- 參會(huì)報(bào)名
- 會(huì)議介紹
- 會(huì)議日程
- 會(huì)議嘉賓
- 參會(huì)指南
-
手機(jī)下單
首頁(yè) > 商務(wù)會(huì)議 > IT互聯(lián)網(wǎng)會(huì)議 > Strata Data Conference 北京2017 更新時(shí)間：2018-07-06T16:02:53
|
Strata Data Conference 北京2017 已截止報(bào)名會(huì)議時(shí)間： 2017-07-13 08:00至 2017-07-15 18:00結(jié)束 會(huì)議地點(diǎn)： 北京 北京國(guó)際飯店會(huì)議中心 東城區(qū)建國(guó)門(mén)內(nèi)大街9號(hào) 周邊酒店預(yù)訂 |
收藏3人
換一換
會(huì)議介紹
會(huì)議介紹 主辦方介紹
Strata Data Conference 北京2017宣傳圖
Strata Data Conference: Make data work
Strata Data Conference是關(guān)于數(shù)據(jù)、機(jī)器學(xué)習(xí)及分析如何改變商業(yè)和社會(huì)本身的領(lǐng)先會(huì)議。來(lái)自各種規(guī)模創(chuàng)新公司的頂尖數(shù)據(jù)科學(xué)家、分析師和管理人員聚集一堂，分享深入、難以獲取的知識(shí)。
Strata Data Conference 7月12-15日重返北京。我們?cè)趯ふ抑v師來(lái)和有才華的技術(shù)觀眾分享有吸引力的數(shù)據(jù)案例分析、成熟的最佳實(shí)踐、有效的新分析方法以及不同尋常的技能。我們尋找的主題包括：
?
會(huì)議主題包括：
AI應(yīng)用
智能應(yīng)用例如個(gè)人助理、聊天機(jī)器人、機(jī)器人、無(wú)人機(jī)、無(wú)人駕駛汽車(chē)正出現(xiàn)在各領(lǐng)域。除了應(yīng)用和使用案例我們也對(duì)一些議題和培訓(xùn)感興趣，包括深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、概率機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言理解、語(yǔ)音和情感技術(shù)及相關(guān)主題。
?
數(shù)據(jù)科學(xué)&高級(jí)分析
機(jī)器學(xué)習(xí)的最新算法和進(jìn)展，以及文化演變和團(tuán)隊(duì)建設(shè)方面的棘手問(wèn)題。
-
統(tǒng)計(jì)、算法及機(jī)器學(xué)習(xí)（包括深度學(xué)習(xí)）
-
主動(dòng)學(xué)習(xí)及其他“人類(lèi)參與的”機(jī)器學(xué)習(xí)系統(tǒng)
-
數(shù)據(jù)分析流程、探索、協(xié)作、同行評(píng)審、記錄的再現(xiàn)性和數(shù)據(jù)來(lái)源。
-
通過(guò)設(shè)計(jì)和社交科學(xué)技巧來(lái)創(chuàng)建更好的試驗(yàn)并提出正確的問(wèn)題。
-
數(shù)據(jù)結(jié)構(gòu)和布局（表、圖形、網(wǎng)絡(luò)、時(shí)間序列、非結(jié)構(gòu)化文本）
-
欺詐偵測(cè)、對(duì)抗分析、游戲理論
?
Hadoop使用案例
Hadoop生態(tài)系統(tǒng)真實(shí)案例分析，范圍包括從初創(chuàng)企業(yè)到行業(yè)巨頭。
?
Hadoop內(nèi)核&發(fā)展
深入了解這一主流大數(shù)據(jù)棧，包括實(shí)踐經(jīng)驗(yàn)、整合技巧和前瞻。
?
數(shù)據(jù)工程和架構(gòu)
Hadoop之外的工具——例如Cassandra、Storm、Elasticsearch、Kafka還有基于云的服務(wù)——以及它們?nèi)绾稳谌霐?shù)據(jù)科學(xué)工具包。
-
大數(shù)據(jù)平臺(tái)及架構(gòu)（Hadoop、Elasticsearch、Cassandra、Kafka、Storm等等。）
-
擴(kuò)展、查詢(xún)性能、可用性、計(jì)算成本、自動(dòng)化、加密
-
為分析做預(yù)處理、清理、整理和增強(qiáng)數(shù)據(jù)
-
混合內(nèi)部部署和云數(shù)據(jù)服務(wù)
?
Spark&更多發(fā)展
Apache Spark最佳實(shí)踐、架構(gòu)考量、來(lái)自于初創(chuàng)公司和大型企業(yè)的真實(shí)案例研究。
?
物聯(lián)網(wǎng)&實(shí)時(shí)計(jì)算
物聯(lián)網(wǎng)搜集和產(chǎn)生的數(shù)據(jù)——包括存儲(chǔ)、分析和發(fā)布這些信息的困難；及從結(jié)果洪流中抽取能理解的、有意義的見(jiàn)解。
-
機(jī)器、傳感器、人群及移動(dòng)數(shù)據(jù)搜集
-
分析與物聯(lián)網(wǎng)
-
開(kāi)放數(shù)據(jù)標(biāo)準(zhǔn)與互操作性
?
安全
數(shù)據(jù)需要像加密這樣的工具來(lái)保護(hù)安全和隱私；越來(lái)越多的數(shù)據(jù)和算法可以改善我們的安全狀況。但是安全團(tuán)隊(duì)一直都在和那些試圖鉆算法漏洞的人展開(kāi)不斷競(jìng)賽。該主題系列探討數(shù)據(jù)治理和數(shù)據(jù)在更好的安全性中的角色。
?
企業(yè)應(yīng)用
企業(yè)如何從遺留數(shù)據(jù)存儲(chǔ)向大數(shù)據(jù)轉(zhuǎn)移以及最佳實(shí)踐——及障礙——從而成為數(shù)據(jù)驅(qū)動(dòng)企業(yè)
?
可視化&用戶體驗(yàn)
如果數(shù)據(jù)沒(méi)產(chǎn)生結(jié)果就沒(méi)任何意義。該主題系列解決增強(qiáng)、用戶體驗(yàn)、新界面、交互性及可視化。
-
分析和報(bào)告
-
增強(qiáng)和虛擬現(xiàn)實(shí)
-
設(shè)計(jì)、交互性及可視化
-
設(shè)計(jì)中斷和上下文接口
-
用戶體驗(yàn)和數(shù)據(jù)驅(qū)動(dòng)設(shè)計(jì)
?
開(kāi)放數(shù)據(jù)
在中國(guó)有越來(lái)越多的開(kāi)放數(shù)據(jù)存儲(chǔ)庫(kù)和計(jì)劃。我們將展示大數(shù)據(jù)技術(shù)、數(shù)據(jù)科學(xué)和開(kāi)放數(shù)據(jù)在公共或私有領(lǐng)域的應(yīng)用。
?
