关于 深圳龙岗大业区约大学生服务援交〖10669708薇信〗 的搜索结果,共1266
j****2 2018-07-10
百度脑开放日来袭 24种全新AI能力呈现
百度AI技术态部总经理喻友平 首期开放日,喻友平介绍了百度脑开源习平台PaddlePaddle以及通用AI能力两方面的技术和产品更新,以及百度脑在市政、物流、教育等行的落地案例,与开发者们进行流。 更广、更快、更精的AI技术 习是AI发展的燃料。百度在习领域耕已久,2016年,百度开源了习框架PaddlePaddle。此次,PaddlePaddle迎来两方面重更新,核心框架Paddle Fluid v1.3新增发布界首个视频分类模型库,新增支持NLP语义表示BERT模型,分布式训练性能幅提升,规模稀疏参数器Benchmark发布;同时,基于PaddlePaddle的度强化习框架PARL,夺冠NeurIPS 2018。具有高灵活性和可扩展性,支持可定制的并行扩展,覆盖DQN、DDPG、PPO、A3C等主流强化习算法. 目前,百度PaddlePaddle已对外开放超过50种经过工场景验证的官方模型,例如,领邦利用PaddlePaddle,通过ICNet语义分割模型识别精密零件瑕疵,实现零件自动分拣。
追****圣 2018-07-11
给书记省长讲清楚云计算
政府和型国企不仅能采购云计算,早晚也会走向发展云计算的路。 本文不谈任何技术细节和商情怀,而是从政企的角度说明什么是云计算。 本文包含如下内容。 从时代背景来看什么是云计算,云计算为什么会兴起。 云计算如何带动地方经济,这是个不需要物流就可以全球的行。 做云计算要满足哪些条件,如何才能筑巢引凤。 挑选合格的云计算合作厂商,每类厂商有哪些特点。 云计算不是万能药,它无法解决哪些问题。 什么是云计算 近20年来,互联网引爆了全球的息技术革命,我国借助这次技术革命的好机会,已经追上乃至领跑此次技术革命。 互联网技术刻的改变着我们的活,其行态也在逐步分化扩,这一现状客观促进了云计算技术的发展。 上世纪80年代,计算机仅应用于科研等少数行,全国计算机从人员不超过万人,从人员都有很术背景。 上世纪90年代,门户、论坛、邮件系统开始影响部分群众的活,国内从人员为十万人,可以分为软件和硬件两类工程师。 进入2000年,无纸化办公、游戏、社、电商改变了众的活的方式,国内从人员已经远超百万,按技术分类有数十种工程师。
小****君 2018-07-11
踏云落地--谈IT就趋势
5.技术牛都是让变态需求给压出来的,如果公司有技术牛,那各种需求就来了,但如果没有技术牛,公司也会压缩自己的IT难度。比如搞促秒杀就要准备2000万云费,部门就会掂量成本。客户要使用PaaS云就要按照云厂商的是数据和的格式定。我们看到越来越多的证据,有了对象存储就不用招存储工程师,有了鉴黄和人脸识别就不用自己推演模型,有是反作弊系统就不用自己研究刷单,有了IM就不用自己做openfire。真正的行精英是不会护食眼前这碗饭,找到问题最优解比保住铁饭碗重要的多。当精英们无事可做的时候,哪怕钱给够了也很容易跳槽,他们将会富集在云计算公司、IT部门和独角兽企,而小IT部门和创团队留不住技术牛了。精英们遗世独立,让普通工程师去买云了,对其他工程师可不是好事。第六.熊猫跑了,保护要撤熊猫是一种“伞护动物”,熊猫保护也被其他动物所分享;保护熊猫最重要,其他动物都是玩伴点缀,但如果熊猫都迁走了,保护就会撤销。
s****d 2018-07-11
亿元级云用户分析
