Apache Hadoop
PulseAugur coverage of Apache Hadoop — every cluster mentioning Apache Hadoop across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Booking.com 将 ML 平台扩展到每日 4000 亿次预测
Booking.com 在二十年间不断发展其机器学习平台,从裸机系统转向云原生架构。这一演进使其能够处理每日 4000 亿次机器学习预测,延迟低于 20 毫秒,并在不中断服务的情况下迁移 PB 级数据。这一历程涉及重大的权衡、对各种方法的试验以及在扩展数据和机器学习基础设施方面的关键突破。
-
企业本地部署生成式AI平台架构
本文概述了一个完全在本地运行的企业级生成式AI平台的参考架构。文章详细介绍了所需的软构件,如MLOps模块、模型服务、安全系统和数据治理平台,以及对象存储、数据库和GPU基础设施等硬构件。所提出的架构强调了全面本地生成式AI系统的安全性、治理和成本管理。
-
Selecty 招聘 MLOps 系统分析师,负责机器学习平台开发
Selecty 公司正在招聘一名系统分析师,提供全职远程职位,月薪为 320-350k 卢布。该职位专注于开发统一的 MLOps 生态系统以及用于机器学习模型开发、训练、部署和操作的平台。
-
Java编程语言:起源、演变与影响
本文提供了Java编程语言的执行摘要,追溯了其源自Green Project和Sun Microsystems的起源。文章强调了Java的演变、它与万维网的关联,以及它对Android等平台和Apache Hadoop等技术的重大影响。文章还触及了框架和配置引入的复杂性,这些复杂性可能会掩盖语言的核心行为。
-
Spotify首位数据分析主管批评VC数据实践
Spotify前数据分析主管Henrik Landgren反思了数据在商业和风险投资领域利用的演变。他强调Spotify在Daniel Ek的领导下,如何利用Apache Hadoop等工具开创了数据驱动的决策,这对于平台扩展到2000万用户至关重要。Landgren对比了他后来在风险投资领域的经历,发现VC们常常优先考虑有魅力的远见者而非具体数据,导致投资失败率很高。他认为,尽管有他自己创建的Motherbrain等试图弥合这一差距…
-
AI 跨应用、集成、数据和工程领域重塑企业技术
人工智能正在通过同时影响四个关键层:应用、集成、数据和软件工程,从根本上重塑企业技术格局。与影响单一层的先前技术转变不同,AI 的影响是普遍的,要求组织采取整体方法,而不是将这些转变视为孤立的举措。基础模型正变得越来越商品化,类似于云计算对计算资源的影响,而积累的组织知识仍然是关键的、不可购买的资产,需要特定的架构支持。
-
2026年数据工程师路线图:超越ETL,迈向LLM管道
2026年成为一名数据工程师需要掌握超越传统ETL的现代技能,重点关注流数据、云优化以及理解管道如何支持LLM应用。该路线图强调掌握SQL的高级函数,使用Python进行数据迁移而非复杂的数据科学,并熟练掌握Linux命令行工具。它还强调数据建模的重要性,特别是维度建模和现代列式仓库青睐的反范式方法,以确保数据被视为产品。
-
Together AI 聘请 Mahadev Konar 领导 GPU 基础设施
Together AI 任命 Mahadev Konar 为其新的基础设施工程高级副总裁,以加强其 GPU 云服务。Konar 是 Apache Hadoop 开发的关键人物,曾任 Instacart 的基础设施副总裁,他将领导提升 Together AI 平台可靠性、性能和可扩展性的工作。该公司旨在为 AI 原生初创公司提供强大的基础设施,使他们能够专注于产品开发,而不是管理复杂的 GPU 环境。
-
Eugene Yan 分享持续学习机器学习的策略
Eugene Yan 是一位作者和机器学习从业者,他概述了在快速发展的机器学习领域中持续学习的策略。他强调通过多样化的项目获得实践经验,与团队分享知识,并参加行业活动,如聚会和会议。Yan 还提倡持续阅读论文,建议为新项目进行文献综述,并组织论文阅读小组,以跟上工具和技术的最新进展。
-
Eugene Yan 分享持续机器学习教育的策略
Eugene Yan 的文章为在这个快速发展的机器学习领域保持更新提供了实用的建议。他建议在项目中积极尝试新工具和技术,与同事分享学习心得,并承担能突破界限的个人项目。Yan 还强调了参加聚会和会议以与专家建立联系的价值,并建议通过团队读书会等方式持续阅读研究论文,以加深理解并避免重复工作。