吃果冻不吐果冻皮的博客_Java,python,云平台,Hadoop,Spark

数据优先的人工智能会是下一个颠覆性的大事件吗？（Continual）

现代机器学习 (ML) 平台的起步已经大约有十年的时间了，这一平台的灵感主要来自数据科学家不断增长的基于Python的开源技术生态系统。现在是让我们来回顾已经取得的进展，同时突出企业在现有 ML 平台上存在的主要问题，并讨论下一代平台会是什么样子的好时机。正如我们将要讨论的，我们相信 ML 平台市场的下一个颠覆将是数据优先的 AI 平台的增长。ML 解决方案的基本组件曾经有一段时间，构建机器学习模

mlops

数据

数据科学家

解决方案

原创 2022-04-20 15:03:28 182 阅读

AI 产业三大发展趋势（AutoML/MLOps/XAI）将加速企业 AI 应用落地

AI 人工智能高速发展数十年后的现在，企业对于发展 AI 应用的进程，从探索期接续进入构建、扩展及输出的阶段。近期 AI 产业的三大发展趋势：AutoML（自动机器学习）、MLOps（机器学习的开发及运维）及 XAI（可解释性的AI）等解决方案，将加快企业发展智慧化应用的脚步。AutoMLAutoML 解决了过去ML训练及建构模型费时的问题，也缓解AI人才不足困境，几乎

mlops

机器学习

开源项目

运维

原创 2022-04-19 18:08:19 692 阅读

浅析MySQL索引

简述MySQL索引索引是一个单独的、存储在磁盘上的数据库结构，它们包含着对数据表里所有记录的引用指针。使用索引用于快速找出在某个或多个列中有一特定值的行，所有MySQL列类型都可以被索引，对相关列使用索引是提高查询操作速度的最佳途径。MySQL索引的建立对于MySQL的高效运行是

mysql

数据库

数据

主键

子节点

原创 2022-04-14 10:41:36 165 阅读

BentoML核心概念（三）：构建Bentos

Bentos 是 BentoML 服务的布局格式。 Bento 是一个独立（self-contained）的存档，其中包含部署服务所需的

mlops

python

docker

数据文件

原创 2022-04-14 10:41:15 232 阅读

BentoML核心概念（四）：模型和 Bento 管理

BentoML 提供易于使用的本地和集中式商店来管理模型和bentos。本文重点介绍基于本地文件系统的模型和 bento 商店的使用。要了解有关集中式商店解决方案的更多信息，请参阅 BentoML Yatai。管理模型创建模型回想一下之前的入门指南，模型是使用

mlops

python

命令行

本地文件

原创 2022-04-14 10:40:57 50 阅读

BentoML核心概念（一）：服务定义

服务定义是面向服务架构（SOA）的体现，是 BentoML 中的核心构建块，用户在其中定义服务运行时架构和模

mlops

描述符

自定义

加载

原创 2022-04-14 10:40:48 156 阅读

BentoML核心概念（二）：API 和 IO 描述符

APIs 是在服务定义中定义的函数，它们作为或 gRPC 端点暴露出去。如果一个函数用 @svc.api 装饰器装饰，它就是 A

mlops

描述符

预处理

json

原创 2022-04-14 10:40:40 156 阅读

DVC 使用案例（三）：机器学习持续集成与持续交互（ CI/CD ）

将 DevOps 方法应用于机器学习 (MLOps) 和数据管理 (DataOps) 越来越普遍。对于一个完善的 MLOps 平台来说，需

mlops

数据

git

服务器

原创 2022-04-14 10:40:31 457 阅读

快速入门统一模型部署（Model Serving）框架 BentoML

简述BentoML 是一个用于机器学习模型服务的开源框架，旨在弥合数据科学和 DevOps 之间的差距（gap）。数据科学家可以使用 Ben

mlops

docker

python

json

原创 2022-04-14 10:40:19 1714 阅读

数据科学家 Emily Gorcenski 谈数据版本控制（CD4ML）

将机器学习/人工智能/数据科学生产化是一项挑战。不仅机器学习算法的输出经常编写需要合并到现有生产服务中的工件，而且用于开发这些模型的语言和技术通常与构建实际服务时使用的语言和技术大不相同。不仅机器学习算法的输出常常是需要整合到现

mlops

数据

机器学习

应用程序

原创 2022-04-14 10:39:55 80 阅读

谷歌工程师谈MLOps ：机器学习中的持续交付和自动化流水线

背景数据科学和机器学习正逐渐成为解决复杂现实问题以及在所有领域创造价值的核心功能。现在，有效运用机器学习技术的各种要素都已具备：大型数据集经济实惠的计算资源（按需）适用于各种云平台的机器学习专用加速器不同机器学习研究领域（例如：计算机视觉

mlops

机器学习

数据

生产环境

原创 2022-04-14 10:39:42 350 阅读

软件工程大师 Martin Fowler 谈机器学习持续交付

机器学习应用程序在我们的行业中变得越来越流行，但是与更传统的软件（例如： Web 服务或移动应用程序）相比，开发、部署和持续改进它们的过程更加复杂。它们会在三个轴上发生变化：代码本身、模型和数据。他们的行为通常很复杂且难以预测，而且他们更

mlops

数据

应用程序

机器学习

原创 2022-04-14 10:39:08 137 阅读

DVC 使用案例（四）：快速且安全的数据缓存仓库

数据科学中使用的数据集往往超过平常的存储和网络容量。随着越来越多的人获取相同的数据，存储需求迅速扩大，从而产生重复数据（增加成本）。并且在每个环境中都等待下载，浪费了大量宝贵的时间。DVC 的内置数据缓存让您可以在全球范围内为整个团队实现一个简单高效的存储层。这种方法有助于：加速从云上的海量对象存储中传输数据，或在不减慢速度的情况下跨多台机器共享数据。只需为快速访问的常用数据付费（升级整个存储

mlops

数据

服务器

缓存

原创 2022-04-11 11:13:53 281 阅读

聊聊MLOps是什么，它对算法工程师带来了什么

数据科学（和机器学习）所面临的挑战毫无疑问，这个时代属于人工智能（AI），这导致机器学习在几乎每个领域的使用，试图解决医疗保健、商业领域和技术领域的不同类型的问题，可以说机器学习无处不在。同时，开源软件（OSS）和基于云的分布式计算也促使了许多工具、技

算法

devops

人工智能

数据

机器学习

原创 2022-04-08 11:56:22 632 阅读

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯

51CTO博客

吃果冻不吐果冻皮