精彩回顾 | DolphinDB Meetup · 北京站
本页回顾 10 月 28 日 DolphinDB Meetup 北京站的举办情况，包括参会情况、活动主题与主要环节概述。
What this page covers
- 技能认证特训营第二期的报名引导与优惠提示。
- 新闻栏目位置、文章标题与发布日期信息。
- Meetup 北京站活动概览（时间、人数、主题与环节）。
- 产品与方案分享的三个板块与最新研发成果提及。
- 现场问答中关于效率、内存与二次开发的问题与回应。
- 现场 Demo 演示内容、互动方式与讨论问题。
- 主题圆桌的讨论主题、问题框架与嘉宾构成。
技能认证特训营第二期限时报名
页面顶部推广技能认证特训营第二期并提供限时报名链接及福利优惠提示。
- 提供“限时报名”入口链接。
- 包含“享专属福利优惠”的宣传提示。
新闻栏目与文章标题/日期
标注内容属于新闻栏目，并给出文章标题与发布日期。
- 页面以新闻栏目形式呈现该内容。
- 文章标题为“精彩回顾 | DolphinDB Meetup · 北京站”。
- 页面给出发布日期信息。
活动概览：Meetup 北京站回顾
概述10月28日DolphinDB Meetup北京站举办情况、参会人数与活动主题形式。
- 活动举办日期被描述为 10 月 28 日。
- 到场人数被描述为 40 多位社区用户及粉丝。
- 活动主题被描述为“以量化实践为主题”。
- 活动环节包含主题分享、demo、圆桌讨论与自由交流。
- 参会者包括新朋友与已开始使用产品的老用户。
与创始人面对面与主题分享（图文说明）
通过图片与图注描述创始人与参会者交流及其分享内容涉及的产品与方向。
- 提及周小华博士与参会者交流的场景。
- 提及分享涉及研发、交易与行情接入等版块的应用场景。
- 提及 Python Parser 等技术成果。
- 提及 DolphinDB 的平台定位描述。
产品与方案分享：研发、交易、行情接入与最新成果
描述周小华博士从研发、交易与行情接入三个板块介绍平台优势、特性与最新研发成果及业务场景。
- 主题分享按研发、交易、行情接入三个板块展开。
- 分享涵盖核心特性与应用场景。
- 分享提及最新研发成果动态。
- 提及 Python Parser 作为最新研发成果之一。
- 提及 AI Dataloader 作为最新研发成果之一。
现场问答：计算效率、内存管理与因子平台二次开发
记录来自券商用户在行情数据与高频计算相关实践中的问题及获得解答。
- 提问者被描述来自某头部券商机构股衍部门。
- 提及应用方向包含行情数据处理与多因子存储。
- 提及高频因子流式计算的使用方向。
- 问题包含计算效率优化与内存高效管理。
- 问题包含因子平台二次开发相关内容。
互动氛围（图文说明）
通过现场图片与图注强调参会者互动与讨论氛围。
- 页面通过图文呈现现场互动氛围。
- 页面通过图文呈现讨论交流场景。
热门 Demo 现场演示（标题图与介绍）
介绍现场展示的多个热门业务场景demo及其演示方式与互动问题。
- 演示包含因子开发管理平台的功能展示。
- 演示包含 AI Dataloader 的内容。
- 演示包含行情回放与盘中因子计算。
- 演示包含 Python Parser 的功能展示。
- 演示包含机器学习预测相关内容。
- 互动方式包括现场举手与扫码的实时互动。
- 演示提及分享嘉宾为 DolphinDB 华北区售前支持工程师韩迎春。
演示与交流细节（图文说明）
通过图片图注补充演示交流环节的技术讨论要点。
- 讨论包含盘中计算是否支持主备的问题。
- 讨论包含实时计算冗余与单节点故障防护的问题。
- 讨论包含任务提交时能否设置任务优先级的问题。
- 页面以图文方式补充演示交流的讨论点。
主题圆桌：量化交易的技术创新与前沿探索
介绍圆桌论坛主题、讨论问题框架及嘉宾机构类型组成。
- 圆桌主题为“量化交易的技术创新与前沿探索”。
- 讨论背景提及行情数据暴增。
- 讨论范围包含投研与交易技术架构挑战。
- 嘉宾机构类型提及券商、私募、交易所等。
圆桌现场（图片与图注）