關(guān)于 Strata Data Conference
Strata Data Conference是最前沿科學(xué)與新興商業(yè)基礎(chǔ)碰撞和融合的地方。在這里我們會(huì)深入探索新興技術(shù)和科技。您將通過(guò)深入的輔導(dǎo)課剖析案例研究、發(fā)展新技能，分享數(shù)據(jù)科學(xué)中新興的最佳實(shí)踐并暢想未來(lái)。
該活動(dòng)之前作為Strata + Hadoop World創(chuàng)建于2012年，O'Reilly和Cloudera將兩個(gè)成功的大數(shù)據(jù)會(huì)議組合在一起。
議題主席Doug Cutting（Cloudera首席架構(gòu)師，Apache Hadoop創(chuàng)始人）、Roger Magoulas（O'Reilly研究主管）以及企業(yè)家Alistair Croll和議題開(kāi)發(fā)總監(jiān)Ben Lorica（O'Reilly首席數(shù)據(jù)科學(xué)家）已經(jīng)安排了一個(gè)覆蓋整個(gè)大數(shù)據(jù)工具和技術(shù)的議題安排。Strata Data Conference涵蓋了像人工智能和機(jī)器學(xué)習(xí)等當(dāng)前熱門(mén)話題，并且重點(diǎn)放在如何實(shí)施數(shù)據(jù)戰(zhàn)略上。
?
為什么您應(yīng)該參加
Strata Data Conference 將聚集大數(shù)據(jù)領(lǐng)域最有影響力的產(chǎn)業(yè)決策者、戰(zhàn)略專(zhuān)家、架構(gòu)師、開(kāi)發(fā)人員和分析師，共同打造產(chǎn)業(yè)和技術(shù)的未來(lái)。
-
成為了解如何利用這些巨大變化的最前沿人群，并在所導(dǎo)致的顛覆中存活下來(lái)
-
在各個(gè)行業(yè)和學(xué)科找到利用您的數(shù)據(jù)資產(chǎn)的新方法
-
學(xué)習(xí)如何從科學(xué)項(xiàng)目中提取數(shù)據(jù)并應(yīng)用到實(shí)際行業(yè)中
-
對(duì)專(zhuān)業(yè)數(shù)據(jù)人士來(lái)講將發(fā)現(xiàn)培訓(xùn)、雇傭和職業(yè)機(jī)會(huì)
-
與其他創(chuàng)新人員和意見(jiàn)領(lǐng)袖面對(duì)面交流
?
體驗(yàn) Strata Data Conference
3整天的議程包括富于啟發(fā)的主題演講、非常實(shí)用又有豐富信息的議題，以及很多有趣的社交活動(dòng)。
-
探索最新的前沿問(wèn)題、案例研究以及最佳實(shí)踐
-
與商界領(lǐng)袖、數(shù)據(jù)專(zhuān)家、設(shè)計(jì)者和開(kāi)發(fā)者交流的機(jī)會(huì)
-
為參會(huì)者、記者和供應(yīng)商提供了活躍的“走廊交流會(huì)” ，使您有機(jī)會(huì)對(duì)重要問(wèn)題進(jìn)行探討和辯論
-
有趣的晚間活動(dòng)招待會(huì)，更重要的是給您更多與參會(huì)者和演講者面對(duì)面的時(shí)間
?
您會(huì)看到誰(shuí)
Strata Data Conference 將吸引數(shù)據(jù)行業(yè)最出色的人員：開(kāi)發(fā)者、數(shù)據(jù)科學(xué)家、數(shù)據(jù)分析師以及其他數(shù)據(jù)行業(yè)的專(zhuān)業(yè)人員，包括：
-
商業(yè)智能經(jīng)理和分析師
-
商務(wù)經(jīng)理、戰(zhàn)略專(zhuān)家和決策者
-
CIO, CTO 以及企業(yè)架構(gòu)師
-
數(shù)據(jù)驅(qū)動(dòng)設(shè)計(jì)者，記者以及人類(lèi)學(xué)家
-
數(shù)據(jù)工程師
-
數(shù)據(jù)科學(xué)家
-
設(shè)計(jì)者
-
開(kāi)發(fā)者和數(shù)據(jù)庫(kù)專(zhuān)業(yè)人員
-
創(chuàng)新人士和企業(yè)家
-
產(chǎn)品經(jīng)理
-
研究人員和學(xué)術(shù)人員
-
風(fēng)投和投資者
-
副總裁、市場(chǎng)主管或數(shù)據(jù)倉(cāng)庫(kù)主管
查看更多
O'Reilly
O'Reilly Media,Inc.是世界上在UNIX、X、Internet和其他開(kāi)放系統(tǒng)圖書(shū)領(lǐng)域具有領(lǐng)導(dǎo)地位的出版公司，同時(shí)是聯(lián)機(jī)出版的先鋒。從最暢銷(xiāo)的《The Whole Internet User's Guide & Catalog》（被紐約公共圖書(shū)館評(píng)為二十世紀(jì)最重要的50本書(shū)之一）到GNN（最早的Internet門(mén)戶和商業(yè)網(wǎng)站），再到WebSite（第一個(gè)桌面PC的Web服務(wù)器軟件），O'Reilly Meida,Inc.一直處于Internet發(fā)展的最前沿。
cloudera
由于Hadoop深受客戶歡迎，許多公司都推出了各自版本的Hadoop，也有一些公司則圍繞Hadoop開(kāi)發(fā)產(chǎn)品。在Hadoop生態(tài)系統(tǒng)中，規(guī)模最大、知名度最高的公司則是Cloudera。Cloudera由來(lái)自Facebook、谷歌和雅虎的前工程師杰夫·哈默巴切(Jeff Hammerbacher)、克里斯托弗·比塞格利亞(Christophe Bisciglia)、埃姆·阿瓦達(dá)拉(Amr Awadallah)以及現(xiàn)任CEO、甲骨文前高管邁克·奧爾森(Mike Olson)在2008年創(chuàng)建。
會(huì)議日程
（最終日程以會(huì)議現(xiàn)場(chǎng)為準(zhǔn)）
培訓(xùn) 輔導(dǎo)課 議題 主題演講
Strata Data Conference 培訓(xùn)
Training courses takes place 9:00am - 17:00pm and are limited in size to maintain a high level of hands-on learning and instructor interaction. Training passes do not include access to tutorials on Thursday.
Breaks:
-
Morning break: 10:30 – 11:00
-
Lunch: 12:30 – 1:30
-
Afternoon break: 15:00 – 15:30
July 12 — 13, 2017
Included in Platinum and 2-Day Training passes.
Participants should plan to attend both days of this training course.
