Публикации по теме 'serverless'
Машинное обучение с новыми бессерверными функциями DigitalOcean
10 простых шагов для развертывания модели машинного обучения с функциями
Вчера DigitalOcean выпустила свои новые бессерверные функции для общего пользования вместе с некоторыми примерами из закрытой бета-версии . Я пишу эту статью, чтобы помочь вам начать работу, когда вы опробуете проекты машинного обучения на основе этого нового вычислительного подхода.
Новые функции DigitalOcean работают аналогично функциям AWS lambda и azure. У них очень низкие вычислительные мощности,..
Создание безопасных и масштабируемых бессерверных приложений с помощью bun.sh: рекомендации и пример
Bun — это мощный инструмент, который можно использовать для быстрого и простого создания и развертывания бессерверных приложений. Чтобы ваши приложения были надежными, масштабируемыми и безопасными, важно следовать рекомендациям при использовании bun.sh. В этой статье мы рассмотрим некоторые передовые методы создания бессерверных приложений с помощью bun.sh и приведем пример того, как реализовать эти методы в простом приложении.
→ Используйте переменные среды. При создании..
Бессерверный интерфейс — Внешний интерфейс
Разработка бессерверного внешнего интерфейса.
Существует множество вариантов разработки бессерверного внешнего интерфейса. В этой статье мы собираемся
Создайте внешнее приложение React на основе Vite. Создайте бессерверный внешний стек и интегрируйте серверное приложение Serverless Stack (SST) с внешним приложением.
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..
Используйте метод бессерверных функций для создания микросервисной системы машинного обучения
Введение
В нашем предыдущем опыте службы развертывания машинного обучения мы записываем функции бизнес-логики и логики модели в одну службу. Мы обнаружили, что трудно поддерживать сервис. Если нам нужно развернуть новую службу, мы должны перезапустить все службы и вызвать простои. Таким образом, монолитные системы не соответствуют требованиям в нынешнюю эпоху контейнеризации и облачных вычислений.
Микросервисная архитектура может помочь нам решить проблему с одним сервисом. Это..
Исследование проблемы с производительностью Python: холодный старт
вступление
С самого начала я искал наиболее эффективные способы запуска бессерверных функций Python. Это означает, что, будучи частью команды и сообщества открытого исходного кода, я обязался решать все известные проблемы, связанные с производительностью бессерверных функций Python. Этот пост посвящен проблемам с производительностью и способам их диагностики. Обратите внимание, что этот пост может оказаться полезным не только для тех, кто работает без серверов, но и для разработчиков..
Как использовать функции, запускаемые по очереди, и почему
Как использовать функции, запускаемые по очереди, и почему
Пошаговое руководство о том, как эффективно обрабатывать несколько элементов
Функции Azure, служба, позволяющая запускать бессерверный код, бывают разных форм: они могут запускаться по протоколу HTTP - вы можете вызывать их напрямую для выполнения некоторого кода; blob-triggered - они запускаются, когда новый большой двоичный объект загружается в хранилище, или, среди прочего, запускаются по очереди, что мы и собираемся здесь..
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..