外媒速遞：對(duì)話(huà)式AI平臺(tái)綜述——值得關(guān)注的十大特性
原創(chuàng)【51CTO.com原創(chuàng)稿件】外媒速遞是核子可樂(lè)精選的近日國(guó)外媒體的精彩文章推薦，希望大家喜歡！
今天給大家推薦的內(nèi)容包括：對(duì)話(huà)式AI平臺(tái)中值得關(guān)注的十大特性、如何構(gòu)建一款DIY Blynk單片機(jī)、如何利用Automation Broker實(shí)現(xiàn)自動(dòng)配置和當(dāng)小數(shù)據(jù)遇上大數(shù)據(jù)等。
一、對(duì)話(huà)式AI平臺(tái)綜述：值得關(guān)注的十大特性
原文標(biāo)題：Conversational AI Platform: 10 Features to Look for
即使你的AI探索之旅并不困難，選擇正確的對(duì)話(huà)式AI平臺(tái)可能仍會(huì)讓你感到頭暈?zāi)垦?。為了幫助大家找到正確的前進(jìn)發(fā)向，我們?cè)诮裉斓奈恼轮袑⒛阈枰剂康氖?xiàng)功能整理起來(lái)，希望能夠?yàn)槟銕?lái)一些選擇層面的指導(dǎo)與幫助。
1. 對(duì)話(huà)式
2. 控制
3. 企業(yè)
4. 混合
5. 個(gè)性化
6. 數(shù)據(jù)
7. 跨平臺(tái)
8. 安全性
9. 差異化
10. 實(shí)踐驗(yàn)證
二、物聯(lián)網(wǎng)上手指南：如何構(gòu)建一款DIY Blynk單片機(jī)
原文標(biāo)題：Get started with IoT: How to build a DIY Blynk Board
近年來(lái)，隨著物聯(lián)網(wǎng)技術(shù)的興起，越來(lái)越多的愛(ài)好者都希望規(guī)劃并組裝出自己的原型設(shè)計(jì)。對(duì)于這部分“票友”而言，大多數(shù)人都希望以較低的代碼量完成構(gòu)建嘗試。在今天的文章中，我們將選擇基于ESP8266的Blynk Boards，聊聊如何利用其中內(nèi)置的項(xiàng)目邁出物聯(lián)網(wǎng)裝置設(shè)計(jì)的***步。
1. 關(guān)于硬件
2. 制作DIY Blynk Board
- 收集設(shè)備
- 安裝必要庫(kù)
- 使用Blynk Board固件進(jìn)行刷機(jī)
- 配置您的DIY Blynk Board
- 測(cè)試單片
- 添加外接LED燈
- 正式運(yùn)行
三、Kubernetes教程：如何利用Automation Broker實(shí)現(xiàn)自動(dòng)配置
原文標(biāo)題：Automated provisioning in Kubernetes
在Kubernetes集群當(dāng)中部署應(yīng)用程序時(shí)，我們通常需要配合某些類(lèi)型的服務(wù)。大多數(shù)應(yīng)用程序都需要采用數(shù)據(jù)庫(kù)、存儲(chǔ)服務(wù)、消息代理以及身份管理等機(jī)制。那么，我們?cè)撊绾巫詣?dòng)準(zhǔn)備這些服務(wù)，從而將精力集中在實(shí)際應(yīng)用程序身上?下面，我們將分步探討如何利用Automation Broker實(shí)現(xiàn)這一點(diǎn)。
1. Service Catalog
2. Service Bundle
3. 將各項(xiàng)服務(wù)整合起來(lái)
四、數(shù)據(jù)科學(xué)總結(jié)：當(dāng)小數(shù)據(jù)遇上大數(shù)據(jù)
原文標(biāo)題：Small Data Meets Big Data
如何為高端與普通級(jí)別產(chǎn)品設(shè)置合適的價(jià)格差異?如何將廣告預(yù)算與市場(chǎng)份額關(guān)聯(lián)起來(lái)?如何將心動(dòng)宣傳與偏好轉(zhuǎn)化加以對(duì)接?面對(duì)這些問(wèn)題，數(shù)據(jù)科學(xué)無(wú)疑是最有力的解決手段。在今天的文章中，我們將立足數(shù)據(jù)與分析層面，聊聊與商務(wù)相關(guān)的一切。
1. 數(shù)據(jù)科學(xué)***實(shí)踐
2. 提出正確的問(wèn)題
3. 數(shù)據(jù)科學(xué)綜述
4. 準(zhǔn)備數(shù)據(jù)以備預(yù)測(cè)建模
5. 數(shù)據(jù)建模：構(gòu)建并評(píng)估模型
6. 高效進(jìn)行數(shù)據(jù)可視化與通信
7. 利用R進(jìn)行數(shù)據(jù)挖掘
8. Python中的數(shù)據(jù)分析
9. 預(yù)測(cè)分析
【51CTO原創(chuàng)稿件，合作站點(diǎn)轉(zhuǎn)載請(qǐng)注明原文作者和出處為51CTO.com】