09:00–17:00 Wednesday, 2017-07-12
數(shù)據(jù)科學(xué)精髓：互聯(lián)網(wǎng)金融實(shí)例 - 量化線上金融信用與欺詐風(fēng)險(xiǎn)的評(píng)估 (Data Science Essentials: Examples from Internet Finance - Quantifying Credit and Fraud Risks Online)
Location: 多功能廳3B（Function Room 3B) 觀眾水平 (Level): 中級(jí) (Intermediate)
Jike Chong (YiRenDai/CreditEase)
您想了解互聯(lián)網(wǎng)金融幕后的量化分析流程嗎？個(gè)人信用是怎樣通過(guò)大數(shù)據(jù)被量化的？在實(shí)踐過(guò)程中，機(jī)器學(xué)習(xí)算法的應(yīng)用存在著哪些需要關(guān)注的方面？怎樣通過(guò)圖譜分析來(lái)融合多維數(shù)據(jù)，為我們區(qū)分正常用戶和欺詐用戶？ 這套輔導(dǎo)課基于清華大學(xué)交叉信息研究院2017年春天新開(kāi)設(shè)的一門(mén)"量化金融信用與風(fēng)控分析”研究生課。其中會(huì)用LendingClub的真實(shí)借貸數(shù)據(jù)做為案例，解說(shuō)一些具體模型的實(shí)現(xiàn)。
July 12, 2017
Included in Gold and 1-Day Training passes.
09:00–17:00 Wednesday, 2017-07-12
Apache Spark高級(jí)實(shí)踐和原理解析 (Advanced practice and principle analysis)
Location: 多功能廳5A（Function Room 5A) 觀眾水平 (Level): 中級(jí) (Intermediate)
Carson Wang (Intel), 俞育才 (Intel), Zhichao Li (Intel), Yiheng Wang (Intel), Daoyuan Wang (Intel)
這幾年隨著大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)等等在工業(yè)界中越來(lái)越廣泛的應(yīng)用，越來(lái)越多的人選擇在大數(shù)據(jù)平臺(tái)比如Apache Spark之上構(gòu)建大規(guī)模數(shù)據(jù)處理、分析和機(jī)器學(xué)習(xí)，以便利用大量原始數(shù)據(jù)和擴(kuò)展架構(gòu)。如何深入理解大數(shù)據(jù)關(guān)鍵技術(shù)并更好的運(yùn)用它們？本次課程將結(jié)合當(dāng)前大數(shù)據(jù)技術(shù)的浪潮和趨勢(shì)，為您介紹Apache Spark的高級(jí)實(shí)踐和原理解析，幫助您加深領(lǐng)會(huì)Apache Spark的精華設(shè)計(jì)思想，以及如何與流式分析、機(jī)器學(xué)習(xí)，深度學(xué)習(xí)等緊密結(jié)合，在數(shù)據(jù)采集，分析處理，特征提取，機(jī)器學(xué)習(xí)等方面提供一致性和集成性的高級(jí)實(shí)踐。
查看更多
輔導(dǎo)課
請(qǐng)選擇8月4日周四的全天或半天輔導(dǎo)課。專(zhuān)家的講座將帶你深入重要議題。請(qǐng)注意：參加輔導(dǎo)課您的注冊(cè)內(nèi)容包必須包含周四輔導(dǎo)課；該門(mén)票不能參加培訓(xùn)課程。
?
Thursday, July 13
09:00–12:30 Thursday, 2017-07-13
使用Alluxio(前Tachyon)來(lái)加速大數(shù)據(jù)計(jì)算 (Using Alluxio (formerly Tachyon) to speed up big-data analytics)
地點(diǎn)： 多功能廳2（Function Room 2) 觀眾水平 (Level): 中級(jí) (Intermediate)
Bin Fan (Alluxio), Haoyuan Li (Alluxio)
在這個(gè)三個(gè)小時(shí)的教學(xué)課中, 我們將向參與者講授Alluxio基礎(chǔ)知識(shí)，演示Alluxio如何工作以及如何使用此系統(tǒng)幫助分布式計(jì)算引擎（如Spark或MapReduce）以?xún)?nèi)存速度共享數(shù)據(jù)。
?
09:00–12:30 Thursday, 2017-07-13
用TensorFlow進(jìn)行深度學(xué)習(xí) Deep Learning with TensorFlow
地點(diǎn)： 報(bào)告廳（Auditorium) 觀眾水平 (Level): Beginner
TensorFlow是一個(gè)流行的開(kāi)源機(jī)器學(xué)習(xí)庫(kù)，特別適合進(jìn)行深度學(xué)習(xí)。本輔導(dǎo)課會(huì)通過(guò)實(shí)際的例子來(lái)介紹機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。我們會(huì)指導(dǎo)參會(huì)者自己動(dòng)手來(lái)使用TensorFlow和TensorBoard進(jìn)行練習(xí)。
?
09:00–12:30 Thursday, 2017-07-13
從簡(jiǎn)單到復(fù)雜：Apache Kafka應(yīng)用實(shí)例詳解
地點(diǎn)： 多功能廳8A+8B（Function Room 8A+8B) 觀眾水平 (Level): 中級(jí) (Intermediate)
Jiangjie Qin (linkedin corp)
Apache Kafka作為近年來(lái)最流行的消息系統(tǒng)之一，其使用場(chǎng)景已經(jīng)從最初的集中系統(tǒng)消息隊(duì)列發(fā)展到更為復(fù)雜的一系列使用場(chǎng)景，包括流處理，數(shù)據(jù)庫(kù)復(fù)制，CDC等等。本次演講將以Kafka在LinkedIn的實(shí)踐為基礎(chǔ)詳細(xì)介紹Kafka的各種應(yīng)用場(chǎng)景。
?
09:00–12:30 Thursday, 2017-07-13
大數(shù)據(jù)的數(shù)據(jù)模型Big Data - Data Modeling
地點(diǎn)： 多功能廳5B＋C（Function Room 5B+C) 觀眾水平 (Level): Beginner
Ted Malaska (Blizzard Entertainment )
The recent advancement in distributed processing engines, from Spark to Impala to Spark Streaming or Storm, has proved exciting. However, if your design only focuses on the processing layer to get speed and power then you may be missing half the story, leaving a significant amount of optimization untapped.