3.2 CDN和带宽池 CDN和带宽池不同于器硬件,其原始资源是相对稀缺死板的广域网带宽,其付的资源是持续不断的,所以资源部署比较慎重但客户流动成本较低。制客户全量迁移的是厂商的承载能力,而挖角和反挖时刻都在细水长流。CDN和带宽池首先考察的是企内功,有没有廉价海量资源;再考验销售内部协调能力,能不能把好资源好价格抢到手里;而盯客户的套路和百万级销售类似,工作力度加三五倍而已。 3.3数据存储池 数据存储池是很难年均摊营收上亿的,但定个1000万的小目标是能实现的;如果有1000万的非冷备存储池,那很容易带来数倍数十倍的计算和带宽消费。存储资源是订单曲线突破的好选项,还是AI和数据项目的基石,我们和客户讲的是有技术含量的故事,需要精英售前给销售做幕后军师。 配图说明:谁掌握了数据,谁就掌握了真理 3.4人力资源池 亿元项目不可能是客户自助实施的,人力营收占比很低但画点睛,可能会干掉纯卖资源的友商,也可能晚付半月就亏损上千万。
嘟****y 2018-07-11
型企适用的云平台账户体系
随着部分云平台在完善账户体系,我们可以心平气和的谈一谈而非吐槽这个问题了。 云计算公司的技术班底都是个人起家,他们最早接入的是中小企和创者,其账户体系并不适用于型企客户。型客户上云之前都用过虚拟化、域管理、网管资源管理软件,肯定不适应这套功能单薄诡异的用户束。本文的目的是为了让客户有底气提出质疑,让云平台继续完善开发,最终提供符合企级应用场景的账户体系。 第一.账户注册问题 首先我们看法问题,如果注册时死抠法问题,国内各云平台会颗粒无收。 我随便摘取了几段账户注册的用户协议: 客户的云账户是唯一身份识别依据,就连钱时也是只认账户不认人。 云平台有权限制客户账户下所有产品及全部功能,心情不好就不卖。 客户保证不会影响云平台关联公司的合法权益,其标准由云平台做权威判断。 这是不是有一种“客户你好,我是你爷,爱买就买,不买就滚”的即视感?谁有资格代表公司去注册账户和同意条款,IT部私自注册云账户跟私签合同的吗? 前文是说注册阶段的法承诺,到使用过程中云平台又会有各种奇怪的“资格认证”“功能审核”等问题。
l****m 2018-07-10
五年前的预言——2012年云计算时代的运维职位展望
2、进行云计算器维护;几供应商自己也要维护器,那些中型企肯定会自己做私有云,在这个云计算平台里也是需要运维人员进行从低端监控到高端架构的一系列维护工作,但自动化运维技术会让运维人员的数量减少,可能每个公司都只有一两个小团队了。 3、进传统行继续做运维;笔者就是在一个通讯公司工作,我可以很乐观的说云计算会对公司造成有限的技术革新,比如说实现OS的虚拟化。我们需要的SIP必须亲自搭建,阿里盛新浪都没得卖,甚至因为硬件和网络限制让我们很难使用虚拟机;而外宣网站一类的东西根本不是我们的核心竞争力,能用就好效率低一些没关系。除了通讯公司之外,产领域(比如管理产线)也有类似的顾虑,云计算的优势和公司的需求完全不沾边,所以这类公司的运维可能会是最后的运维。家找工作的时候都习惯找网站相关的工作,但你过Web就一定要找网站工作是挺蠢的行为,危邦不入乱邦不居,最好不要涉足一个没有前途的行
x****7 2018-07-10
从外行进阶专 传统企AI转型差的可能只是一个百度EasyDL
比如有位“天文迷”孙睿康同,基于EasyDL设计了一个超新星自动搜寻系统,希望通过对星云图片的AI技术分析,发现可能存在宇宙中的超新星,这一脑洞型的研究成果,已被哈尔滨工《智能计算机与应用》刊发。而孙睿康只是一名高中,这清楚不过地表明了EasyDL在推动AI普惠上的可能性。 AI所带来的惊喜,才刚刚开始。 欢迎点击【EasyDL定制化训练及平台】,了解更多产品内容。 如需合作咨询可点击屏幕右下角标志,提具体咨询息;或可进入AI开发者社,进行沟通流。
红****2 2018-07-10
故障自愈机器人,保你安心好睡眠
