1月22日云栖精选夜读:阿里巴巴布民:图计算是生产力

简介: 随着智能化的发展,图计算的应用场景也愈发广泛。在2018年1月6日的云栖社区数据智能论坛上,钱正平(花名布民)以关联数据为出发点,以图计算以及知识与智能系统的结合为着手点,在阿里的各种应用数据处理的基础上讲述了阿里巴巴计算平台在解决问题与存在的优势。

随着智能化的发展,图计算的应用场景也愈发广泛。在2018年1月6日的云栖社区数据智能论坛上,钱正平(花名布民)以关联数据为出发点,以图计算以及知识与智能系统的结合为着手点,在阿里的各种应用数据处理的基础上讲述了阿里巴巴计算平台在解决问题与存在的优势。


热点热

阿里巴巴布民:图计算是生产力

作者:林一木 

阿里巴巴iDST杨森:智能决策在电商平台的应用

作者:younger123  

阿里游戏云与Intel,iTechClub以及巨人网络共同发布的“TOP游戏”云生态培育计划合作

作者:信雪蕊  发表在:阿里游戏云

知识整理

信息技术新工科产学研联盟第一届年会在北京隆重召开

作者:云攻略小攻 发表在:阿里巴巴大数据 —玩家社区

将人工智能融入多媒体 助力视频产业加速——阿里云视频AI全能力解读

作者:樰篱 发表在:阿里视频云

在“零售界达沃斯”,阿里CEO张勇说起了“2018年最重要的一件事”

作者:技术小能手 发表在:天下网商

2017移动开发年终盘点

作者:code_xzh

量子计算顶级科学家入职达摩院:阿里正处于打开终极计算之门的转折点

作者:技术小能手 发表在: 新智元

美文回顾

阿里安全工程师“还原”网络黄牛软件之“黑江湖”

作者:华蒙 发表在:阿里安全

2018云数据库智能未来大会,我们看到了阿里云“嚣张”的资本

作者:信雪蕊 整理汇总 | 单元测试与功能测试的区别

作者:了了纵横

Java内存模型

作者:小飞哥1112

Hadoop组件--分布式数据库HBase

作者:五维空间s

用WEB技术栈开发NATIVE应用:WEEX SDK原理详解

作者:李牙刷儿 发表在:阿里云ApsaraMobile(移动云)