13:30–17:00 Thursday, 2017-07-13
AWS上使用MXNet進(jìn)行分布式深度學(xué)習(xí)Distributed Deep Learning on AWS using MXNet
地點(diǎn)： 多功能廳2（Function Room 2) 觀眾水平 (Level): Intermediate
Damon Deng (AWS)
深度學(xué)習(xí)正持續(xù)地在諸如計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理和推薦引擎等領(lǐng)域引領(lǐng)最前沿的進(jìn)步。帶來(lái)這個(gè)進(jìn)步的一個(gè)關(guān)鍵因素就是大量的高度靈活和對(duì)開(kāi)發(fā)人員很友好的深度學(xué)習(xí)框架的出現(xiàn)。在本輔導(dǎo)課里，亞馬遜機(jī)器學(xué)習(xí)團(tuán)隊(duì)的成員將會(huì)就深度學(xué)習(xí)的背景做一個(gè)簡(jiǎn)短的介紹，主要關(guān)注與其相關(guān)的應(yīng)用領(lǐng)域。并會(huì)對(duì)強(qiáng)大和可擴(kuò)展的深度學(xué)習(xí)框架——MXNet——做一個(gè)介紹。輔導(dǎo)課的最后，你可以獲得上手的機(jī)會(huì)來(lái)獲得針對(duì)多種應(yīng)用的經(jīng)驗(yàn)，包括計(jì)算機(jī)視覺(jué)和推薦引擎等。并可以看到如何使用預(yù)先配置好的深度學(xué)習(xí)AMI和CloudFormation模版來(lái)幫助加快開(kāi)發(fā)速度。
?
13:30–17:00 Thursday, 2017-07-13
使用Apache Spark和BigDL來(lái)構(gòu)建深度學(xué)習(xí)驅(qū)動(dòng)的大數(shù)據(jù)分析(Building Deep Learning Powered Big Data Analytics using Apache Spark and BigDL)
地點(diǎn)： 報(bào)告廳（Auditorium) 觀眾水平 (Level): 中級(jí) (Intermediate)
Yiheng Wang (Intel)
深度學(xué)習(xí)已經(jīng)在很多的領(lǐng)域（例如計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理和語(yǔ)音識(shí)別等）取得了頂尖水準(zhǔn)的表現(xiàn)，對(duì)工業(yè)界有極大的潛在應(yīng)用價(jià)值。我們應(yīng)該注意到深度學(xué)習(xí)和大數(shù)據(jù)的聯(lián)系非常得緊密。首先，深度學(xué)習(xí)的模型需要使用大量的數(shù)據(jù)來(lái)訓(xùn)練，這就是為什么它直到大數(shù)據(jù)時(shí)代才開(kāi)始蓬勃發(fā)展。其次，現(xiàn)在絕大部分的大數(shù)據(jù)都是視頻、音頻和文字?jǐn)?shù)據(jù)，非常適合使用深度學(xué)習(xí)算法來(lái)處理。為了能釋放深度學(xué)習(xí)的能力，我們就應(yīng)該把它運(yùn)用在大數(shù)據(jù)的環(huán)境里。
?
13:30–17:00 Thursday, 2017-07-13
Modern Streaming Architectures
地點(diǎn)： 多功能廳8A+8B（Function Room 8A+8B) 觀眾水平 (Level): Beginner
Sijie Guo (Twitter), Maosong Fu (Twitter)
The move to streaming architectures from batch processing is a revolution in how companies use data. But what is the state of the art for real-time data stack, including stream computing engine, data storage engine, language and tools. What are the typical challenges in a modern real-time data stack? How will the modern technology impact the streaming architecture and applications in the future?
?
13:30–17:00 Thursday, 2017-07-13
Hadoop application architectures: Fraud detection
地點(diǎn)： 多功能廳5B＋C（Function Room 5B+C) 觀眾水平 (Level): Intermediate
Ted Malaska (Blizzard Entertainment )
Ted will walk participants through building a fraud-detection system, using an end-to-end case study to provide a concrete example of how to architect and implement real-time systems via Apache Hadoop components like Kafka, HBase, Impala, and Spark.
查看更多
11:15–11:55 Friday, 2017-07-14
Driving Southeast Asia Forward With Big Data
地點(diǎn)： 紫金大廳B（Grand Hall B) 觀眾水平 (Level): Non-technical
?
11:15–11:55 Friday, 2017-07-14
Pluto: A Distributed Heterogeneous Deep Learning Framework
地點(diǎn)： 報(bào)告廳（Auditorium) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
11:15–11:55 Friday, 2017-07-14
Apache Hadoop 3 Features and Development Update
地點(diǎn)： 多功能廳2（Function Room 2) 觀眾水平 (Level): Beginner
?
11:15–11:55 Friday, 2017-07-14
HAP：多流動(dòng)態(tài)實(shí)時(shí)分析系統(tǒng)
地點(diǎn)： 多功能廳6A+B（Function Room 6A+B) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
11:15–11:55 Friday, 2017-07-14
Scaling R faster and larger using Apache Spark
地點(diǎn)： 多功能廳5B＋C（Function Room 5B+C) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
13:10–13:50 Friday, 2017-07-14
Spinach: 使用Spark SQL進(jìn)行即席查詢(xún)
地點(diǎn)： 紫金大廳B（Grand Hall B) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
13:10–13:50 Friday, 2017-07-14
數(shù)據(jù)驅(qū)動(dòng)企業(yè)增長(zhǎng)(Data Drive Enterprise's Growth)
地點(diǎn)： 多功能廳6A+B（Function Room 6A+B) 觀眾水平 (Level): 高級(jí) (Advanced)
?
13:10–13:50 Friday, 2017-07-14
ING的快速數(shù)據(jù)——運(yùn)用流式分析解決方案來(lái)創(chuàng)建一個(gè)是實(shí)時(shí)、數(shù)據(jù)驅(qū)動(dòng)的銀行(Fast Data at ING - streaming analytics solutions to create a real-time, data-driven bank)
地點(diǎn)： 多功能廳2（Function Room 2) 觀眾水平 (Level): Intermediate
?
14:00–14:40 Friday, 2017-07-14
Offheap HBase read-path in production - The Alibaba story
地點(diǎn)： 多功能廳6A+B（Function Room 6A+B) 觀眾水平 (Level): Advanced
?
14:00–14:40 Friday, 2017-07-14
Distributed Deep Leaning at Scale on Apache Spark with BigDL
地點(diǎn)： 報(bào)告廳（Auditorium) 觀眾水平 (Level): 中級(jí) ()
?
14:00–14:40 Friday, 2017-07-14
Mastering Spark Unit Testing
地點(diǎn)： 多功能廳2（Function Room 2) 觀眾水平 (Level): Intermediate
?
14:00–14:40 Friday, 2017-07-14
SDK+FinGraph+Go：用一手行為數(shù)據(jù)和圖譜信息創(chuàng)造商業(yè)價(jià)值
地點(diǎn)： 多功能廳5B＋C（Function Room 5B+C) 觀眾水平 (Level): 中級(jí) ()
?
14:00–14:40 Friday, 2017-07-14
Cost-Based Optimizer Framework for Spark SQL
地點(diǎn)： 紫金大廳B（Grand Hall B) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
14:50–15:30 Friday, 2017-07-14
機(jī)器人的預(yù)測(cè)性維護(hù)實(shí)戰(zhàn)：解讀實(shí)時(shí)、可擴(kuò)展的分析管道(Robot Predictive Maintenance in Action: Real-time, Scalable Pipeline Explained)
地點(diǎn)： 多功能廳6A+B（Function Room 6A+B) 觀眾水平 (Level): Intermediate
?
