什么是云和恩墨大讲堂

云和恩墨大讲堂是由云和恩墨公司发起的技术分享活动，不但汇聚公司专家团队成员 Eygle、Kamus、杨廷琨、侯圣文、老熊、李轶楠等，更有来自行业内的其他数据 / 数据库等方面专家定期线上线下联动分享：

§  每周四晚线上微信、QQ课堂群千人同时在线互动交流；

§  每月定期组织线下精讲主题系列，涵盖数据、数据库、架构、运维及大数据等多个方向。 

把握当下技术前沿，讨论精选热门话题，汇集来自各领域专家，为参会者提供分享交流的平台，更有机会与嘉宾面对面沟通探讨，机会难得。

第二期 - 北京站

2017年6月10日云和恩墨大讲堂线下之旅第二站 - 北京站启程，来自云和恩墨、云和开创以及新浪网的技术专家将分享关于 Oracle、MySQL、Redis 以及大数据等方向的主题，欢迎大家踊跃报名。

主题：云和恩墨大讲堂 - 北京站

官网：http://www.bagevent.com/event/167098

时间：2017年6月10日（周六）13:00-17:30

地点：活动开始前统一邮件通知

活动议程

§  12:40-13:00  嘉宾及参会者签到

§  13:00-13:50  赵景波 - 新浪 Redis 运维实践

§  13:50-14:40  孙雪 - Oracle 12.2 核心新特性解读

§  14:40-15:30  刘伟 - MySQL 复制方面的技术进展

§  15:30-15:50  合影 & 休息

§  15:50-16:40  赵晨 - 国足赢球引发的 Redis 惨案

§  16:40-17:30  乔胜勇 - 如何在实际中应用机器学习算法

活动报名

北京站线下课程：

1. 点击左下角原文链接进入报名页面；

2. 复制官网链接到浏览器打开，填写报名信息 http://www.bagevent.com/event/167098；

3. 扫面下方二维码，进入手机报名页面。

大讲堂线上课程：

搜索盖国强（Eygle）微信号：eyygle，或者扫描下面二维码，备注：云和恩墨大讲堂，即可入群。每周与千人共享免费技术分享，与讲师在线讨论。

嘉宾及主题简介

赵景波

新浪网数据库平台高级 DBA

目前主要负责新浪数据系统服务平台 Redis 自动化运维、Kafka 运维等相关方面工作；曾职于杭州沃趣科技、新浪网，期间从事 Oracle、MySQL、Redis 相关方面运维的工作，热爱 Redis、MySQL 等开源 DB 内部原理的探究。 

主题：Redis 复制进展

简介：近年来，Redis 主从全同步一直是困扰大家的一个难题，随着 Redis 4.0 发布， Redis 开始支持切换后的主从增量同步。其实新浪在早期自己的版本中实现了这一功能。此次分享一方面会给大家介绍 Redis 复制原理及日常踩坑，另一方面则是对比新浪 Redis 和官方 Redis 增量复制的实现原理。

孙雪

云和恩墨技术顾问

主题：Oracle 12.2 核心新特性解读

简介：在2015年 Andrew 的演讲中，对 Oracle 12c 是这样定义的：向敏捷、弹性和云三个方向上变革和演进。并在2016年宣称，Oracle 数据库要向数据管理转型，从基于磁盘的技术向基于内存的数据库演进，从数据仓库向大数据演进，从私有云向公有云演进，在云和大数据的方向上，Oracle 做了大量的努力，包括跟大数据跟 hadoop 的互联等等，对于广大的 DBA 来说，关注的最多的可能是数据库的核心特性，本次分享我将结合最新发布的 Oracle 12.2 体系架构图，给大家介绍12.2中比较重要的新特性。

刘伟

云和开创技术顾问

专注 MySQL 的高可用以及自动化方向；曾就职新浪，带领团队负责微博平台整体的缓存、队列、数据库运维、微博缓存以及数据库平台自动化开发

主题：MySQL复制方面的技术进展

赵晨

新浪微博高级 DBA 工程师

曾经在 EA 工作，目前在新浪微博主要负责性能优化和架构设计，目前正痴迷于 MySQL、InnoDB 及 Kernel 源代码的研究中，欢迎大家交流。 

主题：国足赢球引发的 Redis 惨案？

简介：通过国足赢球那天，某核心 Redis 业务前端超时，结合 message 日志里 synflooding 关键信息，层层深入，最后定位问题并提出相关思考。

乔胜勇

南开大学数学所应用数学硕士

现任职于环球时报舆情调查中心，负责舆情监测系统的设计与开发；曾任职于合享汇智集团，负责从数据的收集、整理、存储、索引、搜索、分析、平台开发全流程的系统架构，保证在线专利检索分析平台的稳定运行。擅长数据检索、机器学习和文本数据挖掘。 

主题：Word2vec 在文本挖掘中的应用

简介：Word2vec 是 Google 在2013年年中开源的一款将词表征为实数值向量的高效工具。Word2vec 通过训练，可以把对文本内容的处理简化为K维向量空间中的向量运算，而向量空间上的相似度可以用来表示文本语义上的相似度。Word2vec 输出的词向量可以被用来做很多 NLP 相关的工作，比如聚类、语义检索、正负面判别等。Word2vec 现在已经包含在spark、tensorflow 等多个开源项目中，利用模型训练结果就能实现复杂的文本挖掘，为什么不去尝试一下呢？