Публикации по теме 'distributed-systems'
Преимущества протокола IAP
В этом посте мы подчеркнули важность протоколов при работе с распределенными системами, а также кратко познакомили с нашей альтернативой протоколу HTTP под названием IAP , который был разработан в рамках нашего текущего проекта в Nanosai .com .
Протокол IAP был в основном разработан с учетом трех конкретных целей: обеспечить демократизацию распределенных вычислений в реальном времени, универсальность и интеллектуальность Интернета в целом. Мы называем эту версию Интернета Грид..
Масштабирование хранилища данных, обработки данных и машинного обучения в производственных системах
В этой главе рассматривается содержание лекции Управление и обработка больших наборов данных нашего курса Машинное обучение в производстве . Остальные главы смотрите в содержании .
Многие системы превышают ресурсы, предоставляемые одной машиной, и может потребоваться масштабирование с учетом меняющихся требований. Большинство идей о том, как проектировать масштабируемые и распределенные системы, не относятся к машинному обучению — архитекторы программного обеспечения, инженеры..
Разработка распределенной транзакции с практическими примерами
Как на самом деле выглядит дизайн-ревью
В прошлый раз мы обсуждали, как подготовить обзор дизайна как эксперт . Необходимо подготовить три элемента:
модель С4 Пользовательские истории и варианты использования Дизайнерские решения
В этой статье я использую практический пример, чтобы показать вам, как выглядит обзор дизайна. Некоторые обсуждения со слишком большим количеством деталей будут пропущены и будут демонстрировать только критически важные проекты.
Истории..
Надежные, масштабируемые и поддерживаемые приложения
Это заметка для чтения по теме Проектирование приложений, интенсивно использующих данные
Обзор
Разработчик, работающий в коммерческой компании, чаще всего сталкивается с системами, интенсивно использующими данные . У разных компаний разный бизнес, но за разными бизнес-моделями стоит набор общих способностей. Например, код приложения, кэш в памяти, первичная база данных, очередь сообщений, например, у коммерческой компании недостаточно ресурсов, чтобы позволить разработчикам..
Сервер параметров для распределенного машинного обучения
Вступление
Многие задачи машинного обучения полагаются на большие объемы данных для обучения, а затем для вывода. Крупные интернет-компании тренируются с терабайтами или петабайтами данных и создают на их основе модели. Такие модели состоят из весов, которые в большинстве случаев оптимизируются с учетом ошибок вывода. Количество весов / параметров исчисляется от миллиардов до триллионов. В таких больших моделях невозможно обучение и вывод на одной машине. Полезно иметь структуру,..
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..