14:50–15:30 Friday, 2017-07-14
使用Spark/BigDL高級(jí)機(jī)器學(xué)習(xí)實(shí)現(xiàn)壽險(xiǎn)業(yè)務(wù)再發(fā)現(xiàn)(Re-implement Life Insurance Services by using Spark/BigDL Advanced Machine Learning)
地點(diǎn)： 報(bào)告廳（Auditorium) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
14:50–15:30 Friday, 2017-07-14
Speed Up Big Data Encryption In Apache Hadoop And Spark
地點(diǎn)： 多功能廳2（Function Room 2) 觀眾水平 (Level): Intermediate
?
14:50–15:30 Friday, 2017-07-14
大數(shù)據(jù)時(shí)代銀行客戶社交關(guān)系圈研究與應(yīng)用
地點(diǎn)： 多功能廳5B＋C（Function Room 5B+C) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
14:50–15:30 Friday, 2017-07-14
Apache Kudo: 1.0版和未來(lái)(Apache Kudu: 1.0 and beyond)
地點(diǎn)： 紫金大廳B（Grand Hall B) 觀眾水平 (Level): Beginner
?
16:20–17:00 Friday, 2017-07-14
Spark在今日頭條的實(shí)踐(Practices of Spark in JinRi TouTiao)
地點(diǎn)： 紫金大廳B（Grand Hall B) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
16:20–17:00 Friday, 2017-07-14
從LR到DNN點(diǎn)擊率預(yù)估系統(tǒng)的進(jìn)化(The evolution of CTR prediction systems, from LR to DNN)
地點(diǎn)： 報(bào)告廳（Auditorium) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
16:20–17:00 Friday, 2017-07-14
Spark和TiDB(Spark On TiDB)
地點(diǎn)： 多功能廳2（Function Room 2) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
16:20–17:00 Friday, 2017-07-14
ShadowMask: Anonymize your sensitive big data
地點(diǎn)： 多功能廳5B＋C（Function Room 5B+C) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
16:20–17:00 Friday, 2017-07-14
Hadoop遇到云上對(duì)象存儲(chǔ)——實(shí)現(xiàn)原理、陷阱和性能優(yōu)化(When Hadoop meets Object Storage - Implementation Principles, Pitfalls and Performance Optimization)
地點(diǎn)： 多功能廳6A+B（Function Room 6A+B) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
Saturday, July 15
11:15–11:55 Saturday, 2017-07-15
The Architecture of Decoupling Compute and Storage with Open Source Alluxio
地點(diǎn)： 多功能廳6A+B（Function Room 6A+B) 觀眾水平 (Level): Non-technical
?
11:15–11:55 Saturday, 2017-07-15
Active Learning in the Real World
地點(diǎn)： 報(bào)告廳（Auditorium) 觀眾水平 (Level): Intermediate
?
11:15–11:55 Saturday, 2017-07-15
領(lǐng)英大數(shù)據(jù)平臺(tái)--超過(guò)1萬(wàn)節(jié)點(diǎn)，每天15萬(wàn)個(gè)作業(yè)，智能連接4.7億職場(chǎng)用戶(LinkedIn Big Data Platform - 10,000+ nodes, 150,000+ daily jobs, connecting 470 million members)
地點(diǎn)： 多功能廳2（Function Room 2) 觀眾水平 (Level):
?
11:15–11:55 Saturday, 2017-07-15
Angel:面向高緯度的機(jī)器學(xué)習(xí)計(jì)算框架(Angel：A Machine Learning Framework for High Dimensionality)
地點(diǎn)： 多功能廳5B＋C（Function Room 5B+C) 觀眾水平 (Level): 高級(jí) (Advanced)
?
11:15–11:55 Saturday, 2017-07-15
Apache Kylin 2.0：從Hadoop上的OLAP 引擎到實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)
地點(diǎn)： 紫金大廳B（Grand Hall B) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
13:10–13:50 Saturday, 2017-07-15
在滴滴出行的最佳實(shí)踐(Spark best practice in Didi)
地點(diǎn)： 紫金大廳B（Grand Hall B) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
13:10–13:50 Saturday, 2017-07-15
On-device machine learning: TensorFlow on Android
地點(diǎn)： 報(bào)告廳（Auditorium) 觀眾水平 (Level): Beginner
?
13:10–13:50 Saturday, 2017-07-15
Transactional Streaming with Apache DistributedLog
地點(diǎn)： 多功能廳2（Function Room 2) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
13:10–13:50 Saturday, 2017-07-15
多視圖建模與半監(jiān)督學(xué)習(xí)：應(yīng)用于海量用戶數(shù)據(jù)挖掘與行為分析
地點(diǎn)： 多功能廳5B＋C（Function Room 5B+C) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
13:10–13:50 Saturday, 2017-07-15
Hyperledger與CDH大數(shù)據(jù)生態(tài)系統(tǒng)的融合以及應(yīng)用實(shí)踐(Hyperledger’s Integration with CDH Big Data Ecosystem, and Its Application in Real World )
地點(diǎn)： 多功能廳6A+B（Function Room 6A+B) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
14:00–14:40 Saturday, 2017-07-15
基于深度學(xué)習(xí)的網(wǎng)絡(luò)表示
地點(diǎn)： 報(bào)告廳（Auditorium) 觀眾水平 (Level): Intermediate
?
14:00–14:40 Saturday, 2017-07-15
在領(lǐng)英搭建Hadoop和Kafka之間的橋梁——Hadoop團(tuán)隊(duì)的視角(Building the bridge between Hadoop and Kafka at Linkedin - A Hadoop team's perspective)
地點(diǎn)： 多功能廳6A+B（Function Room 6A+B) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
14:00–14:40 Saturday, 2017-07-15
欺詐的潛伏性－如何利用大數(shù)據(jù)進(jìn)行反欺詐檢測(cè)
地點(diǎn)： 多功能廳5B＋C（Function Room 5B+C) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
14:00–14:40 Saturday, 2017-07-15
HBase多數(shù)據(jù)中心方案及未來(lái)的增量備份功能介紹
地點(diǎn)： 多功能廳2（Function Room 2) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
14:50–15:30 Saturday, 2017-07-15
Columnar Storage @ Uber
地點(diǎn)： 多功能廳6A+B（Function Room 6A+B) 觀眾水平 (Level): 非技術(shù)性 (Non-technical)
?