Oracle中的数据字典技术及常用数据字典总结

作者:长征2号



往期精选回


目录
相关文章
|
机器学习/深度学习 监控 数据可视化
训练损失图(Training Loss Plot)
训练损失图(Training Loss Plot)是一种在机器学习和深度学习过程中用来监控模型训练进度的可视化工具。损失函数是衡量模型预测结果与实际结果之间差距的指标,训练损失图展示了模型在训练过程中,损失值随着训练迭代次数的变化情况。通过观察损失值的变化,我们可以评估模型的拟合效果,调整超参数,以及确定合适的训练停止条件。
2785 5
|
机器学习/深度学习 人工智能 负载均衡
基于 NVIDIA Megatron-Core 的 MoE LLM 实现和训练优化
本文将分享阿里云人工智能平台 PAI 团队与 NVIDIA Megatron-Core 团队在 MoE (Mixture of Experts) 大型语言模型(LLM)实现与训练优化上的创新工作。
|
监控 算法
偏最小二乘(Partial Least Squares,PLS)原理及模型建立
偏最小二乘(Partial Least Squares,PLS)原理及模型建立
偏最小二乘(Partial Least Squares,PLS)原理及模型建立
|
Kubernetes Cloud Native 架构师
阿里研究员谷朴:警惕软件复杂度困局
对于大型的软件系统如互联网分布式应用或企业级软件,为何我们常常会陷入复杂度陷阱?如何识别复杂度增长的因素?在代码开发以及演进的过程中需要遵循哪些原则?本文将分享阿里研究员谷朴关于软件复杂度的思考:什么是复杂度、复杂度是如何产生的以及解决的思路。较长,同学们可收藏后再看。
阿里研究员谷朴:警惕软件复杂度困局
|
8月前
|
人工智能 自然语言处理 关系型数据库
如何构建和调优高可用性的Agent?浅谈阿里云服务领域Agent构建的方法论
本文深入探讨了Agent智能体的概念、技术挑战及实际落地方法,涵盖了从狭义到广义的Agent定义、构建过程中的四大挑战(效果不稳定、规划权衡、领域知识集成、响应速度),并提出了相应的解决方案。文章结合阿里云服务领域的实践经验,总结了Agent构建与调优的完整路径,为推动Agent在To B领域的应用提供了有价值的参考。
3308 22
如何构建和调优高可用性的Agent?浅谈阿里云服务领域Agent构建的方法论
|
7月前
|
机器学习/深度学习 人工智能 缓存
万字综述,讲一讲这两年大模型这整个领域到底发展了哪些方面
本文深入探讨了自2023年GPT-4发布以来,大型语言模型(LLM)领域的发展趋势及其技术演进路径。
万字综述,讲一讲这两年大模型这整个领域到底发展了哪些方面
|
11月前
|
数据采集 人工智能 分布式计算
MCP+Hologres+LLM搭建数据分析Agent
本文探讨了LLM大模型在数据分析领域的挑战,并介绍了Hologres结合MCP协议和LLM搭建数据分析Agent的解决方案。传统LLM存在实时数据接入能力不足、上下文记忆短等问题,而Hologres通过高性能数据分析能力和湖仓一体支持,解决了这些痛点。MCP协议标准化了LLM与外部系统的连接,提升集成效率。文中详细描述了如何配置Hologres MCP Server与Claude Desktop集成,并通过TPC-H样例数据展示了分析流程和效果。最后总结指出,该方案显著提高了复杂分析任务的实时性和准确性,为智能决策提供支持。
|
存储 人工智能 Kubernetes
MiniMax云上AI数据湖最佳实践
本简介介绍MiniMax云上AI数据湖的最佳实践。MiniMax成立于2021年,专注于通用人工智能领域,提供ToB和C端产品。面对每日3万亿token、2000万张图片及7万小时语音数据的处理需求,MiniMax基于阿里云构建了稳定灵活的基础设施,采用多云策略实现全球化部署。通过引入Kubernetes、Ray等技术,优化了多模态数据处理效率,并利用对象存储与数据湖技术降低成本。此外,与阿里云合作开发边缘缓存方案,提升跨地域数据传输效率。主讲人:阿里云弹性计算技术专家高庆端。
597 10
|
Python 机器学习/深度学习 人工智能
手把手教你从零开始构建并训练你的第一个强化学习智能体:深入浅出Agent项目实战,带你体验编程与AI结合的乐趣
【10月更文挑战第1天】本文通过构建一个简单的强化学习环境,演示了如何创建和训练智能体以完成特定任务。我们使用Python、OpenAI Gym和PyTorch搭建了一个基础的智能体,使其学会在CartPole-v1环境中保持杆子不倒。文中详细介绍了环境设置、神经网络构建及训练过程。此实战案例有助于理解智能体的工作原理及基本训练方法,为更复杂应用奠定基础。首先需安装必要库: ```bash pip install gym torch ``` 接着定义环境并与之交互,实现智能体的训练。通过多个回合的试错学习,智能体逐步优化其策略。这一过程虽从基础做起,但为后续研究提供了良好起点。
2243 4
手把手教你从零开始构建并训练你的第一个强化学习智能体:深入浅出Agent项目实战,带你体验编程与AI结合的乐趣
|
Kubernetes 架构师 Java
史上最全对照表:大厂P6/P7/P8 职业技能 薪资水平 成长路线
40岁老架构师尼恩,专注于帮助读者提升技术能力和职业发展。其读者群中,多位成员成功获得知名互联网企业的面试机会。尼恩不仅提供系统化的面试准备指导,还特别针对谈薪酬环节给予专业建议,助力求职者在与HR谈判时更加自信。此外,尼恩还分享了阿里巴巴的职级体系,作为行业内广泛认可的标准,帮助读者更好地理解各职级的要求和发展路径。通过尼恩的技术圣经系列PDF,如《尼恩Java面试宝典》等,读者可以进一步提升自身技术实力,应对职场挑战。关注“技术自由圈”公众号,获取更多资源。