关于 外推排名代做灰色行业〖_q扣735894904〗 三河市百度教 的搜索结果,共901
x****7 2018-07-10
进阶专 传统企AI转型差的可能只是一个EasyDL
2018是人工智能高速成长的一年,在经历了诸多喧嚣与迷茫后,AI已经开始被各个深入应用,而与自研自用的传统思路不同,在这次人工智能引发的“工革命”里,采他人之长补己之短成为了一种趋势。出的EasyDL定制化训练及服务平台就是经常被企采用的“AI利器”之一。 2017年11月,EasyDL上线公测。2018年4月宣布EasyDL全面开放,为开发者提供图像分类和物体检测的深学习模型定制训练,其后,可定制的模型类型拓展到声音分类和文本分类。过去8个月中,EasyDL平台的用户迅速增长,累计已超过10万注册用户,应用于22个EasyDL快速崛起,不是偶然,大量传统企刚错过“互联网+”的窗口,急迫地希望赶上AI的产风口,追求零算法基础也能训练AI模型的EasyDL,正成为他们AI入门的首选。 EasyDL缘起:直击大痛点 AI兴起后,许多企是焦虑的。 有人评价,AI产现状是“两多两少”:畅想未来的多,关注眼前的少;钻研前沿算法的多,关注产落地的少。
j****2 2018-07-10
大脑开放日来袭 24种全新AI能力呈现
为了让流浪喵过上幸福的生活,程序员出身的他用大脑动物识别技术和EasyDL打造出 “猫脸门禁”、“病猫识别”、“绝育识别”大智能功能,给流浪猫一个温暖的住所的同时帮助救助志愿者发现生病和未绝育的流浪猫。晚兮提到,凭借大脑的开放技术,他只用半天就设计出了智能猫窝的项主要AI功能,看似高冷的AI技术最终化为猫咪们的守护神,让现场的小伙伴们感到暖心又感动。 2018年大脑走进6大城举办7场创新论坛,发布了企服务、信息服务、地产物、智能零售、智能工厂、智能校园、智能政务7大解决方案,动AI与不同、具体场景相结合,AI技术渗透到产的毛细血管。大脑目前已经落地20+,生态赋能已成燎原之势。 大脑新品体验师计划 如果只是技术“阅兵”会让你觉得意犹未尽,为了进一步激励开发者学习应用大脑开源能力,大脑现已提出了“大脑新品体验师计划”,希望与开发者一起大脑进化,帮助他人一起成长,探索AI前沿应用。
c****2 2018-07-10
个性化荐(一)
Input movie_id: 1962 Input user_id: 1 Prediction Score is 4.25 模型概览 本章中,我们首先介绍YouTube的视频个性化荐系统[7],然后介绍我们实现的融合荐模型。 YouTube的深神经网络个性化荐系统 YouTube是世界上最大的视频上传、分享和发现网站,YouTube个性化荐系统为超过10亿用户从不断增长的视频库中荐个性化的内容。整个系统由两个神经网络组成:候选生成网络和序网络。候选生成网络从万量级的视频库中生成上个候选,序网络对候选进打分序,输出最高的数十个结果。系统结构如图1所示: 图1.
追****圣 2018-07-11
给书记省长讲清楚云计算
第二类是创云厂商,他们一般是靠技术优势和服务态从大型云企手里抢单子。地方政企和这类企合作时有很强的议价能力,注意不要盲目倾向技术优先的创云厂商,而是选择服务态和执能力好的创云厂商。地方政企很难确切搞懂厂商的技术有哪些优势,而项目的进落地都是要靠云厂商来执的。 第类是企云厂商,这类厂商是被广阔的中国场吸引过来的,也有兼顾企中国分部的客户。这类厂商在国内发展都不太顺,和他们沟通主要看他们有什么合作诚意,是否穷极思变。 最后一类是系统集成企,这类厂商已经服务地方政企几十年了。他们最大的优点和缺点都是为服务政府和国企为生,他们可以买技术搭建出云平台,但他们建好云平台的目的是再卖给本地政府和国企。这类企需要完成从供应商到合作方的转变。 云计算不是万能药,它无法解决哪些问题。 在地方政企看来,云计算只是一种商形式,不能对它报以不切实际的期望值。 云计算不需要大量雇佣本地劳动力,无法解决大批就问题;云计算核心员工会呆在一线城远程操控,很难将云计算人才引进到当地。
f****8 2018-07-10
2018年云计算展望