14:50–15:30 Saturday, 2017-07-15
Powering Robotics Clouds with Alluxio
地點(diǎn)： 報(bào)告廳（Auditorium) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
14:50–15:30 Saturday, 2017-07-15
Alluxio緩存策略?xún)?yōu)化與大規(guī)模性能評(píng)測(cè)
地點(diǎn)： 多功能廳2（Function Room 2) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
14:50–15:30 Saturday, 2017-07-15
GraphSQL - 嶄新的游戲規(guī)則: 一個(gè)完整的高效圖數(shù)據(jù)和分析平臺(tái)(GraphSQL - A Game Changer: A Complete High Performance Graph Data & Analytics Platform)
地點(diǎn)： 多功能廳5B＋C（Function Room 5B+C) 觀眾水平 (Level): Intermediate
?
14:50–15:30 Saturday, 2017-07-15
Data service and processing platform for Ads in Ebay
地點(diǎn)： 紫金大廳B（Grand Hall B) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
16:20–17:00 Saturday, 2017-07-15
人工智能工業(yè)應(yīng)用痛點(diǎn)及解決思路
地點(diǎn)： 報(bào)告廳（Auditorium) 觀眾水平 (Level): Advanced
?
16:20–17:00 Saturday, 2017-07-15
HDFS糾刪碼最新探秘
地點(diǎn)： 多功能廳2（Function Room 2) 觀眾水平 (Level): 中級(jí) (Intermediate)
?
16:20–17:00 Saturday, 2017-07-15
微軟的通用異常檢測(cè)平臺(tái)(Common Anomaly Detection Platform at Microsoft)
地點(diǎn)： 多功能廳5B＋C（Function Room 5B+C) 觀眾水平 (Level): 非技術(shù)性 (Non-technical)
?
16:20–17:00 Saturday, 2017-07-15
Unified SQL for Big Data on Hadoop
地點(diǎn)： 多功能廳6A+B（Function Room 6A+B) 觀眾水平 (Level): Intermediate
查看更多
葉杰平 (Ye Jieping)
副總裁, 滴滴出行
葉杰平，滴滴出行研究院副院長(zhǎng)，DiDi Fellow，美國(guó)密歇根大學(xué)終身教授及密歇根大學(xué)大數(shù)據(jù)研究中心的管理委員會(huì)成員。2005年美國(guó)明尼蘇達(dá)大學(xué)計(jì)算機(jī)系博士畢業(yè)。專(zhuān)業(yè)方向?yàn)闄C(jī)器學(xué)習(xí), 數(shù)據(jù)挖掘，以及大數(shù)據(jù)分析。在機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘國(guó)際頂級(jí)會(huì)議及期刊上共發(fā)表論文200余篇。曾獲KDD和ICML最佳論文獎(jiǎng)以及美國(guó)國(guó)家自然科學(xué)基金會(huì)生涯獎(jiǎng) (NSF CAREER Award)，并擔(dān)任多個(gè)機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域頂級(jí)會(huì)議的主席?，F(xiàn)任職機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘期刊IEEE TPAMI，DMKD，和 IEEE TKDE的副編委。
大數(shù)據(jù)在滴滴出行(Big Data at DiDi Chuxing)
Every day, Didi's platform generates over 70TB worth of data, processes more than 9 billion routing requests, and produces over 13 billion location points. In this talk, Ye Jieping will show how AI technologies have been applied to analyze such big transportation data to improve the travel experience for millions of people in China.
?
Lukas Biewald
Founder & Chief Data Scientist , CrowdFlower
Lukas Biewald is the founder and Chief Data Scientist of CrowdFlower. Founded in 2009, CrowdFlower is a data enrichment platform that taps into an on-demand to workforce to help companies collect training data and do human-in-the-loop machine learning.
?
Doug Cutting
Chief Architect, Cloudera
Doug Cutting is the chief architect at Cloudera and the founder of numerous successful open source projects, including Lucene, Nutch, Avro, and Hadoop. Doug joined Cloudera from Yahoo, where he was a key member of the team that built and...
周六歡迎致辭
大會(huì)日程主席 Jason Dai、Ben Lorica 與 Doug Cutting致辭開(kāi)始第二天主題演講。
?
Jason (Jinquan) Dai
CTO, Big Data Technologies, Intel
Jason Dai is currently a Senior Principal Engineer and CTO, Big Data Technologies, at Intel. Prior to that, he was a principle architect in Microsoft, responsible for building the large-scale cloud and big data platform that powers some of...
周六歡迎致辭
大會(huì)日程主席 Jason Dai、Ben Lorica 與 Doug Cutting致辭開(kāi)始第二天主題演講。
?
Yuanqing Lin
百度深度學(xué)習(xí)實(shí)驗(yàn)室（IDL）主任, Baidu
林元慶，現(xiàn)任百度深度學(xué)習(xí)實(shí)驗(yàn)室（IDL）主任，擁有清華大學(xué)光學(xué)工程碩士學(xué)位和賓夕法尼亞大學(xué)電氣工程博士學(xué)位。
林元慶在機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺(jué)等研究領(lǐng)域擁有多年的研究經(jīng)驗(yàn)和顯著的成果。在加入百度前，曾任NEC美國(guó)實(shí)驗(yàn)室媒體分析部門(mén)主管。在他的帶領(lǐng)下NEC研究團(tuán)隊(duì)在深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)和無(wú)人駕駛等領(lǐng)域取得世界領(lǐng)先水平。2005年至今在頂級(jí)國(guó)際會(huì)議和期刊發(fā)表論文30余篇，擁有11項(xiàng)美國(guó)專(zhuān)利，曾擔(dān)任NIPS大會(huì)領(lǐng)域主席、大規(guī)模視覺(jué)識(shí)別和檢索國(guó)際研討會(huì)聯(lián)合主席等。
加入百度后，林元慶致力于帶領(lǐng)深度學(xué)習(xí)實(shí)驗(yàn)室研發(fā)具有統(tǒng)治級(jí)別的人工智能技術(shù)，其領(lǐng)導(dǎo)的團(tuán)隊(duì)在多個(gè)領(lǐng)域?qū)崿F(xiàn)了技術(shù)上重大進(jìn)展并且應(yīng)用到百度的多項(xiàng)產(chǎn)品中去，極大地提升了產(chǎn)品的性能以及用戶的體驗(yàn)，其帶領(lǐng)的團(tuán)隊(duì)在多項(xiàng)重要計(jì)算機(jī)視覺(jué)技術(shù)在國(guó)際測(cè)試集上取得世界第一名的好成績(jī)。
主題演講 (Keynote by), Dr. Lin Yuanqing
?
Ben Lorica
Chief Data Scientist, O'Reilly Media
Ben Lorica is the chief data scientist at O’Reilly Media. Ben has applied business intelligence, data mining, machine learning, and statistical analysis in a variety of settings, including direct marketing, consumer and market research, targeted advertising, text mining, and financial...