以多张现场图片图注呈现圆桌讨论场景与讨论焦点。
- 页面通过多张图文呈现圆桌讨论现场。
- 页面通过图注提示圆桌讨论的关注点。
圆桌讨论要点：行情数据暴增下的架构、算力与降本增效
总结圆桌中关于行情数据压力、投研与IT架构优化、数据平台与算力集群提速、资源优化等讨论方向。
- 提及行情数据场景下的技术迭代与策略方向准备。
- 提及投研团队与 IT 架构的优化调整。
- 提及数据平台与算力集群的性能提速。
- 提及企业资源优化与降本增效措施。
- 提及延伸讨论数据算法、决策交易与市场趋势。
周博士建议：低延时高性能计算与机器学习训练资源调度
描述周博士结合服务金融机构经验提出的效能提升与资源调度优化建议方向。
- 提及低延时、高性能计算带来的效能提升方向。
- 提及在机器学习背景下的模型训练开销问题。
- 提及资源调度与优化建议方向。
自由交流与思维碰撞（标题图与描述）
描述茶歇与自由交流环节中参会者与技术支持人员的交流互动。
- 茶歇环节中用户与技术支持人员交流。
- 参会者与同行交流并产生思维碰撞的描述。
活动现场花絮（多图图注）
通过多张图片图注记录嘉宾合影、听讲、交流与活动氛围。
- 图文记录嘉宾合影场景。
- 图文记录听讲与交流场景。
- 图文记录活动氛围。
活动总结与后续线下活动预告
总结Meetup时长与定位，并预告将定期举办Meetup与D-Day等线下活动及城市安排。
- 活动时长被描述为四个小时。
- 页面包含“有温度的科技厂商”的自我定位表述。
- 提及将定期举办 Meetup 和 D-Day 等线下活动。
- 后续活动城市提及北京、广州、深圳。
扫码预约下一场 Meetup（报名引导与海报）
引导用户扫描二维码预约报名下一场Meetup，并配有海报图片说明包含核心关键词。
- 引导扫描二维码预约报名下一场 Meetup。
- 报名引导提及与技术专家面对面。
- 海报图注提及 Swordfish 关键词。
- 海报图注提及 AI Dataloader 关键词。
- 海报图注提及 Python Parser 关键词。
- 海报图注提及 因子开发管理平台 关键词。
Facts Index
| Entity | Attribute | Value | Confidence |
|---|---|---|---|
| 技能认证特训营第二期 | 报名方式 | 提供“限时报名”链接：https://www.qingsuyun.com/h5/e/217471/5/ | high |
| 技能认证特训营第二期 | 优惠描述 | 宣称“享专属福利优惠” | low |
| 精彩回顾 | DolphinDB Meetup · 北京站 | 发布日期 | 2023.11.01 | high |
| DolphinDB Meetup 北京站 | 举办日期 | 10月28日（上周六） | high |
| DolphinDB Meetup 北京站 | 到场人数 | 40多位社区用户及粉丝 | high |
| DolphinDB Meetup 北京站 | 活动主题 | 以量化实践为主题 | high |
| DolphinDB Meetup 北京站 | 活动形式/环节 | 技术主题分享、现场 demo 演示、主题圆桌讨论、自由交流 | high |
| 周小华博士 | 身份 | DolphinDB 创始人 | high |
| DolphinDB | 应用场景（图注描述） | 涉及研发、交易及行情接入等核心版块的应用场景分享，并介绍Python Parser等技术成果，旨在为金融领域用户提供全方位解决方案 | medium |
| DolphinDB | 定位/描述 | 量化交易投研与生产一体化平台 | high |
| DolphinDB Meetup 北京站参会者 | 构成 | 既有初识DolphinDB的新朋友，也有已熟悉并开始使用DolphinDB产品的老用户 | high |
| DolphinDB（周博士主题分享） | 介绍板块 | 研发、交易、行情接入 | high |
