SystemML 先进的机器学习主要基于两方面：SystemML 语言，声明式机器学习 (DML)。
SystemML 包含线性代数原语，统计功能和 ML 指定结构，可以更容易也更原生的表达 ML 算法。算法通过 R 类型或者 Python 类型的语法进行表达。DML 通过提供灵活的定制分析表达和独立于底层输入格式和物理数据表示的数据显著提升数据科学的生产力。
其次，SystemML 提供自动优化功能，通过数据和集群特性保证高效和可伸缩。SystemML 可以在 MapReduce 或者 Spark 环境运行。
详情：https://www.oschina.net/p/systemml
2、Kitura：Swift 的 Web 框架Kitura，来自IBM的基于Swift的Web框架，也是一个HTTP服务器。
特性：
URL路由（GET, POST, PUT, DELETE）URL参数静态文件服务支持FastCGI支持SSL/TLSJSON解析可插拔的中间件详情：https://www.oschina.net/p/kitura
GitHub地址：
https://github.com/IBM-Swift/Kitura
3、TJ Bot：开源 DIY 纸板机器人TJBot 延续了手工社区的精神，它是一套 DIY 工具包，可让你建立由 Waston 驱动的可编程纸板机器人。该机器人由一块切割的纸板（可以是 3D 打印或者激光切割）、Raspberry Pi 和多种插件（包括一个 RGB LED 灯、一个麦克风、一个伺服电机和一个摄像头）构成。
详情：https://www.oschina.net/p/tj-bot
4、OpenWhisk：无服务器计算平台OpenWhisk 是一个由 IBM 开源的、事件驱动的无服务器计算平台，你可以将操作代码发送给 OpenWhisk，然后提供 OpenWhisk 代码要处理的数据流。OpenWhisk 负责处理计算资源的扩展，这些资源是处理工作负载所需要的；你只需要处理操作代码以及触发这些操作的数据。
OpenWhisk 简化了微服务的部署，消除了管理自己的消息代理或部署自己的工作服务器的需求。OpenWhisk 适用于你不希望管理任何基础架构的项目，只需为已完成的工作付费，不会将金钱浪费在空闲的服务器上。OpenWhisk 很容易管理活动峰值，因为它可以外扩来满足该需求。
详情：https://www.oschina.net/p/openwhisk
GitHub地址：
https://github.com/bjustin-ibm/openwhisk
5、Quarks：物联网传感器数据应用开发工具Quarks 是 IBM 开发的一个开源开发工具，用于帮助制造商和程序员开发高效的基于物联网传感器数据的应用。
详情：https://www.oschina.net/p/quarks
6、Node Application Metrics：Node.js 应用监控工具Node Application Metrics 提供了一个基础设施，来为基于 Node.js 的应用收集资源和性能监控数据。Node Application Metrics 创建所基于的数据收集性能，是 Health Center 开发工具所使用的，同时也是基于 Eclipse 的 IBM 监控和诊断工具的一部分。
Node Application Metrics 公开了 JavaScript 和 C 的 API，这使得开发者工具、管理和扩展工具、性能监控工具，比如 StatsD with Graphite 或 Elasticsearch with Kibana，都可以实现数据采集。
详情：https://www.oschina.net/p/node-application-metrics
7、Clouseau：全文搜索库Clouseau 通过类似 Erlang 的节点使用 Scalang 来公开 Lucene 的功能。在每个独立的终端窗口运行。
详情：https://www.oschina.net/p/clouseau
8、Dreyfus：全文搜索库Dreyfus 管理 Clouseau 节点来表现全文搜索特性。
详情：https://www.oschina.net/p/dreyfus