周六歡迎致辭
大會(huì)日程主席 Jason Dai、Ben Lorica 與 Doug Cutting致辭開(kāi)始第二天主題演講。
?
Zhe Zhang
Software Engineer, LinkedIn
Zhe Zhang is an Engineering Manager at LinkedIn where he leads the Core Big Data Services team. The team leverages open source technologies including Hadoop, Spark, TensorFlow, and beyond, to form the storage-compute engine of LinkedIn’s big data platform. Zhe...
成長(zhǎng)的煩惱--領(lǐng)英大數(shù)據(jù)平臺(tái)500倍擴(kuò)展中應(yīng)對(duì)的挑戰(zhàn) (Growing pains - when your big data platform grows really big)
領(lǐng)英是全球最早應(yīng)用大數(shù)據(jù)技術(shù)的公司之一。在過(guò)去9年的時(shí)間里，領(lǐng)英的大數(shù)據(jù)平臺(tái)擴(kuò)展了將近500倍，從20臺(tái)節(jié)點(diǎn)支持10個(gè)用戶運(yùn)行MapReduce，到現(xiàn)在超過(guò)1萬(wàn)臺(tái)節(jié)點(diǎn)支持幾千名工程師和科學(xué)家運(yùn)行從交互式Presto查詢(xún)到TensorFlow深度學(xué)習(xí)的各種大規(guī)模數(shù)據(jù)分析。這個(gè)報(bào)告會(huì)分享領(lǐng)英的大數(shù)據(jù)平臺(tái)團(tuán)隊(duì)怎樣解決大規(guī)模和高速增長(zhǎng)帶來(lái)的各種挑戰(zhàn)。
查看更多
會(huì)議嘉賓
（最終出席嘉賓以會(huì)議現(xiàn)場(chǎng)為準(zhǔn)）
.jpg!hdj123)
林元慶
百度深度學(xué)習(xí)實(shí)驗(yàn)室
主任
葉杰平
滴滴研究院
副院長(zhǎng)
顧榮
南京大學(xué)
助理研究員
蔣守壯
萬(wàn)達(dá)網(wǎng)絡(luò)科技集團(tuán)有限公司
資深大數(shù)據(jù)開(kāi)發(fā)工程師
Lukas Biewald
CrowdFlower
Founder & Chief Data Scientist
Biao Chen
Cloudera
資深架構(gòu)師
Haifeng Chen
intel
Senior Software Architect
Feng Cheng
Grab
Data Engineer
Jike Chong
YiRenDai/CreditEase
Chief Data Scientist
Doug Cutting
Cloudera
Chief Architect
Jason (Jinquan) Dai
intel
CTO,
Damon Deng
AWS
解決方案架構(gòu)師
Mathieu Dumoulin
MapR Technologies
Data Scientist
Mateusz Dymczyk
H2O.ai
Software Engineer
Bin Fan
Alluxio
Software Engineer
Darren Fu
eBay
Data Engineer
Maosong Fu
Software Engineer
Bas Geerdink
ING
IT Manager
Sijie Guo
Staff Software Engineer
Yufeng Guo
Developer Advocate
Hao Hao
Cloudera
Software Engineer
Ron Hu
Huawei Technologies
Database System Architect
ming huang
騰訊
技術(shù)專(zhuān)家
Shengsheng Huang
Intel
Big Data Software Architect
Edwin Law
Grab Taxi
Lead Data Engineer
Fangshi Li
Linkedin Corp
Software Engineer
Haoyuan Li
Alluxio
CEO
Yu Li
Alibaba
Senior Technical Expert
Zhichao Li
intel
Senior Software Engineer
Shaoshan Liu
PerceptIn
Co-Founder
劉軼
eBay
Architect
Ben Lorica
O'Reilly Media
Chief Data Scientist
Zhenxiao Luo
Uber
Senior Software Engineer
Ted Malaska
Blizzard Entertainment
Group Technical Architect
Gene Pang
Alluxio
Software Engineer
Jiangjie Qin
Linkedin Corp
Staff Software Engineer
Chen Sammi
Intel
Senior Software Engineer
Daniel Templeton
Cloudera
Software Engineer
Andrew Wang
Cloudera
Software Engineer
Carson Wang
intel
Software Engineer
Daoyuan Wang
intel
軟件工程師
王海華
滴滴出行
研發(fā)工程師
Yiheng Wang
intel
Software Engineer
Binggang Wo
Cloudera
Solutions Consultant
Mingxi Wu
GraphSQL Inc.
Vice President of Engineering
吳中
DataVisor
Director of Engineering
Tony Xing
Microsoft
Senior Product Manager
Qinyan
中國(guó)人壽
大數(shù)據(jù)機(jī)器學(xué)習(xí)項(xiàng)目經(jīng)理
Yu Xu
GraphSQL
CEO
姚舜揚(yáng)
intel
軟件工程師
Pengfei Yue
intel
Senior Engineering Manager
張李曄
新智新氦科技
大數(shù)據(jù)架構(gòu)師
ximeng zhang
GrowingIO
CEO
Xuefu Zhang
Uber
Software Engineer
Zhe Zhang
Software Engineer
Xiaoyong
Microsoft
Program Manager II
叢宏雷
萬(wàn)達(dá)網(wǎng)絡(luò)科技集團(tuán)有限公司
資深研究員
俞育才
intel
大數(shù)據(jù)架構(gòu)師
吳煒
萬(wàn)達(dá)網(wǎng)絡(luò)研究院
資深研究員
張銘
北京大學(xué)
教授
李元健
百度
軟件工程師
李呈祥
萬(wàn)達(dá)網(wǎng)絡(luò)科技集團(tuán)
大數(shù)據(jù)技術(shù)專(zhuān)家
李滸
今日頭條
軟件工程師
楊軍
阿里巴巴
高級(jí)算法專(zhuān)家/算法架構(gòu)師
楊帆
Lenovo
Senior Manager
王振華
Huawei Technologies
Research Engineer
王瑋
中國(guó)人壽
大數(shù)據(jù)項(xiàng)目負(fù)責(zé)人
莫云
宜人貸
數(shù)據(jù)工程師
費(fèi)輝
阿里云
資深開(kāi)發(fā)工程師
陳雨強(qiáng)
第四范式
首席研究科學(xué)家
顧佳盛
中國(guó)人壽
數(shù)據(jù)科學(xué)家
馬曉宇
PingCAP
技術(shù)主管
馬洪賓
Kyligence Inc.
高級(jí)軟件架構(gòu)師
黃文宇
廣發(fā)銀行股份有限公司
總行數(shù)據(jù)中心總經(jīng)理
查看更多
參會(huì)指南
會(huì)議門(mén)票 場(chǎng)館介紹
團(tuán)購(gòu)優(yōu)惠政策（請(qǐng)聯(lián)系客服）：
如果一個(gè)公司：
注冊(cè)3-5人則享受八折優(yōu)惠。
6-9人：七五折優(yōu)惠
10人或10人以上：七折優(yōu)惠
溫馨提示：白金門(mén)票已售罄
?
