关于 菠菜代做关键词快速排名博客qq:7354130 绍兴平水镇百度 的搜索结果,共914
j****2 2018-07-10
大脑开放日来袭 24种全新AI能力呈现
人工智能连续3年进入政府报告、“智能+”成为时新命题,这些信息都显示2019年会是AI产业全面加落地的一年。AI行业的发展,离不开千万开发者的助力。 3月20日,首场大脑开放日全新登场,介了全新开放的24种全新AI能力,AI赋能市政、物流、教育等行业的20个案例,也为向开发者、行业人士展现了如何搭上AI开放生态的高列车。 大脑开放日来袭 作为在人工智能领域多年研究成果的集大成者,大脑正在飞进步着。自2016年启动开放以来,大脑目前已经是服务规模最大的AI开放台,开放了158项AI能力,24小时集成,开发者数量超过100万,面向广泛的企业和开发者提供最先进、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谈到,“在大脑的开放生态中,开发者一直是最为重要的一环。大脑开放能力不断加,有很多有价值的技术难以被开发者了解。2019年大脑开放日全新登场,希望为AI开发者提供及时、全面、近距离地了解大脑最新AI产品和案例,且能深、持续交流的台。”
C****X 2018-07-10
群雄逐“图”,缘何备受注?
尽管现在自动化发达,但依然不能完全分之的准确无误,所以还是需要进行一轮人工验证。 就需要从云端下载需要验证的路段数据,将自动处理后的高精地图数据和对应位置的图像信息进行比对,找出错误的地方并进行更正,其中每个员工每天需要操作30-50公里的测绘数据。 这些改正后的数据不会保存在本地,而是上传到云端,最终的高精地图成品也会通过云台分发。 高精地图究竟如何应用? 据了解,现在的高精地图涉及到云端服务,就是以服务的方式,将云端已经采集好的高精地图以数据的形式分发。 此外,于路径规划问题。例如一辆自动驾驶的汽车,需要某条车道高精地图的数据。 首先会需要一个像地图一样的户端,或者map engine的模块来融合这些高精地图的道路数据。这时候请求的数据就是从例如高精地图的云服务端直接导出来,这个过程可能是不同的开发者或车厂,他们的方案可能有不同,这与现在提供的方式有系,可以以接口的形式(可以理解为API),也可以以车道级别的文件形式来直接获取。 上面提到的路径规划问题,如果用从技术角抽丝剥茧的话,可以被这样理解。
l****m 2018-07-10
向量(一)
文章结构: 向量 背景介 效果展示 模型概览 数据准备 编程实现 模型应用 总结 参考文献 本教程源码目录在book/word2vec,初次使用请您参考Book文档使用说明。 背景介 本章我们介的向量表征,也称为word embedding。向量是自然语言处理中常见的一个操作,是搜索引擎、广告系统、推荐系统等互联网服务背后常见的基础技术。 在这些互联网服务里,我们经常要比较两个或者两段文本之间的相性。为了这样的比较,我们往往先要把表示成计算机适合处理的方式。最自然的方式恐怕莫过于向量空间模型(vector space model)。 在这种方式里,每个被表示成一个实数向量(one-hot vector),其长为字典大小,每个维对应一个字典里的每个,除了这个对应维上的值是1,其他元素都是0。 One-hot vector虽然自然,但是用处有限。比如,在互联网广告系统里,如果用户输入的query是“母亲节”,而有一个广告的是“康乃馨”。
x****7 2018-07-10
从外行进阶专业 传统企业AI转型差的可能只是一个EasyDL
2018是人工智能高成长的一年,在经历了诸多喧嚣与迷茫后,AI已经开始被各个行业深入应用,而与自研自用的传统思路不同,在这次人工智能引发的“工业革命”里,采他人之长补己之短成为了一种趋势。推出的EasyDL定制化训练及服务台就是经常被企业采用的“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台的用户迅增长,累计已超过10万注册用户,应用于22个行业。 EasyDL崛起,不是偶然,大量传统企业刚错过“互联网+”的窗口,急迫地希望赶上AI的产业风口,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:直击三大痛点 AI起后,许多企业是焦虑的。 有行业人评价,AI产业现状是“两多两少”:畅想未来的多,注眼前的少;钻研前沿算法的多,注产业落地的少。