例如: 2015年6月某公司云香港IDC节点电力故障崩溃12小时 2016年5月某公司杭州电接入故障,中断小时级别 2017年1月某天津机房故障,数小时无法提供 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的可用性并且会给公司带来直接或间接的损失。直接损失包括访问流量丢失、商收入下降、用户体验受损、打破等级协议(SLA)造成的商赔付等,间接损失包括用户任度下降、给竞品占领市场机会等。
M****点 2018-07-10
中国云计算现状——产品篇
SaaS产品已经出现并流行了十几二十年了, OA/ERP/CRM/邮箱/模板建站等等SaaS都是比各位读者从年龄还长的老古董,最新流行的各种在线办公、协作、通话、众测等SaaS产品也不依赖云器,这些应用上云走公网和之前走内网别并不,用物理机和虚拟机别也不。 狭义的云计算是企,目标用户的是企IT技术人员,而SaaS云的目标用户和IT人员只在Helpdesk时有关联。 从这一点来看,这些SaaS只是云平台的普通用户,和游戏、网站、APP、没有别。只要SaaS云没自建IaaS和PaaS的技术能力和意图,那他们就是客户而非友商。 四、物理机-混合云-云管平台 云主机是物理机的最好替代方案,但也有各种物理机无法被替代的场景需要继续用物理机。 某些云主机的超卖比过高,性能太差,又因为各种原因不更换云厂商,那只能基于性能原因用物理机。 某些硬件特性虚拟机还没模拟出来,或者你模拟了我也不,比如说Oracle RAC就偏爱硬件存储。 某些非TCP/IP资源必须接专用板卡,比如说接电话网络的器,接专用器材的器,接加密狗的器。
双****4 2018-07-11
【杂谈】猎场没那么精彩--还原真实的猎头
部分猎头公司也无所谓简历库,特别是互联网行更为明显。高端猎头是要钓鱼的,但钓鱼先要等鱼长,中国企都兴起没几年,还没有稳定的高管和高工群体,同城同行挖来挖去就那几个熟人;而那些新手猎头三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,猎头属于利用息不对称来牟利的行,互联网技术本来就是要消除息不对称。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,这些猎头谁做成单了才给钱,做不成也没损失,甲方还能享受一呼百应蜂拥而上的快感。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。滥用猎头还会增不必要支出,中下级位人事自己也能搜到简历,而很多初级猎头就做佣金几千块的小单子。 如果甲方要找精英猎头,先要确认该位是否值得去找专人才;当甲方觉得能付出十万块钱的佣金是值得的,好甲方就能找到好供应商;如果招聘方把几千块佣金当做传家宝贝,给猎头花这个钱还不如给面试者报销打车费。
疏****月 2018-07-09
一键上线Archer | 百度持续部署的瑞士军刀
干货概览 部署(熟称上线)是运维领域最常见的类型,主要涉及线上代码变更、配置文件变更(数据变更由于其高频、量的特点,我们已在数据传输文章《嗖的一下,让数据自动效》中专门讨论过)。一般的上线具有不定时操作、部署情况复杂、单机启停策略复杂等特点。在手工运维时代,运维人员需要花费量精力进行此类重复性工作,且易于出错。从公布的数据显示,Google 70%的产事故由上线变更触发,如何减少变更过程中人为误操作,提供一个灵活、稳定的部署系统是运维平台研发人员所亟需解决的问题。 基本介绍 在运维自动化的潮下,百度运维管理平台Noah发布了一键上线部署系统——Archer。Archer致力于提供一套产品线全过程的可迁移发布解决方案,实现一键完成机器初始化、部署、添加模块监控、添加CT任、动态数据文件的分发等全过程的自动操作。在操作方面,Archer提供了命令行工具作为发起一次上线的操作入口,这种设计模式也决定了其易于集成的特点。在DevOps流水线作中,Archer可以作为一个环节结合进整条测试发布流水线中。
