关于 灰色行业代发q扣1716160940泉山大福源百度输入法聂 的搜索结果,共1416
j****2 2018-07-10
脑开放日来袭 24种全新AI能力呈现
人工智能连续3年进政府报告、“智能+”成为时新命题,这些信息都显示2019年会是AI产全面加速落地的一年。AI展,离不开千万开者的助力。 3月20日,首场脑开放日全新登场,介绍了全新开放的24种全新AI能力,AI赋能市政、物流、教育等的20个案例,也为向开者、人士展现了如何搭上AI开放生态的高速列车。 脑开放日来袭 作为在人工智能领域多年研究成果的集成者,脑正在飞速进步着。自2016年启动开放以来,脑目前已经是服务规模最的AI开放平台,开放了158项AI能力,24小时快速集成,开者数量超过100万,面向广泛的企和开者提供最先进、最全面的AI能力,不断降低AI应用落地的门槛。 AI技术生态部总经理喻友平谈到,“在脑的开放生态中,开者一直是最为重要的一环。脑开放能力不断加速,有很多有价值的技术难以被开者了解。2019年脑开放日全新登场,希望为AI开者提供及时、全面、近距离地了解脑最新AI产品和案例,且能深、持续交流的平台。”
x****7 2018-07-10
从外进阶专 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已经开始被各个应用,而与自研自用的传统思路不同,在这次人工智能引的“工革命”里,采他人之长补己之短成为了一种趋势。推出的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,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,追求零算基础也能训练AI模型的EasyDL,正成为他们AI门的首选。 EasyDL缘起:直击三痛点 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;钻研前沿算的多,关注产落地的少。
2018-07-10
解密开这门生意——商看开
前言 很多朋友都问过我,开技术究竟好在哪里,一个公司拥抱开是不是加分项,参与开的人是不是很酷的技术牛。本文抛开虚浮的情怀和热情,我们从商和管理的角看一看软件开。 1. 本质是对抗认知垄断 远古期的计算机没有版权概念,每一份码都是一份全人类都可以学习借鉴的教学数据。 随着商软件的兴起,商软件公司倾向于将码当做秘方保护,引了版权的概念。闭软件实操过程中有如下缺点: IT技术无跨软件跨公司进交流,人才培养的很慢; 一个软件只能在很小可控范围内迭,软件的进步速偏慢; 公司的商策略以盈利优先,可能会掐灭技术革新; 一个黑盒化的交付物,交付质量只能靠商信誉保障; 商软件总是试图建立垄断,黑客们警惕着垄断的恶。 在版权限制下感到压抑的IT精英,自推动开放码的交付方式,其中最出名的是GNU计划。GNU计划的重点是对抗IT技术认知垄断,更自由的传播IT知识;GNU等开计划既不是为了开公司的商利益,也没要给参与者高级技工证书,更不会因为开而强免费。
****ac 2018-07-12
亿元免费算力 | 脑AI Studio重磅推出算力支持计划
“提供总计1亿元免费算力,助力开者成功”——脑AI Studio 数据、模型、算力是深学习展的必备因素,算力的重要性不言而喻。4月23日,首届 WAVE SUMMIT 2019深学习开者峰会,一站式开平台 AI Studio 重磅推出算力支持计划:豪掷1亿元免费算力,为普通开者破除算力桎梏。 脑AI Studio 脑AI Studio是集合AI教程、码环境、算算力、数据集和比赛的一站式学习、开、交流平台。该平台旨在帮助开者迅速掌握AI开知识,并熟悉模型创建,训练及部署的全过程。 脑AI Studio中,项目有两个模式::一人一卡(单机)和远程集群模式。 其中一人一卡模式的配置此前以CPU为主。为了解决该模式下性能不足的问题,脑AI Studio准备了量的Tesla V100训练卡和相关资,总价值1亿人民币。 Tesla V100训练卡是当前性能最好的工级训练卡之一。根据英伟达的说明, 该GPU的性能是单核CPU的47倍。此举将普惠脑AI Studio用户,破除用户的算力困境。
金****洲 2018-07-10
混乱的集群遇见TA 从此岁月静好
Q新开的基础设施服务有问题,能立马回滚吗? Q可以做虚拟化资限制基础设施不占用过多的机器资吗? Q如何先部署小批量机器,确认无误之后,再做全集群部署?简而言之,布。 Q新到位10000机器,如何高效部署最新的基础设施?使集群中所有机器环境同质化? 管中窥豹,我们可以现如果在私有云或者混合云场景中还是通过人肉运维的方式管理,那么管理效率将会十分低下,并且其中重复繁杂的操作,难以保证云环境的稳定性和安全性。急人之所急,需人之所需。云的工程师们便展开了一场头脑风暴...... 原始太初 私有云中存在规模的机器集群,集群中一片空虚混沌,渊面黑暗,仅有字节流在其间穿梭。为有效地管控体量庞的集群,合理分配资,降低运维成本,保障云上服务穿越狂风暴雨,工程师们意识到:“必须要有一个优秀系统来管控这混沌的集群世界!” 第一天 工程师们说:”这个系统要表操作系统的意志!占用资少!对外部系统零依赖!装机自带!要能自升级和自保活!“。
疏****月 2018-07-09
一键上线Archer | 持续部署的瑞士军刀
通用场景 在内部,通用的部署系统需要适用于以下场景: 各务线拥有各自的包规范,语言、框架不统一,部署策略不一致; 支持分级布,及时拦截部署引的线上故障; 务的多地域部署; 多种网络环境及包部署; 提高自动化效率,能够集成测试布自动化流水线。 后面,我们将结合上面场景,向家介绍持续部署是如何实现的。 服务架构 整个系统由命令工具、web服务、中转服务及单机agent+部署插件几部分组成(如图2所示)。用户通过命令工具触一次变更,在web端进参数解析及任务分,对应执机器agent通过心跳获取任务后,调用部署插件执实际任务。涉及包及不同网络环境的部署会进中转下载。 解决方案 各务线拥有各自的包规范,语言、框架不统一,部署策略不一致 为避免杂乱无章又不规范的服务码及配置文件的目录结构,Archer规定了一套既灵活又完整的包规范。