五年过去了,我从务运维一步步转云计算,无论是售前、产品、设计、实施、售后都了一遍,我对的判断对了,无论是收入、见识还是能力都在快速增长。 前段时间我写过七篇云计算现状介绍,现在我写这篇未来展望,乐观的看这个充满希望的。 一、时大幕刚刚拉开 历史和现状总是藕断丝连,如果用《国》形容云计算,那前奏刚刚结束,大戏还没开场,正是黄巾军将要被平定,天下诸侯自立为王的阶段,一董二袁崭露头角,曹操刘备还没登场。 首先看谁是黄巾军?那些OpenStack创厂商。他们衣衫褴褛阵型混乱,但对旧秩序有无穷尽的破坏力,经过这批厂商的育开拓,每个客户都认可了云计算,且客户将期望值控制在合理范围内。然后这批厂商该招安的都招安了,该消失的也在消失。 然后看天下诸侯,纵然现在有一二,但从第一到第十都能绩翻倍,说明还远未饱和竞争。现在的曹操袁绍等人只是西园八校尉,离封侯称王还早,扩军抢地盘的速还可以继续提升。 汉末是机会主义者的舞台,敢造反敢扛事就是一方诸侯,但国时的整合兼并考验的是人才和资源。
双****4 2018-07-11
【杂谈】猎场没那么精彩--还原真实的猎头
这工作难和重要性确实没电话销员高,所以他们的收入也并不比电话销员高。 大部分猎头公司也无所谓简历库,特别是互联网更为明显。高端猎头是要钓大鱼的,但钓鱼先要等鱼长大,中国企都兴起没几年,还没有稳定的高管和高工群体,同城同挖来挖去就那几个熟人;而那些新手猎头个月不开锅就要饿死,撒网甚至炸鱼的收益会更保底一些。从长周期来看,猎头属于利用信息不对称来牟利的,互联网技术本来就是要消除信息不对称。现在有跳槽意向的普通员工会在招聘网站更新简历,中高层会主动布局等待候选单位上钩,专门找单一猎头更新简历库的互联网人才越来越少了。 在甲方来看,找个猎头公司签个合作协议是很随意的,这些猎头谁成单了才给钱,不成也没损失,甲方还能享受一呼应蜂拥而上的快感。但天下没有免费午餐,免费供应的简历质量无法保障,耽误的人力和时间都无法衡量。滥用猎头还会增大不必要支出,中下级岗位人事自己也能搜到简历,而很多初级猎头就佣金几千块的小单子。
流****水 2018-07-11
云企级运维平台——NoahEE
文章概览 过去的文章为大家介绍了云智能运维的方方面面,从监控、部署等传统的运维技术到智能异常检测、故障自愈等智能运维技术,这些运维基础能力和黑科技,是十年来工程师对技术孜孜不倦求索的结果,也见证了运维十年间的创新历程。很多同学在看了这些文章后,都在想如何把这些领先的运维技术与理念用到自己的工作中,但苦于建设运维平台不是一蹴而就的,成本也让人望而却步,于是不少同学都在希望我们能够有一个产品的形式输出这些技术,方便将这些前沿技术运用到自己的工作环境中。 在分析了各的运维场景与需求,结合历年来运维的经验与技术沉淀,并经过运维团队的精心打磨后,今天我们可以很骄傲的给大家呈现这个的运维产品企版 – NoahEE。 在介绍NoahEE之前,有必要说一下内部的统一自动化运维平台Noah。Noah来源于圣经中“诺亚方舟”的故事,我们用这个字来寓意能够避免灾难,稳固而坚实的平台。作为一系列运维系统的集合,Noah包括了服务管理、机器管理、资源定位、监控报警、自动部署、任务调等等,已经服务了数年之久。
y****n 2018-07-09
Apollo 自动驾驶感知技术分享
希望它什么任务。 这是种基本传感器的效果对比,LiDAR 是激光雷达,Radar 是汽车通用毫米波雷达,Camera 是摄像头。绿得好,黄得普通,红得差。最后,说明了种传感器融合效果是最好的。 那么 ,感知系统开放模块怎么? 点云感知。开放了 LiDAR 点云检测,可以判断点云里的每个点是否为障碍物,障碍物的类型是什么。 感知框架。用的是深学习,它可以到精准检测和识别。而深学习非常耗费计算量。需要依靠搭建的车载智能系统,来支撑深学习模型,以达到毫秒级感知。 高精地图。先以当前的激光雷达作为坐标系核心,把地图中的点投到坐标系里。然后建立快速的表格,根据感知的距离扩大坐标区域。之后对俯视图进网格化,网格化参数可以在 Apollo 进配置。最后输送给障碍物检测。 障碍物检测。分为特征抽取、点云检测、点云聚类、后处理、闭包提取。特征抽取,就是建立一个网格,每一个网格提取的信息对应一个值,每一个网格都有一个特征,拼接形成一张图;点云聚类,是用可信的网格结果预测;后处理,是由于预测不准,对障碍物的判断会存在误差,所以要通过后处理来精确障碍物。
w****0 2018-07-11
单机房故障自愈-黎明之战