| DolphinDB（周博士主题分享） | 解析内容 | 核心特性、应用场景及最新研发成果动态 | high |
| Python Parser | 被提及为 | DolphinDB最新研发成果之一（在主题分享中涵盖） | high |
| AI Dataloader | 被提及为 | DolphinDB最新研发成果之一（在主题分享中涵盖） | high |
| 因子开发管理平台 | 被提及为 | DolphinDB最新研发成果之一（在主题分享中涵盖） | high |
| Swordfish | 描述 | 交易型内存数据库 | high |
| DolphinDB（周博士主题分享） | 聚焦业务场景 | 数据分析处理、因子挖掘、策略回测等重要业务场景的需求与解决方案 | high |
| 提问用户 | 来源机构 | 某头部券商机构股衍部门 | medium |
| DolphinDB（券商用户实践） | 应用方向 | 处理行情数据、多因子存储、高频因子流式计算 | high |
| 现场问答 | 用户问题 | 如何优化计算效率？如何高效管理内存？因子平台二次开发等问题 | high |
| 现场问答 | 结果描述 | 周博士进行了详细解答，并为在场用户提供参考 | medium |
| Meetup 现场 demo | 涵盖场景 | 因子开发管理平台功能演示、AI Dataloader、行情回放与盘中因子计算、Python Parser 功能演示、机器学习预测 | high |
| 韩迎春 | 身份 | DolphinDB 华北区售前支持工程师 | high |
| demo 演示互动方式 | 互动形式 | 用户通过现场举手和扫码等形式与分享嘉宾实时互动 | high |
| demo 演示讨论问题 | 技术问题 | 盘中计算是否支持主备？如何保证实时计算冗余、防止单节点故障？提交任务时能否设置任务优先级？ | high |
| 主题圆桌 | 主题 | 量化交易的技术创新与前沿探索 | high |
| 主题圆桌 | 讨论背景 | 行情数据暴增背景下 | high |
| 主题圆桌 | 讨论问题范围 | 投研与交易技术架构挑战、技术迭代难题、各业务环节技术栈/新技术尝试、性能提速对绩效影响等 | high |
| 主题圆桌嘉宾 | 机构类型 | 来自券商、私募、交易所等不同类型机构的三位嘉宾与周博士交流 | high |
| 量化交易市场占比 | 趋势描述 | 与往年相比，目前量化交易在股票和期货市场的占比都有大幅提升 | low |
| 圆桌嘉宾共识 | 提及方向 | 在面对暴增行情数据时，提及行情数据场景下的技术迭代和策略方向准备 | medium |
| 机构优化措施（圆桌分享） | 优化范围 | 投研团队与IT架构优化调整、数据平台与算力集群性能提速、企业资源优化与降本增效措施，并延伸讨论数据算法、决策交易与市场趋势 | medium |
| 周博士观点（圆桌） | 方案与建议 | 结合服务众多金融机构经验，阐述低延时、高性能计算带来的效能提升方案，并谈到机器学习背景下模型训练开销下的资源调度与优化建议 | medium |
| 茶歇与交流环节 | 活动内容 | 用户就感兴趣话题与DolphinDB技术支持人员交流，并与同行畅聊中进行思维碰撞 | high |
| Meetup 活动时长 | 时长描述 | 四个小时 | high |
| DolphinDB | 自我定位（品牌态度） | 自称“有温度的科技厂商”，致力于为行业提供领先产品与服务并创造开放交流平台 | low |
| DolphinDB | 后续活动计划 | 将定期举办 Meetup 和 D-Day 等线下活动 | high |
| 后续线下活动城市 | 城市提及 | 北京、广州、深圳 | high |
| 下一场 Meetup | 报名方式 | 扫描下方二维码预约报名（与技术专家面对面） | high |
| Meetup 报名海报（图注） | 包含关键词 | Swordfish、AI Dataloader、Python Parser、因子开发管理平台（并引导扫码预约报名下一场） | medium |