w****t 2018-07-10
AIOps中的四金刚
故障自愈机器人:针对单个务场景进平台化抽象,使之成为一个基础服务,基于AIOps平台研和运。 AIOps时的职责和技能变化 平台研工程师负责运维平台及基础组件的研与建设。 在传统运维场景中,平台研工程师负责平台、基础组件、类库和工具的研工作。在针对运维的场景中,会覆盖运维相关的服务管理、监控、变更、流量调等相关平台。 这部分平台是运维的基础,在AIOps时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,运维各种状态信息转换为数据,机器学习则作用在数据上进分析。在AIOps的实践中,运维开框架、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、机器学习架构的引。这就要求平台研工程师具备数据、机器学习平台架构师的多重身份,具备流式计算、分布式存储、机器学习平台、算策略平台等一系列数据和机器学习平台架构能力。 运维研工程师 基于多个务线场景抽象出的单机房故障自愈解决方案,能够满足部分场景需求,但并不意味着可以直接提供给各个务线来使用。
嘟****y 2018-07-11
型企适用的云平台账户体系
但很多客户怕自己配置错误不想要这个权限,比如怕自己手滑删了CDN域名设置导致务中断,所以干脆就有什么操作都让供应商和管理员帮配,这就引出了其他低阶权限。 b.操作角,操作类角只能完成各类可逆性云资变更,比如说不可以释放RDS但可以备份RDS,不可以释放“核心必要”云主机但可以创建和删除“临时扩展”云主机。只有云平台精通产品的真实使用场景,才可能定义好各类资的管理和操作的权限;开放给DevOPS的“低风险日常操作API权限”也集中在这个角上。 c.查看角,对不想或不能承担操作责任的客户可以给与查看权限;有些公司有线上变更流程,事件起方、主审核方、务执方是分离的,事件起和审核方都只要查看资权限就可以了。 d.财务角,有些财务人员要上云平台做截图和导出账单,这就需要财务角。 e.平台操作授权角,这不是一个恒定的角,而是前文查看型客户没有操作能力,那就需要进临时操作授权。 以上各个角的登陆和操作过程都要有详细的步骤日志记录。 第四.平台通知和管理机制 前文将各种资和权限进了区分,那接下来要区分的就是平台通知机制。
1****2 2018-07-09
安全:AI 是系统工程 需要真正开放的安全护航
11 月6 日,安全牵头成立OASES 智能终端安全生态联盟。这是国内第一个开 放的致力于AI 生态安全的联盟组织,引了媒体、对AI 安全的聚焦。 毋庸置疑的是,人工智能时已经到来。有数据显示,到2020 年,会有500 亿台 物联网设备在全球部署。埃森哲预测,人工智能可能将劳动生产率提升40%,让人们 更有效地利用时间。到2035 年,人工智能将让年经济增长率提升一倍。 但是,所谓“螳螂捕蝉,黄雀在后”,AI 既能被用来提升效率,也能被黑客用来提 升攻击技术,有更多途径窃取用户隐私。前段时间各种智能电视被破解,摄像头变成客 厅监视器;某品牌智能扫地机器人被曝出存在高危漏洞,变成家庭“间谍”等安全事件 频。 网络安全成了这些智能设备的“阿喀琉斯之踵”。 危机四伏的AI 生态 在小编看来,移动互联时,无论是终端、云端、传通道,最终保护的都是这整 个网络生态中的数据,这些数据既有企和用户的隐私,也包含了账户和密码等。在AI 时抵相同。所不同的是各种IOT 设备的多样化,身份认证加了生物识别, 语音需求更多地取了手动
流****水 2018-07-11
云企级运维平台——NoahEE
文章概览 过去的文章为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来于圣经中“诺亚方舟”的故事,我们用这个名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、资定位、监控报警、自动部署、任务调等等,已经服务了数年之久。
Z****E 2018-07-09
产品迭的最后一公里
具体的落地点在以下两个方面: 智能模板生成:分析变更对象属性特点并自动填充 智能变更检查:关联异常检测,及早现并出干预命令 其具体的实现思路为: 智能模板生成:使用运维知识库充分收集变更目标对象的属性,然后基于这些对象属性特点自动生成变更模板,例如变更对象的最小可用可以用于生成变更失败容忍; 智能变更检查:我们已经有成熟的智能监控方案,可以全方位监控目标服务的状态并及时汇报异常。通过订阅变更目标的服务监控,可以实现变更过程中的实时检查,从而及时现变更引起的异常,进而自动执干预命令。 如何应用上述解决方案? 上面介绍了变更面临的主要问题以及我们对应的解决方案,为了能够让更多的外部用户也能体验到高效安全的变更能力,我们将在云上提供智能变更产品。届时购买了云服务的用户,即可使用该产品完成务功能的日常迭智能变更产品目前在紧锣密鼓地推进中,预计很快就会与家见面。 总结 布变更作为产品迭的最后一公里,其执效率和执结果将直接影响功能迭的效果。当把目光投向实际的生产环境,我们现,在很多企中变更的执效果并不能得到保障。
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。实现从运营商外网链路、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。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三层:接层、服务层、依赖层。 接层:从外网用户起请求经过运营商网络到统一前端(BFE)的过程,使用DNS实现外网流量调。 服务层:从BFE流量转至内网服务的过程,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,使用名字服务(BNS)进流量调
TOP