集数据)中,还要确保数据准备和传输具有灵活性,那样可以捕获、分析、最终利用数据。
斯特拉普说:“有了这一种方法,你可以调入从世界各地的传感器收集而来的数据。然后,你可以在现场实时或近实时分析该数据,从数据立即获得当地结果。”
之后,数据从世界各地的多个收集点收集而来,然后发送到集中式数据资料库,数据可以改而用于众多用途。
斯特拉普说:“进一步利用这种农业数据的一种方法就是应用于金融市场。当一个系统能够分析并生成从世界各地的农业收集点收集而来的宝贵信息,许多公司就能更深入地了解当前的作物产量与历史趋势相比如何,天气状况对收成起到了怎样的影响,对大宗商品价格可能会有什么样的影响。”
使用这种“田间”的游击式数据收集和分析,立即将结果返回给当地农民,随后一路发送到大型数据资料库,然后数据进行进一步的分析,用于各大金融市场的趋势建模和决策,这种使用仍处于初期阶段,不过对于一种从宏观和微观两方面都可加以分析的数据模式而言,结果大有希望。
好文章,需要你的鼓励
网络和基础设施管理技术提供商NetBox Labs完成3500万美元B轮融资。该公司是开源网络基础设施管理平台NetBox的商业化运营方,服务数万家企业用户,包括数十家财富500强公司。NetBox已成为现代技术基础设施构建、管理和自动化的标准平台,可加速创新、简化运营并支持AI应用场景。
这项研究开发了VIDEO-RTS系统,仅用传统方法3.6%的训练数据就让AI学会了真正的视频推理能力。系统采用"纯强化学习"跳过死记硬背阶段,结合"稀疏到密集"的自适应推理策略,在五个权威测试中平均准确率提升2.4%。这一突破性进展可能改变AI视频理解的发展方向。
ITPro Today针对IT专业人士进行的边缘计算策略调查显示,55%的受访者对边缘计算概念仅"有所了解",21%的组织IT预算中边缘计算投资不足5%,而33%的组织至少投入10%。性能提升和安全性是采用边缘计算的主要驱动因素,分析和数据缓存是主要应用场景。Microsoft Azure IoT Edge是最广泛使用的边缘平台,混合云-边缘模型成为主流架构。成本仍是边缘计算采用的最大障碍。
约翰斯·霍普金斯大学研究团队开发出能够自主完成胆囊切除术的手术机器人系统SRT-H。该系统采用分层决策架构,具备自我纠错能力,在8次完整手术测试中实现100%成功率。系统通过观看16000个手术轨迹学习,能够像人类医生一样观察、判断和纠错,代表了手术机器人向真正自主化迈出的重要一步。