M****点 2018-07-10
中国云计算现状——产品篇
前言 上篇文章《中国云计算现状——成本篇》(特大号首发改为《好云计算要花多少钱》)讲的是成本问题,即什么企业有可能能云计算。本文是第二篇产品篇,目标户是云计算产品经理和云计算标准用户。我从一个老用户的角谈谈每种云计算产品该如何使用,哪些产品改进是刚需放心吐槽,哪些产品有内因就是改不了。本文主要说用云产品的问题,买云产品的问题在采购篇单聊。 正文 现在是2017年,云计算服务是物理硬件的优质替方案,户很认可云计算极低的采购和交付成本优势。这时候我们要少被企宣PPT洗脑,追求华而不实的远景,这些PR文章的受众是风险投资、户决策层和创业者。我们应该摸清楚云方案和硬件方案比有什么特点和局限性,户明白特点才能使用得心应手,户明白局限性才会早作备用方案,产品经理心里不慌才会注核心功能。 一、IaaS产品 IaaS台的本质是,产品以硬件资源的虚拟化为本,业务上承接物理硬件替需求,其优势是最最低成本交付,户为预占的物理资源付费。IaaS产品是最经典的云计算服务,核心组件是云主机,如虚拟网络、云硬盘和安全组都是为支撑云主机业务而服务的。
疏****月 2018-07-09
上线Archer | 持续部署的瑞士军刀
干货概览 业务部署(熟称上线)是运维领域最常见的业务类型,主要涉及线上码变更、配置文件变更(数据变更由于其高频、大量的特点,我们已在数据传输文章《嗖的一下,让数据自动生效》中专门讨论过)。一般的业务上线具有不定时操作、业务部署情况复杂、单机启停策略复杂等特点。在手工运维时,运维人员需要花费大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%的生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台研发人员所亟需解决的问题。 基本介 在运维自动化的大潮下,运维管理台Noah发布了一上线部署系统——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,实现一完成机器初始化、服务部署、添加模块监控、添加CT任务、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流线作业中,Archer可以作为一个环节结合进整条测试发布流线中。
m****t 2018-07-11
设计中立公有云云管
我们提前把云管台从计费和权限层面好,至少现在就和厂商砍价有底气,还能模糊计费相业务数据。 整个云管台涉及三个参与角色: 供应商或厂商,实际提供云资源的厂商,如3A、、七牛。 云管台,即本文中设计或者采购评估的云资源管理台。 用户,登陆云管台进行诸如创建主机、修改存储空间等操作的最终用户 #注意,云管台才是最终用户要操作的云台。 任何一个在云管台可以独立计费或独立管理的功能组件都叫资源。 每个资源都有唯一的ID码逻辑层面的描述标识,云资源供应商、云管台、用户管理控制台、计费系统、API对接等等系统,都需要用到这个资源ID管理系统的描述识别。该资源ID一般是供应商台自动随机生成的,用户无法指定甚至不心ID内容,而云管台可以简单封装标识该ID。比如用户申请来自a01供应商的云主机,供应商内部给该主机定义的资源id为“abcdef”,则云管台的资源id应为“a01-abcdef”。 每个资源都有一个用户自定义,便于用户人工操作可读性的称;在供应商自己提供的云台上,这个称仅仅是个标识,户可以随便修改,也不影响实际云端业务。
嘟****y 2018-07-11
大型企业适用的云台账户体系
