12月5日北京RoR活动!

Rails在国内发展迅速,许多Web2.0网站采用RoR开发。本次北京RoR活动邀请了FreeWheelUI开发团队分享RoR开发经验和商业应用。活动将于2008年12月5日晚上在九华山庄举行。
又是一年过去了,Rails在国内的发展势态良好,很多使用RoR开发的Web2.0网站如雨后春笋般涌现,从[url=http://www.iteye.com/topic/245185]Ruby on Rails 在国内的使用情况[/url]这篇文章可窥一斑。很多人关心RoR是否成熟、RoR是否适合商业应用等问题,另外一些朋友可能对Rails的研究停留在理论阶段,缺乏RoR实践经验。

借助优快云举办的SD2C开发大会这个平台,这次北京RoR活动邀请了FreeWheel UI开发团队的软件工程师们开坛布道,给大家分享在RoR开发过程中的一些心得和体会,与大家交流一下Rails在商业领域的应用。

[b]活动安排[/b]
时间:2008-12-05 19:00 - 21:00(周五晚上)
地点:九华山庄SD2C大会厂商展厅区域一块空间
活动简介:
1,FreeWheel 助理架构师杜嵩介绍Ruby 以及RoR在FreeWheel的应用情况以及和Agile Development Process 的整合(15—20 mins)
2,FreeWheel 高级工程师,原NibiruTech CTO 董斌介绍Restful标准以及如何应用到Open API平台(10-15 mins)
3,自由讨论

[b]怎么去九华[/b]
[url]http://www.sd2china2008.com/bline[/url]

[b]活动地点[/b]
到九华之后,我们RoR活动的会议地点是16区的3楼的交流区
大家应该可以根据指示牌找到地方
下面是展区示意图
展区位置,没有SD2.0的门票也可参加。
[img]http://hideto.iteye.com/upload/attachment/54767/53619bf5-b23d-3282-b5c7-7a5febf3ee05.jpg[/img]

欢迎国内的Ruby&Rails爱好者、RoR社区的朋友们和对FreeWheel感兴趣的朋友们参加!
如果您届时会参加本活动,请发email到[b]chuang@freewheel.tv[/b],便于活动人数统计和安排,谢谢!

附件为演讲稿。

[b]FreeWheel简介[/b]

FreeWheel创建于2007年,总部位于美国加州的Palo Alto。公司由硅谷著名的风险投资机构 Battery Ventures投资,提供互联网视频广告投放,监测,预测,增值等服务。

FreeWheel创始人Douglas Knopper, Jon Heller和Diane Yu分别来自DoubleClick,Yahoo!等知名公司,他们在美国网络视频广告界拥有多年市场、产品、技术等方面的经验。

经过一年多的发展, 包括CBS(哥伦比亚广播公司),WarnerBrothers(华纳兄弟公司),Veoh,Joost等知名公司都已成为FreeWheel的服务客户,日均广告投放已超过百万次。
北京研发中心负责Freewheel全线产品的研发工作,具体包括B2B Web开发,Open API平台,高性能广告服务器,海量日志处理,广告预测,视频前端整合等核心技术。现有全职员工40余人。
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值