會(huì)議門(mén)票如下：
請(qǐng)注意：白金門(mén)票和黃金門(mén)票不包含周四的輔導(dǎo)課；標(biāo)準(zhǔn)折扣不適用。白銀門(mén)票和青銅門(mén)票不包括周三和周四的培訓(xùn)課程。
培訓(xùn)門(mén)票
請(qǐng)注意：這些培訓(xùn)門(mén)票不包括周四的輔導(dǎo)課。標(biāo)準(zhǔn)折扣不適用。
?
取消和轉(zhuǎn)讓政策
如果您必須取消一定要在June 14, 2017之前書(shū)面通知我們。請(qǐng)聯(lián)系我們。會(huì)議開(kāi)始前30天之內(nèi)取消是不退款的。June 28, 2017之前您可以把注冊(cè)轉(zhuǎn)讓給其他人，一定要發(fā)送授權(quán)。確認(rèn)并完成支付后取消的參會(huì)者、或者超過(guò)截止日期取消的參會(huì)者要承擔(dān)全部會(huì)議費(fèi)用。遇到極端情況該會(huì)議取消O'Reilly Media, Inc.的責(zé)任僅限于退回支付的注冊(cè)款項(xiàng)。
行為守則
所有參會(huì)者必須遵守我們的行為守則，其核心想法是：O'Reilly會(huì)議對(duì)每個(gè)人都應(yīng)該是一個(gè)安全、富有成效的環(huán)境。
母嬰室
會(huì)議現(xiàn)場(chǎng)會(huì)提供一個(gè)附近私密空間方便母親和孩子哺乳等。
攝影 & 視頻
我們的目的是捕捉會(huì)議中激動(dòng)人心的時(shí)刻，您可能看到一些攝影師，包括我們請(qǐng)來(lái)的攝影師，來(lái)記錄本次活動(dòng)。我們拍攝的照片和視頻可能會(huì)在網(wǎng)站上發(fā)布，也可能會(huì)在未來(lái)的市場(chǎng)宣傳中使用。
請(qǐng)注意會(huì)議中是不允許拍攝視頻的。
隱私政策
根據(jù)各自的隱私政策注冊(cè)人聯(lián)系信息將會(huì)被會(huì)議主辦方分享和使用——O'Reilly/Strata Conference 以及 Cloudera/Hadoop World。
查看更多
北京國(guó)際飯店會(huì)議中心
交通指南：
離機(jī)場(chǎng)距離（公里）：24； 離北京火車(chē)站距離（公里）：2； 離市中心距離（公里）：2.5； 離建國(guó)門(mén)距離（公里）：2；
五星級(jí)的商務(wù)酒店北京國(guó)際飯店，位于長(zhǎng)安街上，面向恒基中心、中糧廣場(chǎng)，距北京站僅咫遲之遙，酒店2002年由國(guó)外設(shè)計(jì)師重新設(shè)計(jì)全面裝修，極具歐式風(fēng)情，客房的設(shè)計(jì)古典而現(xiàn)代，頂層的旋轉(zhuǎn)餐廳可俯視北京長(zhǎng)安街上的浪漫夜景。酒店1987年12月開(kāi)業(yè)，2002年重新裝修,樓高29層，共有客房總數(shù)993間套?？头吭O(shè)有中央空調(diào)控制系統(tǒng)、先進(jìn)的音響、閉路電視、迷你型酒吧、冰箱、電子門(mén)鎖及國(guó)際直撥電話。飯店由二十九層主樓及輔助裙房樓宇組成。機(jī)場(chǎng)班車(chē)、北京西站專(zhuān)線車(chē)可直達(dá)飯店，盡享交通便利；加上飯店完善、齊全的餐廳和娛樂(lè)設(shè)施，讓您耳目一新，物有所值。地處北京的中央商務(wù)區(qū)、首都的心臟地帶 - 東長(zhǎng)安街上，毗鄰人民大會(huì)堂、外經(jīng)貿(mào)部、北京市政府、中國(guó)海關(guān)等國(guó)家機(jī)關(guān)， 與各國(guó)駐華使館和各跨國(guó)公司中國(guó)區(qū)辦事處近在咫尺， 距離亞洲最大的商業(yè)建筑群王府井步行街僅一街之遙， 距離首都飛機(jī)場(chǎng)僅有30分鐘車(chē)程，交通暢捷、旺中取靜，為商務(wù)及旅游人士居停北京之理想下榻之所。 酒店1987年12月開(kāi)業(yè)，2002年重新裝修,樓高29層，共有客房總數(shù)993間套。主樓是一幢呈三叉曲面體的白色高層建筑,寬闊的門(mén)前廣場(chǎng),點(diǎn)綴著綠柏、水池和噴泉,地上、地下停車(chē)場(chǎng)可同時(shí)停放大小汽車(chē)300輛。主樓外側(cè)有幽靜舒適的室外庭院。經(jīng)過(guò)全面裝修改造后的國(guó)際飯店,明亮寬敞的大堂、環(huán)境幽雅的四季酒吧、特色濃郁的"大上海"和"福臨門(mén)"餐廳、鳥(niǎo)瞰京城的28層"星光旋轉(zhuǎn)餐廳"、異域風(fēng)情的日本餐廳、設(shè)備先進(jìn)的商務(wù)中心,齊全的娛樂(lè)設(shè)施和會(huì)議中心;以及專(zhuān)為海內(nèi)外公司、商社裝修的辦公樓層,全新的房間、明亮的燈光、高質(zhì)量的管理。
溫馨提示
酒店與住宿:
為防止極端情況下活動(dòng)延期或取消，建議“異地客戶”與活動(dòng)家客服確認(rèn)參會(huì)信息后，再安排出行與住宿。
退款規(guī)則:
活動(dòng)各項(xiàng)資源需提前采購(gòu)，購(gòu)票后不支持退款，可以換人參加。
您可能還會(huì)關(guān)注
-
DAMS2025中國(guó)數(shù)據(jù)智能管理峰會(huì)（上海）
2025-09-12 上海
-
QCon上海2025|全球軟件開(kāi)發(fā)大會(huì)
2025-10-23 上海
-
SECon 2025 全球軟件工程技術(shù)大會(huì)·深圳
2025-06-20 深圳
-
SECON 2025全球軟件工程技術(shù)大會(huì)·上海
2025-11-21 上海
猜你喜歡
部分參會(huì)單位
- 北京領(lǐng)英信息技術(shù)有限公司
- 三六零科技股份有限公司
- 國(guó)際商業(yè)機(jī)器（中國(guó)）
郵件提醒通知
贊助