将不同业务区分为不同账户也解决不了问题,因为户和云台都要将这批账户统一管理,但实际扣费进总会超出意外,项目欠费停机或者追加预算,挨骂受累的都是台管理员。 现在越来越多的云台会让户账户下创建多个权限和访问隔离的资源组,不同的资源组会各自用量统计和配额上限,逐步解决了管理员侧的资源隔离和计费问题。 ##有的台会把这些资源组叫“资源子账户”,但这和下文的权限子账户会有称混淆,本文是将其称为资源池或者资源组。 第三.多账户权限隔离 相用户在云台要有自己的子账户,这样才好记录操作日志和权限控制。 首先要保证这些子账户不能用于登陆到公司的其他业务线,特别是个人业务线,这也是子账户研发一直滞后的重要原因。 最简单的子账户是管理员手动创建账户密码,但这有弱密码和员工离职问题;简洁方案就是管理员手工创建子账户,但密码验证由户的企业ADKeberos认证来完成;最复杂对接即将AD的账户体系(含用户注释和分组信息)完整引入云台,但云台管理是小众需求,AD管理员一般不是合适的云台管理员,这个功能要斟酌。
c****2 2018-07-10
个性化推荐(一)
文章结构: 背景介——效果展示——模型概览——数据准备——训练模型——应用模型——总结——参考文献 本教程源码目录在book/recommender_system,初次使用请您参考Book文档使用说明。 背景介 在网络技术不断发展和电子商务规模不断扩大的背景下,商品数量和种类增长,用户需要花费大量时间才能找到自己想买的商品,这就是信息超载问题。为了解决这个难题,个性化推荐系统(Recommender System)应运而生。 个性化推荐系统是信息过滤系统(Information Filtering System)的子集,它可以用在很多领域,如电影、音乐、电商和 Feed 流推荐等。个性化推荐系统通过分析、挖掘用户行为,发现用户的个性化需求与趣特点,将用户可能感趣的信息或商品推荐给用户。与搜索引擎不同,个性化推荐系统不需要用户准确地描述出自己的需求,而是根据用户的历史行为进行建模,主动提供满足用户趣和需求的信息。 1994年明尼苏达大学推出的GroupLens系统[1]一般被认为是个性化推荐系统成为一个相对独立的研究方向的标志。
小****园 2018-07-10
让PB级云存储不再神秘
一个户要下载自己2000万条fileinfo信息,按5条信息1k算,这2000万条 fileinfo信息有4GB大,就算云存储能精确的0.1秒查完,户有能力0.1秒下载完这些信息吗? 如果你觉得元数据服务压力还是大,那还可以让计费系统、读写理都对查询结果缓存,或者将数据库挂在成熟的Proxy背后分库和调。 我们的数据库能低压力运行,就是设计时充分理解适应了对象存储元数据这一简单需求。 3、灵活的读写理 读写理是整个群集保持松耦合高性能的点,这也离不开对场景的深理解。 首先说读写理的高可用、负载均衡和高性能,我们会在读写理前面加几台Nginx,户端到读写理都是无状态连接。户端可以通过LVS、单域DNS轮询、多域分散业务等方式将请求分散到多台Nginx,Nginx将请求交给任意读写理都是能得到相同结果的。单个读写理服务崩溃了SDK端会后台重试,直接访问API的用户会以为是自己网慢重新刷新。这么灵活的访问方式,有性能问题多堆几台机器就好了,20G带宽5万个链接很容易消化。 读写理在访问户时表存储服务端,在群集内部扮演的可信户端。
M****H 2018-07-11
故障定位场景下的数据可视化实践
总结 以上我们介智能监控台在全局故障分析、细分维定位、事件联定位三个故障定位阶段中进行的数据可视化探索。当前智能监控台已成为各大业务可用性保障必不可少的利器。 数据可视化能力的优势不仅仅在故障定位场景中由突出体现。还能应用在更多的数据分析领域。我们未来会进一步介智能监控台在应用性能分析、商业数据分析等领域的实践成果,欢迎各位继续注。
f****8 2018-07-10
2018年云计算行业展望
