关于 维尼 _ 重庆代做入职体检报告〖微电152—921 的搜索结果,共765
l****m 2018-07-10
五年前的预言——2012年云计算时的运位展望
我在写一篇新的文章,其中会引用到这篇2012年的旧文,所以我原样摘抄下来,很幸能转型进云计算这个行业。 云计算的时正在来临,运的工作也将在今后几年中发生翻天覆地的变化。 如果你是一个能给自己主的人,你必须看清形势顺势而为,在变革的时埋头苦干仍然保证不了你的正常生活;如果你是一个弓骑兵,无论你怎么勤学苦练都打不过坦克手的;铁达号上的乘客无论多有钱,总是免不了泡进海水里的。 首先,我作为一个运为何唱衰运这个业。 我们运靠什么能力在公司里自立哪? A.关心硬件和施工; B.关注网络问题; C.擅长系统和服务的调试护; D.相对与架构师/DBA的价格优势; E.快速可靠的响应. 大家看看云计算能给企业带来的好处。 A.硬件完全免护; B.网络接近免护; C.系统、服务接近免护; D.无论是硬件还是人力成本都很廉价; E.可靠性高于个人。 我们会发现,云计算的目标就是要的比运人员更好,好到“不用关心”的地步。从技术上来说,各大云计算运营商对通用的Web、RDBMS、存储 服务都是可以到很好的。
3****3 2018-07-10
百度智能运工程架构
相比较原有的单机房故障处理方式,在感知、决策、执行三个方面,L4级的单机房故障自愈系统效果显著: 1.感知方面,智能异常测算法替过去大量误的阈值测方法; 2.决策方面,具备全局信息、自动决策的算法组件替了过去“老中医会诊”的人工决策模式; 3.执行方面,状态机等执行长流程组件的加,让执行过程可定位、可复用。 目前L4级的单机房故障自愈,已经覆盖百度大多数核心业务线,止损效率可到分钟级,最快秒级止损,较人工止损效率提升60%-99%。 总结 随着AIOps逐渐走向成熟和产品化,必将有越来越多的运场景被AIOps所变革,而我们,百度云智能运团队,也希望秉承着这个方向,为行业贡献更多的创新理念、技术和产品,欢迎大家一起加探讨。 最后,用一句话来总结下工程架构对于智能运的意义: 框架在手,AI我有:智能时,框架会越来越要,从机器学习框架TensorFlow到自动驾驶框架Apollo,概莫能外。
w****t 2018-07-10
AIOps中的四大金刚
干货概览 AIOps(Artificial Intelligence for IT Operations ),即智能运,是将人工智能的能力与运相结合,通过机器学习的方法来提升运效率。 在传统的自动化运系中,复性运工作的人力成本和效率问题得到了有效解决。但在复杂场景下的故障处理、变更管理、容量管理、服务资源过程中,仍需要人来掌控决策的过程,这阻碍了运效率的进一步提升。而AI方法的引,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,它需要不同角色、多个团队的配合才可以达成。根据近几年来整个业界对AIOps的理解和实践,AIOps参与角色的划分也越来越清晰。
y****n 2018-07-09
Apollo 自动驾驶感知技术分享
控制模块会让车向前行,感知模块获得新的信息,不停循环,应对更新的环境状态,实现整良性的循环。 核心:感知用来什么? 感知的输跟环境相关。只要符合条件,都可以被列为感知。在 Level3 和 Level4 里定义的细分任务,把输输出具化。 障碍物测,包括人、车、石头、树木等。上图是点云输出,下图是图像感知示例。Level3 测结果障碍物,对于 Level4 来说,不仅知道这是车,而且可以将其按大车、小车分类,因为大车和小车的开车方式不一样。不同的车,出的决策规划不一样。你可以超小车,但无法超大车。 我们需要一个很细的障碍物分类,这根据输的不同划分,有点云分类和障碍物中的分类。著名例子是红绿灯的识别,你需要判断交通灯的颜色。障碍物测分类,我们得出障碍物信息,这样有利于我们后续决策。 我们要知道每个障碍物可能运行的轨迹,它会不会超车、插车道或者无故变线,这需要障碍物跟踪。障碍物跟踪是很要的模块。我们要运用障碍物,也有对场景的分析,我们点云也用到这个。 我们在图像级别会类似的分割,目的是我们场景建模和语义化的描述。
金****洲 2018-07-09
百度安全实验室|机器学习对抗性攻击
在GeekPwn2016 硅谷分会场上, 来自北美工业界和 学术界的顶尖安全专家们针对当前流行的图形对象识别、语音识别的场景,为大家揭示 了如何通过构造对抗性攻击数据,要么让其与源数据的差别细到人类无法通过感官辨 识到,要么该差别对人类感知没有本质变化,而机器学习模型可以接受并出错误的分 类决定,并且同时了攻击演示。以下将详细介绍专家们的攻击手段。 1.攻 击 图 像 语 音 识 别 系 统 目前人工智能和机器学习技术被广泛应用在人机交互,推荐系统,安全防护等各个 领域。具场景包括语音,图像识别,信用评估,防止欺诈,过滤恶意邮件,抵抗恶意 码攻击,网络攻击等等。攻击者也试图通过各种手段绕过,或直接对机器学习模型进 行攻击达到对抗目的。特别是在人机交互这一环节,随着语音、图像作为新兴的人机输 手段,其便捷和实用性被大众所欢迎。同时随着移动设备的普及,以及移动设备对这 些新兴的输手段的集成,使得这项技术被大多数人所亲身验。而语音、图像的识别 的准确性对机器理解并执行用户指令的有效性至关要。
流****水 2018-07-11
度云企业级运平台——NoahEE
资产管理 在机房里,各种各样的服务器、网络设备和安全设备7x24小时的运转,为我们的业务提供了硬件保障,是企业的要资产。各种设备的物理损坏、升级、新增、搬迁等等都在考验着机房运人员的能力。怎样护这些资产并记录信息,是个很要的问题,搞得不好,这些资产可能变成运人员的“包袱”,越多越头疼。 对这些设备的运操作,通常都涉及不少的物理操作,比如说更换损坏的硬盘,增加内存条等等。这里涉及到几个要解决的问题: 故障如何及时发现?发现后由谁来进行修复? 物理操作护怎样反应到系统里? 不同角色(责)的运人员之间如何协同操作? 对于故障处理与修复,NoahEE通过故障自动发现与工单流程解决了上面的问题。系统自动探测故障放故障池,并建立故障工单,由相应的人员进行操作。另外,NoahEE提供了不同的工单流程覆盖了日常机房运中的操作,从设备采购库、上架、机架变更,直到设备下架、出库全生命周期覆盖,到所有运操作记录可追溯。有了资产管理,运人员可以在服务器完成库、上架工单后即可在服务管理中看到该服务器并进行管理,无须任何其他操作。
TOP