Публикации по теме 'cloud-computing'
Конечные автоматы AWS — Развязка и оркестрация лямбда-функций
Недавно я написал статью об AWS Lambda . Моя статья послужила кратким введением в сервис и его функциональные возможности. В этой статье мы рассмотрим еще один ценный актив в вашем бессерверном арсенале AWS: пошаговые функции и, в частности, конечные автоматы.
В июле 2019 года AWS решила предоставить нам доступ к своему API CloudWatch Events с ребрендингом событий CloudWatch на EventBridge, который является их бессерверным решением для шины событий. В сочетании с Step Functions это..
Полезные фрагменты кода Python, часть вторая
Сборник кодов Python для решения сложных задач
Объединение списков
list1 = [ 1 , 2 , 4 ]
list2 = [ 'Tony' ]
list1.extend(list2)
print(list1)
# [1, 2, 4, 'Tony Xu']
Объединить слова dict1 = { 'name' : 'tony' , 'age' : 123 }
dict2 = { 'city' : 'somewhere' }…
Все об AWS Analytics и медиасервисах
Здесь мы обсуждаем различные сервисы аналитики и мультимедиа AWS, такие как Amazon EMR, Amazon Kinesis, Amazon Athena, Glue и Amazon Workspace.
№1. Амазонка ЭМИ
Amazon EMR — это веб-сервис, который позволяет предприятиям, исследователям, аналитикам данных и разработчикам легко и экономично обрабатывать огромные объемы данных. EMR использует размещенную платформу Hadoop, работающую …
Функциональная сетка: новый способ написания микросервисов
В этом мире главное - гибкость и скорость доставки приложений. Но я часто попадаю в ловушку нетворкинга. Как мои микросервисы будут взаимодействовать ? Это животрепещущий вопрос. Худшая часть? Каждый раз, когда мы начинаем проект, мы испытываем одну и ту же боль.
Но ведь микросервисы должны были сделать нас более гибкими, верно? Такое ощущение, что это делает нашу жизнь немного сложнее.
Прежде чем мы перейдем к тому, как функциональная сетка упрощает написание микросервисов, я..
Разве DataOps - это не просто DevOps для данных?
Большинство предприятий собирают данные, но не могут использовать их для создания ценности для бизнеса или своевременного предоставления аналитических сведений. Объем и типы данных продолжают расти, как и различные типы потребителей данных, от бизнес-пользователей до специалистов по данным. В результате управление данными и их доставка часто становятся критическими узкими местами. На помощь приходит DataOps .
DataOps (операции с данными) относится к методам, которые обеспечивают..
Переход на Sage Maker
Структурирование, отладка и обучение пользовательских моделей в FireVisor с использованием AWS SageMaker
Почти все, что мы видим вокруг себя сегодня, производится на фабриках. Однако производство в том виде, в каком мы его видим сегодня, в основном устарело. Производители тратят до 15–20% выручки от продаж за счет затрат на низкое качество (COPQ) [ ссылка ]. Сюда входят затраты на обнаружение и предотвращение отказов продукта. Чем позже обнаружен дефект, тем больше ресурсов было..
Multi-Container Pod: как, когда и почему
Давайте поговорим о самом опасном варианте с точки зрения дизайна Pod, чтобы вы могли быть готовы к его использованию!
Один из обычных разговоров касается состава и определения компонентов внутри пода. Это нормально для людей, которые переходят от традиционного развертывания к облачной среде, и главный вопрос: Сколько …
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..