分布式系统核心：REST风格的架构，REST成熟度模型及REST API管理
正如前文所述，正确、完整地使用REST是困难的，关键在于RoyFielding所定义的REST只是一种架构风格，它并不是规范，所以也就缺乏可以直接参考的依据。好在Leonard Richardson补充了这方面的不足。
你能读懂分布式系统开发实战：数据一致性，CAP常见模型吗？
对于数据库而言，事务的ACID这4个特性保证了一个事务的正确性。其中，一致性特征是指在事务开始之前和结束之后数据完整性不被破坏。对于集中式系统而言，实现数据的一致性是容易的，毕竟依赖于数据库自然就实现了ACID特征。然而，在分布式系统中，要想保证数据的一致性就没有那么简单了。
【DSW Gallery】基于YOLOX模型和iTAG标注数据的图像检测示例
EasyCV是基于Pytorch，以自监督学习和Transformer技术为核心的 all-in-one 视觉算法建模工具，并包含图像分类，度量学习，目标检测，姿态识别等视觉任务的SOTA算法。本文将为您介绍如何在PAI-DSW中使用EasyCV和PAI-iTAG标注的检测数据训练YOLOX模型。
如果有不限量云资源，先来做一个超级大模型
众所周知，人工智能发展的进度与存储能力成正比关系，也就是说存储能力决定了人工智能的发展程度。为什么这样讲？原因就是大数据、云计算都与大容量存储密切相关，尤其是现在井喷式的大数据发展，大体量的数据存储以及运算处理关于存储的要求是上不封顶的需求，就拿近几个月火爆全球的chatGPT的模型也是基于超大超强算力来实现的。
秒懂算法 | 子集树模型——0-1背包问题的回溯算法及动态规划改进
给定n种物品和一背包。物品i的重量是wi，其价值为vi，背包的容量为W。一种物品要么全部装入背包，要么全部不装入背包，不允许部分装入。装入背包的物品的总重量不超过背包的容量。问应如何选择装入背包的物品，使得装入背包中的物品总价值最大?
段路由的 YANG 数据模型
本文档是 Internet 工程任务组 (IETF) 的产品。它代表了 IETF 社区的共识。它已接受公众审查，并已获互联网工程指导小组 (IESG) 批准出版。有关 Internet 标准的更多信息，请参见 RFC 7841 的第 2 节。
# 【深度学习】：《100天一起学习PyTorch》模型评估和选择（上）：欠拟合和过拟合
机器学习的任务是发现一种泛化的模式，通过训练集发现总体的规律，从而在未知的数据集上也能展现较好的精度。但是如何判断我们的模型不是单纯的记住了数据，而是真的发现了一种规律呢？因为，我们往往只能从有限样本集训练模型，当收集更多的数据时，会发现这些数据的预测结果和之前的关系完全不同。下面我们介绍一些机器学习评估模型的一些基本概念。
论文推荐：ScoreGrad，基于能量模型的时间序列预测
能量模型（Energy-based model）是一种以自监督方式执行的生成式模型，近年来受到了很多关注。本文将介绍ScoreGrad：基于连续能量生成模型的多变量概率时间序列预测。如果你对时间序列预测感兴趣，推荐继续阅读本文。
顶会论文 | 阿里云视频摘要 SOTA 模型：用于视频摘要的多层时空网络
这次向大家分享的工作是作者所负责团队在国际人工智能多媒体顶会 ACM MM 2022 （CCF-A）发表的文章 “Multi-Level Spatiotemporal Network for Video Summarization”，该文提出了一种用于视频摘要的多层时空网络，在视频摘要领域实现了全球领先的研究探索。基于作者团队在工业级推荐系统方面的研究积累，成功地在阿里云产业大规模视频摘要场景实践中解决了一个视频摘要领域的重要问题，推动了该领域的发展。
【OpenVI-图像超分实战篇】别用GAN做超分了，快来试试基于扩散模型的图像超分吧！
近10年来，深度学习技术得到了长足进步，在图像增强领域取得了显著的成果，尤其是以GAN为代表的生成式模型在图像复原、老片修复，图像超分辨率等方面大放异彩。图像超分辨率是视频增强方面，用于提升画质的典型应用。生成对抗网络GAN使得在图像分辨率增加的同时，保持细节特征，补充生成真实的纹理，其中应用广泛的工作是Real-ESRGAN。 扩散模型DiffusionModel在图像超分辨率这方面的新的应用，展现出其超过GAN的生成多样性和真实性。看完后，你会发现，还在用GAN做图像超分辨率吗？已经OUT了，快来试试DiffusionModel吧！
机器学习平台PAI简测：PAI提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务
机器学习平台PAI（Platform of Artificial Intelligence）是面向开发者和企业的机器学习/深度学习工程平台，提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务，内置140+种优化算法，具备丰富的行业场景插件，为用户提供低门槛、高性能的云原生AI工程化能力。
【预训练语言模型】XLNet: Generalized Autoregressive Pretraining for Language Understanding
【预训练语言模型】XLNet: Generalized Autoregressive Pretraining for Language Understanding
【预训练语言模型】RoBERTa: A Robustly Optimized BERT Pretraining Approach
【预训练语言模型】RoBERTa: A Robustly Optimized BERT Pretraining Approach
ABB PPD113B03-26-100110 3BHE023584R2634 自动内存管理模型
ABB PPD113B03-26-100110 3BHE023584R2634 自动内存管理模型
【文本分类】基于BERT预训练模型的灾害推文分类方法、基于BERT和RNN的新闻文本分类对比
【文本分类】基于BERT预训练模型的灾害推文分类方法、基于BERT和RNN的新闻文本分类对比
选择最佳机器学习模型的10步指南
机器学习可以用来解决广泛的问题。但是有很多多不同的模型可以选择，要知道哪一个适合是一个非常麻烦的事情。本文的总结将帮助你选择最适合需求的机器学习模型。
性能测试知识科普(六)：三大模型
在性能测试工作中，业务模型、流量模型和数据模型是至关重要且必须在项目中构建的，否则很可能导致测试的场景和实际差距很大，测试结果也无法为性能分析和优化提供足够有说服力的支撑。为了便于大家理解三大模型
自动化测试成熟度模型
我从事软件测试工作以来，第一次知道自动化是15年年底，听大佬说QTP可以录制脚本然后自动化回放，测试效率很高，当时心向往之。不过当时技术比较菜，而且对工作也比较迷茫，听过就忘记了。
推荐系统[三]：粗排算法常用模型汇总(集合选择和精准预估)，技术发展历史（向量內积，Wide&Deep等模型）以及前沿技术
推荐可分为以下四个流程，分别是召回、粗排、精排以及重排： 1. 召回是源头，在某种意义上决定着整个推荐的天花板； 2. 粗排是初筛，一般不会上复杂模型； 3. 精排是整个推荐环节的重中之重，在特征和模型上都会做的比较复杂； 4. 重排，一般是做打散或满足业务运营的特定强插需求，同样不会使用复杂模型；
ModelScope模型即服务
ModelScope旨在打造下一代开源的模型即服务共享平台，为泛AI开发者提供灵活、易用、低成本的一站式模型服务产品，让模型应用更简单！欢迎加入技术交流群：微信公众号：魔搭ModelScope社区，钉钉群号：44837352
