Публикации по теме 'devops'
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' }…
Супервизор начинает сообщать, что не может найти проблему с командой
вопрос
Супервизору не удается запустить приложение Java. Вызовите supervisorctl status, чтобы просмотреть процесс и обнаружить сообщение об ошибке Can't find command ‘java’.
Но я могу напрямую использовать java локально. Это показывает, что локальная переменная среды Java также в порядке. Есть подозрение, что операционная среда супервайзера отличается. Наконец, я проверил документ и обнаружил, что это действительно было вызвано различными переменными среды. Переменные среды,..
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 …
Почему имитация данных — плохая практика для тестирования
Имитационные данные — это распространенный метод тестирования программного обеспечения, которое зависит от внешних источников данных, таких как базы данных, веб-службы или API. Имитация данных означает создание поддельных или смоделированных данных, которые имитируют реальные данные, но без фактического взаимодействия с внешним источником. Имитационные данные могут быть полезны для некоторых сценариев, таких как:
Изоляция тестируемого модуля от других компонентов или зависимостей, не..
Docker Compose делает меня ленивым, и мне все равно
Я довольно ленив — спросите у моей семьи и коллег. Даже если я ленив, это не значит, что я непродуктивен. Когда мне поручают настроить все для нового проекта, я становлюсь крайне вялым. Благодаря Docker мне не нужно затрачивать на это массу энергии — создание одного Dockerfile, который настраивает всю мою инфраструктуру, — это просто достижение моих минимальных усилий.
Если вы не слышали о Docker, вы либо не настраивали свою собственную инфраструктуру, либо только что узнали, как..
Сборка и тестирование проектов в конвейерах Azure DevOps
Изначально эта история была опубликована в моем блоге на KrissTech .
Когда дело доходит до тестирования ваших проектов, важно не только избежать ошибок при разработке новых функций, но и избежать регресса в других, казалось бы, несвязанных компонентах. Не все проводят непрерывные модульные тесты всего решения во время локальной разработки, поэтому вдвойне важно протестировать все, прежде чем фактически интегрировать какие-либо изменения в мастер (или как вы решите это назвать).
Хотя..
Держите свой Dockerfile в чистоте
Что делать, если ваш файл Dockerfile становится настолько большим, что его невозможно поддерживать
Когда размер Dockerfile превышает разумный предел, возникает несколько проблем:
Его сложно понять и поддерживать - нам нужно прочитать сотни строк, чтобы понять все зависимости. Между столькими строками можно упустить явную проблему безопасности. Git вызовет больше конфликтов, поскольку все меняют один и тот же файл Если мы не очистим каждую зависимость, это может привести к тяжелому..
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..