数据工程师和分析师对大量数据运行交互式临时分析的需求继续呈爆炸性增长。数据平台团队越来越多地使用联合SQL 查询引擎 PrestoDB 为各种用例运行此类分析，跨越广泛的数据湖和数据库就地，而无需移动数据。

本篇文章是我们学习Python及其在机器学习（ML）和人工智能（AI）的应用系列中的最后一个模块了，在上一个模块中，我们学习Keras，讨论了神经网络。下面，我们将要学习 Numpy 和 TensorFlow，这两个是学习机器学习的构建块，所以在使用机器学习的时候，你一定会接触到它们。同时，还会简要概述 scikit-learn 库，因为它是Python中最完整的机器学习（不包括深度学习）库。

在现代 IT 架构中，实时处理连续的业务数据和事件流变得越来越重要。这种类型的架构，其中事件正在构建数据处理的中心，也称为响应式流架构。在下文中，我将展示如何借助工作流技术解决一些相关挑战。

这篇博文探讨了使用 Apache Kafka 的事件流如何提供可扩展、可靠且高效的基础设施，让游戏玩家开心并让游戏公司取得成功。

这篇博文探讨了使用 Apache Kafka 的事件流如何提供可扩展、可靠且高效的基础设施，让游戏玩家开心并让游戏公司取得成功。

本篇文章是我们学习 Python 及其在机器学习（ML）和 人工智能（AI） 中的应用系列的第七个模块。在上一模块中，我们讨论了使用 NLTK 进行文本分析。接下来，我们将要讨论的是Keras，一个用于处理神经网络的高级 Python 库。在本模块中，将演示如何使用 Keras 解决图像分类问题。

本篇文章是我们学习 Python 及其在机器学习和 AI 中的应用系列的第六个模块。在上一个模块中，我们讨论了使用 OpenCV 进行图像识别。现在我们就来看看自然语言工具包（NLTK）能够做些什么？

计算机视觉是人工智能的一个子集，专注于教机器如何正确解释来自图片、视频帧和其他来源的数据。

OpenCV 是一个用于（实时）图像处理的库，该模块简要介绍了 OpenCV 并演示了其对象检测功能。这是我们学习 Python 及其在机器学习和 AI 中的应用系列中的第五个模块。在上一个模块中，我们认识了许多ML和AI中相关的Python库，下面就一起来深入研究一下这些库的使用，我们先开始学习OpenCV的使用。

这是我们学习 Python 及其在机器学习 (ML) 和人工智能 (AI) 中的应用系列的第四个模块。在前面三个模块文章的学习，我们已经对Python相关基础知识有了了解。现在，我们可以开始学习Python中哪一些库可以用来处理AI和ML任务。