利用 Analytics Zoo 提供 的 RayOnSpark 功能，构建了一个完整的端到端的推荐系统。

Analytics Zoo Cluster Serving 是一个轻量级、分布式、实时的模型服务解决方案，支持多种深度学习模型。希望此解决方案有助于简化您的分布式推理工作流并提高您的工作效率。

Analytics Zoo 近期提供了对 RayOnSpark的支持，允许用户基于 Ray 构建新的 AI 应用，并可以在现有大数据集群中直接运行，进而将其无缝集成到大数据处理和分析流水线中。本文主要介绍如何利用 Ray Tune 和 RayOnSpark 实施可扩展 的AutoML 框架和自动时间序列预测。

本文主要分享了Office Depot和Intel团队在Amazon Web Services(AWS)*上使用Analytics Zoo 1和Apache Spark*构建高效实时的基于DNN的产品推荐系统从而增加该网站每次访问收入的实现。

使用 Ray 和 Analytics Zoo 在大数据集群上运行新兴的人工智能应用

本篇文章主要介绍了腾讯TUSI基于Intel开源大数据分析和AI平台Analytics Zoo (https://github.com/intel-analytics/analytics-zoo) 进行增强身份识别的实践经验。

本文介绍在构建通用推荐人工智能服务的用户商品倾向模型方面MasterCard和Intel的合作项目。

本文主要演示了如何在基于Amazon Web Services (AWS) 的Databricks平台上利用Analytics Zoo的自然语言文本分析和基于深度学习的推荐模型，根据简历内容和工作职位描述，来预测求职者申请工作职位的可能性。

宝信和英特尔相关团队利用Analytics Zoo在无监督的基于时间序列异常检测用例上进行了有益的合作探索，本文分享了合作项目的结果和经验。

在本篇中，我们将介绍为客服平台添加“文本分类”模块的大致流程及实践经验。

在本文中，我们将分享我们在美的/ KUKA，使用英特尔Analytics Zoo，来建立基于深度学习的工业检测平台的经验。