来源：199IT2015-07-15

ayasdi的insight discovery platform利用拓扑数据分析技术和机器学习技术，从数据中获得洞察，无需编写代码和调查就能帮助企业解决复杂问题。...digital reasoning的synthesys机器学习平台收集并分析结构化和非结构化数据，使用实体抽取和语义关系分析技术识别危险、威胁和机会。位于富兰克林，田纳西州，创立于2000年。

来源：物联中国2015-07-14

这时候我们可能就需要来引入，包括机器学习这样的具有认知计算能力的系统。...实际上物联网的发展它是牵扯到很多的方面，不仅仅是在云计算或者是算法，或者是认知计算、机器学习这样的算法，我这里再举一个例子。ibm去年有一个宣布，就是ibm的synapse芯片。

来源：中国科学报2015-07-13

这种互联不是数据信息流的简单传递，而是融合了智能硬件、大数据、机器学习与知识发现等技术，使单一机器、部分关键环节的智能控制延伸至生产全过程，促进了实现无人工干预条件下的机器自组织、自决策、自适应生产，为智能制造的实现奠定了互联基础

来源：CSDN博客2015-07-01

大数据分析、机器学习和预测是这种互联网络实现生命体特征的重要技术支撑：通过整合运行数据、气象数据、电网数据、电力市场数据等，进行大数据分析、负荷预测、发电预测，打通并优化电力生产和电力消费端的运作效率，

来源：51CTO2015-06-23

误区三：机器学习才是解决问题的正道我估计约有85%的朋友会将机器学习视为一种简单统计方案。但事实上，我们的常见问题往往只需要通过简单的数学与分析机制即可解决，因此不要好高骛远、先从这里起步比较好。

来源：华夏能源网2015-06-23

阿波罗基于神经网络算法的机器学习专利技术，自动寻找可信数据训练集，通过大数据挖掘计算场站及设备的实际应发电量，即使辐照仪存在一定误差，仍然可以用来计算该场站的eba并进行发电量损失分析、指导运维，准确率达到

来源：华夏能源网2015-06-23

阿波罗基于神经网络算法的机器学习专利技术，自动寻找可信数据训练集，通过大数据挖掘计算场站及设备的实际应发电量，即使辐照仪存在一定误差，仍然可以用来计算该场站的eba并进行发电量损失分析、指导运维，准确率达到

来源：36Kr2015-06-18

这个项目是利用机器学习技术去识别数据模式，而它正是在spark基础上开发的。...蓝色巨人将投入超过3500名开发者到spark相关项目，为项目提供机器学习技术，并将spark嵌入到ibm的数据分析和商用软件中，同时还会把spark作为服务在它的bluemix开发平台上提供出来。

来源：浪潮ERP2015-06-16

与此同时，深度学习为代表的机器学习算法在互联网领域的广泛使用，使得互联网大数据开始与人工智能进行更为深入的结合，这其中就包括在大数据和人工智能领域领先的世界级公司，如百度，谷歌，微软等。

来源：中国工业评论2015-06-12

显而易见，无论是工业互联网还是工业4.0战略，都需要给信息技术的内涵和外延注入更多新的元素，使得自动控制、机器学习、网络通信、数据挖掘等一般方法能够在新的技术环境中得到最有效的应用。...必须具备以下几个基本的特征：即生产过程已经实现了数字化和自动化;生产过程的各个环节，甚至于供应链和产业链之间，均已实现了信息的互联互通;生产过程的管理，包含资源的配置、流程的设定、效能的优化等事务均已采用数据融合、机器学习等方法进行处理

来源：人民邮电报2015-06-12

3.0时代的新型敏捷分析方法和机器学习技术正在以更快的速度来提供分析结果。更多的企业将在其战略部门设置首席分析官，组织跨部门、跨学科、知识结构丰富、营销经验丰富的人员进行各种类型数据的混合分析。

来源：电缆网2015-06-09

大数据分析、机器学习和预测是能源互联网实现生命体特征的重要技术支撑：能源互联网通过整合运行数据、天气数据、气象数据、电网数据、电力市场数据等，进行大数据分析、负荷预测、发电预测、机器学习，打通并优化能源生产和能源消费端的运作效率

来源：IT1682015-06-08

本届r语言会议盛况空前，来自国内外学界和商界众多重量级嘉宾受邀参会，并发表重要演讲，主题涵盖数据科学相关的各个领域，包括概率统计、机器学习、大数据技术、数据可视化、互联网与电子商务数据分析等10多个主题

来源：中国信息产业网2015-06-08

与此同时，深度学习为代表的机器学习算法在互联网领域的广泛使用，使得互联网大数据开始与人工智能进行更为深入的结合，这其中就包括在大数据和人工智能领域领先的世界级公司，如百度，谷歌，微软等。

来源：电子信息产业网2015-06-04

超过100位国内外云计算领域的核心专家的精彩演讲涵盖了iaas、paas、saas平台的构建与应用，计算安全和自动化运维的设计与维护，海量数据深度挖掘的最佳实践，机器学习助力推荐算法的最新探索等方面。

来源：每日甘肃2015-06-01

大数据分析、机器学习和预测是能源互联网实现生命体特征的重要技术支撑：能源互联网通过整合运行数据、天气数据、气象数据、电网数据、电力市场数据等，进行大数据分析、负荷预测、发电预测、机器学习，打通并优化能源生产和能源消费端的运作效率

来源：新晋界社区2015-05-29

大数据分析、机器学习和预测是能源互联网实现生命体特征的重要技术支撑：能源互联网通过整合运行数据、天气数据、气象数 据、电网数据、电力市场数据等，进行大数据分析、负荷预测、发电预测、机器学习，打通并优化能源生产和能源消费端的运作效率

来源：山西新闻网2015-05-28

大数据分析、机器学习和预测是能源互联网实现生命体特征的重要技术支撑：能源互联网通过整合运行数据、天气数据、气象数据、电网数据、电力市场数据等，进行大数据分析、负荷预测、发电预测、机器学习，打通并优化能源生产和能源消费端的运作效率

来源：网易科技2015-05-26

从数据摄取(kinesis)、处理(lambda)、存储(dynamodb)以及机器学习(ml)到分析(emr和redshift)，亚马逊拥有终端到终端的物联网平台在云端所需要的一切。

来源：能源与节能2015-05-13

调度人员依托狭义智能调度的辅助实施运作，此类方法的要点是依靠机器学习及样本训练，是在电力系统的运行中人工智能化的标志，一定程度上实现了调度中心智能化。