Matano是一款针对AWS的开源安全湖平台，该平台允许我们从各种数据源获取并注入大量和安全以及日志相关的数据，并将其存储到一个开源的Apache Iceberg数据湖中，同时这也方便广大研究人员进行后续的安全数据查询。除此之外，...

知识图谱是下一代可信人工智能领域的关键技术组成之一。围绕知识的归纳抽取、演绎推理等处理与分析过程，诸多关键问题逐步被攻克，大幅推动了机器认知技术的发展。在网络空间安全领域，防御技术的智能化升级也亟需成熟、有...

StarRocks 是一款高性能分析型数据仓库，使用向量化、MPP 架构、可实时更新的列式存储引擎等技术实现多维、实时、高并发的数据分析。

参考资料：https://segment.com/blog/cultivating-your-data-lake/

要完整的支持深度学习，需要一个很长的 Pipeline，通常我们的工作起步于标注平台, 尽管Byzer 也可以作为标注平台的上游，比如对图片和视频做一个统一的处理（诸如缩放成统一大小等），然后再放到标注平台里。...

如今数据都在增长，SAP 数据也不例外。根据SNP对300多个SAP系统的分析，每年的数据增长在20%-40%之间。当某些企业未能将旧的 SAP 数据归档、数据保留和数据管理实施到标准 IT 流程中时，数据增长甚至更快。通常，归档不遵循...

上世纪60年代，网状和层状数据库揭开了数据库系统发展的帷幕；1970年，来自IBM实验室的Edgar F. Codd发表了《大型共享数据库数据的关系模型》论文，提出基于集合论和谓词逻辑的关系模型，为关系型数据库技术奠定了理论基础。之...

Dask 是一个开源库，旨在为现有 Python 堆栈提供并行性。Dask 与 Python 库（如 NumPy 数组、Pandas DataFrame 和 scikit-learn）集成，无需学习新的库或语言，即可跨多个核心、处理器和计算机实现并行执行。...

数据库（Database）是按照一定格式和数据结构在计算机保存数据的软件，属于物理层。

2022年已过去一半多的时间了。这半年多，我们重点关注了LinkedIn Datahub、Atlas等元数据管理工具，了解了他们在数据治理领域的作用。