我们来具体看下的监控系统与流量调系统是如何在单机房故障止损场景中起作用。 故障发现:监控平台 监控平台,针对单机房止损过程中的可用性场景,覆盖故障发现、止损决策、问题定位各阶段的监控。同时针对单机房止损依赖的容量管理场景,提供资源类监控采集,为容量规划、扩缩容提供数据支持。实现从运营商网链路、内部网络设备/链路、服务/实例、机器/容器的全方位数据采集与监控。满足网络类单机房故障、务类单机房故障的监控覆盖需求。 同时提供一系列数据分析方法。如智能异常检测、趋势预测、多维分析、关联分析、服务和链路拓扑分析,实现故障的精准发现和定位。 故障止损:流量调平台 针对的网络架构和务架构,我们将流量调拆分为层:接入层、服务层、依赖层。 接入层:从网用户发起请求经过运营商网络到统一前端(BFE)的过程,使用DNS实现网流量调。 服务层:从BFE流量转发至内网服务的过程,使用BFE提供的GSLB动态负载均衡进流量调。 依赖层:内网上下游务之间的流量调过程,使用字服务(BNS)进流量调
红****2 2018-07-10
故障自愈机器人,保你安心好睡眠
在传统的运维方式中,由于故障感知判断、流量调决策的复杂性,通常需要人工止损,但人工处理的时效性会影响服务的恢复速,同时人的不可靠性也可能导致问题扩大。 为了解决这类问题,我们针对部网络环境建设了基于智能流量调的单机房故障自愈能力。结合网运营商链路监测、内网链路质量监测与务指标监控构建了全方位故障发现能力,基于统一前端(BFE)与字服务(BNS)实现了智能流量调与自动止损能力。同时,基于实时容量与实时流量调自动止损策略与管控风险,实现了任意单机房故障时务均可快速自愈的效果。当前此解决方案已覆盖搜索、广告、信息流、贴吧、地图等众多核心产品的单机房故障自愈场景。 单机房故障频发影响务可用性 回顾近2年来各大互联网公司被披露的故障事件,单机房故障层出不穷。例如: 2015年6月某公司云服务香港IDC节点电力故障崩溃12小时 2016年5月某公司杭州电信接入故障,服务中断小时级别 2017年1月某务天津机房故障,数小时无法提供服务 2017年6月北京某处机房掉电,多家互联网公司受影响 单机房故障频繁影响务的可用性并且会给公司带来直接或间接的损失。
w****t 2018-07-10
AIOps中的四大金刚
而AI方法的引入,使得机器能够替人来出决策,从而让真正意义上的实现完全自动化成为了可能。 在AIOps的落地实施过程中,最关键的因素还是人,即AIOps的建设者们。 AIOps作为一个全新的技术发展和应用方向,并不是简单地说具备某一种技能或招募一两个大牛就可以完成的,它需要不同角、多个团队的配合才可以达成。根据近几年来整个界对AIOps的理解和实践,AIOps参与角的划分也越来越清晰。在4年的AIOps实践中,我们总结得出了如下四种不可或缺的角: 运维工程师 运维研发工程师 平台研发工程师 运维AI工程师 可以看到,除了运维AI工程师,其他角并不是AIOps产生之后才出现的,他们在传统运维中也发挥了重要作用。我们今天主要想和大家探讨一下,在AIOps时,他们的职责究竟发生了哪些变化。为了方便大家理解,我们会基于AIOps的实践案例,来进具体说明。 单机房故障自愈场景 单机房故障自愈是一个典型的AIOps落地项目。该方案主要解决的问题场景如下:某个务由于网络、设备、变更、程序Bug、容量等原因造成故障,但故障范围仅局限在单个机房或单个Region内部。
c****i 2018-07-11
付费拨云见日--云咨询可性分析
只有中立云咨询团队,项目是否上马、怎么执都不影响自身绩,为了后续更多订单,还会更加重视口碑和专性。 我们见多了零元中标的项目,这些项目有几个实施验收的?如果二期扩容不许绑定猫腻,那零元中标就等于站着茅坑不拉屎的废标。 至于画饼营销,谈各种高大上功能签单的云项目,或者是发完PR稿就再也不联系了,或者是卖完云资源就开始敷衍了。 国某顶级IT企最近在折腾XXXX,虽然内一堆PR解读和跪舔,但我们几个朋友的判断都是给自己加戏、顺路更换旧供应商。我不敢写太明确,并不是怕得罪境的大佬,而是国内几大公司都了类似的折腾。国内顶级IT公司的IT决策者都需要自保,其他公司哪…… 3.云咨询不是老 云咨询不同于云售前、管理咨询和产品咨询,上文列到的咨询条目,不是来销云产品的、不是来宣讲管理理念的、更不是广某款商软件的。 我知道云厂商和咨询厂商在尝试广过这类服务,但成功案例都缺乏表性: 某云厂商的专家服务,其实还停留在客户用云的阶段,和免费售前工作无差别。
TOP