w****t 2018-07-10
AIOps中的四金刚
智能运维平台:提供对AI能力的支持,如:统一的数据(运维知识库)、运维开发框架,以及给AI策略实验和运行的运维策略框架等。 故障自愈机器人:针对单个场景进行平台化抽象,使之成为一个基础,基于AIOps平台研发和运行。 AIOps时代的职责和技能变化 平台研发工程师负责运维平台及基础组件的研发与建设。 在传统运维场景中,平台研发工程师负责平台、基础组件、类库和工具的研发工作。在针对运维的场景中,会覆盖运维相关的管理、监控、变更、流量调度等相关平台。 这部分平台是运维的基础,在AIOps时代仍然需要依赖于这些平台的建设。 同时在AIOps场景中,数据成为了中心,运维各种状态息转换为数据,机器习则作用在数据上进行分析。在百度AIOps的实践中,运维开发框架、运维知识库、运维策略框架共同组成了完整的智能运维平台,三平台的建设和实施离不开数据、机器习架构的引入。这就要求平台研发工程师具备数据、机器习平台架构师的多重身份,具备流式计算、分布式存储、机器习平台、算法策略平台等一系列数据和机器习平台架构能力。
流****水 2018-07-11
度云企级运维平台——NoahEE
规模发展到一定程度后,运维工作还停留在早期人工或脚本方式执行的阶段时,这样的差异非常频繁的发。 在实际的运维中,还有更多的因素需要考虑,例如机器是否会分配给不同部门(资源的隔离)?权限又该如何控制?随着规模变,人力成本等管理成本上升,然而效率低下、可用性不升反降等等都是非常可能出现的问题。百度对于这个问题给出的答案是,必须先要解决资源组织管理问题。简单的说,管理要解决的最核心问题就是如何对资源进行有效组织管理与定位: 图2 解决规模带来的问题 在管理这个地基打好后,我们再来回顾下上面的例子。这个例子中,地图研发的同就可以在运维平台中选中导航的模块进行升级,运维平台会通过管理来定位此次升级操作需要影响的机器并进行批量的操作。NoahEE中的所有运维系统,都以管理为基础来进行运维操作,例如在监控系统中,我们可以对导航模块(而不是单台机器进行操作)添加一些指标采集任,并在一定条件达成时报警。管理通过对资源合理的组织,极的简化了运维操作,提升了运维效率。
w****0 2018-07-11
单机房故障自愈-黎明之战
本文主要介绍单机房故障自愈前需要进行的准备工作,具体包括: 单机房容灾能力建设中遇到的常见问题及解决方法 基于网络故障及故障场景的全面故障发现能力 百度统一前端(BFE)和百度名字(BNS)的流量调度能力 单机房容灾能力--常见问题 单机房故障场景下,流量调度是最简单且最有效的止损手段,但我们发现线经常会遇到如下问题导致无法通过流量调度进行止损: 1.存在单点 描述:系统内只有一个实例或者多个实例全部部署在同一物理机房的程序模块即为单点。 问题:单点所在机房或单点自身发故障时,无法通过流量调度、主备切换等手段进行快速止损。 要求:浏览请求的处理,不能存在单点;提请求的处理,若无法消除单点(如有序提场景下的ID分配),则需要有完整的备份方案(热备或者冷备)保障单机房故障时,可快速切换至其他机房。 2.跨机房混联 描述:上下游之间存在常态的跨机房混联。 问题:逻辑单元未隔离在独立的物理范围内,单机房故障会给产品线带来全局性影响。同时流量调度也无法使得恢复正常。
TOP