谈到PaaS云总有人拿容器技术来浑摸鱼,但容器云本质上还是IaaS云,或者是PaaS云的一个底层支撑技术。 我也不喜欢谈SaaS云,SaaS服务一直就存在,不能说字里挂个“云”字,就真变成云服务了。 四、从业者的更新变化 户的程序员要一变化世更替,而云计算公司的从业人员也在更新换。新技术刚出现的时候,研发和产品最重要,而技术走向成熟稳定以后,销售和售前更重要。 技术支撑团队会逐渐庸化但越来越可靠,现在的新技术弄潮儿会转场去更新的技术,有友商竞争和衬托,留下的员工只能把功能全稳定性好。 产品经理是长期看衰的,因为云计算台是个软件服务公司而非互联网公司,正常的产品迭是填不满产品经理的工作周报的。 前端销售团队变得越来越重要,因为户铁定要上云,而台和产品越来越雷同了;系过硬的销售可以带着用户换厂商,而普通销售会走向失业。 售前随着销售的强化变得更重要了,而随着产品的标准化也可以减轻对后端团队的依赖。 随着高科技的光环褪去,各个云计算台的从业者会越来越像传统的软件和集成商。
流****水 2018-07-11
云企业级运维台——NoahEE
文章概览 过去的文章为大家介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。 在分析了各行业的运维场景与需求,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业版 – NoahEE。 在介NoahEE之前,有必要说一下内部的统一自动化运维台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。
h****8 2018-07-10
能力比梦想更重要——企业级服务难寻产品经理
但是让一个产品经理来设计个流线自控系统,他的主观感受并不重要,必须用技术和业务能力将户需求描述和引导。某些产品经理因为自己毫无感受憋不出来,就把户的要求当圣旨跪拜,这不仅是吃里扒外,还是会搅黄项目的搅屎棍。 要拆解户的需求,必须技术上能跟等对话,业务上了解户工作流程,还要理解大型户内部的利害系,不能靠“视察”户会议室装专家上宾,也不能像外行一样凡事都跪问户。 我举第一个例子是很多系统都有监控,监控系统的产品经理要完成下列工作才合格: 技术:产品经理对“check tcp 80”和“check http 200”这类业务术语没概念,需要户被坑一次骂一次才能改一点点。 业务:产品经理需要凌晨从床上跳起来十次,然后手机静音漏掉一次故障,才会对监控频繁误报有切肤之痛。 利害系:缺乏详细监控信息和故障处理功能,没漂亮的监控页面和月报告,监控部门只能依赖其他部门障,又被被公司领导视作闲职,没业绩没晋升也没新HC。 我举的第二个例子是一个网店仓库拣货发货系统的合格产品经理: 技术:对IOT传感器、图像识别技术、网店ERP系统有足够了解。
w****0 2018-07-11
单机房故障自愈-黎明之战
干货概览 在故障自愈机器人,保你安心好睡眠一文中,我们介了单机房故障自愈的必要性和解决思路。本文主要介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 基于网络故障及业务故障场景的全面故障发现能力 统一前端(BFE)和字服务(BNS)的流量调能力 单机房容灾能力--常见问题 单机房故障场景下,流量调是最简单且最有效的止损手段,但我们发现业务线经常会遇到如下问题导致无法通过流量调进行止损: 1.服务存在单点 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:单点服务所在机房或单点服务自身发生故障时,无法通过流量调、主备切换等手段进行止损。 要求:浏览请求的处理,不能存在单点;提交请求的处理,若无法消除单点(如有序提交场景下的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,可切换至其他机房。 2.服务跨机房混联 描述:上下游服务之间存在常态的跨机房混联。 问题:逻辑服务单元未隔离在独立的物理范围内,单机房故障会给产品线服务带来全局性影响。
TOP