基于融合计算?蚂蚁金服的在线机器学习是如何做的 | 9月19号栖夜读

简介: 今天的首篇文章,讲述了:金融领域越来越多的活动场景,如双十一、双十二、财富日、新春大促,具有活动持续时间短强度高的特点,解决场景中的计算冷启动问题,优化系统效率和用户体验的需求越来越多。在生产环境的应用中,还需要满足高吞吐和端到端强数据一致性的需求,解决高维稀疏特征的大模型的训练、更新和服务问题。

点击订阅云栖夜读日刊,专业的技术干货,不容错过!

阿里专家原创好文

1.基于融合计算?蚂蚁金服的在线机器学习是如何做的

金融领域越来越多的活动场景,如双十一、双十二、财富日、新春大促,具有活动持续时间短强度高的特点,解决场景中的计算冷启动问题,优化系统效率和用户体验的需求越来越多。在生产环境的应用中,还需要满足高吞吐和端到端强数据一致性的需求,解决高维稀疏特征的大模型的训练、更新和服务问题。阅读更多》》

2.闲鱼如何利用端计算提升推荐场景的ctr

闲鱼作为一个电商场景的app,最丰富的部分就是作为商品宝贝浏览承载的feeds,比如首页下面的宝贝信息流,搜索结果页以及详情页下面的猜你喜欢,这些feeds场景都少不了推荐算法在背后的支撑。阅读更多》》

3.详解|天猫搜索前端技术历代记

作者从 17 年双十一前开始接手天猫搜索前端,开发第一个需求—— H5 凑单页,到今天已经将近两年了。在这两年里,天猫搜索的前端体系发生了比较大的变化。今天分享一篇阶段性的总结文章,记录天猫搜索前端技术的过去、现在,以及自己作为业务目前的唯一前端对未来的思考。阅读更多》》

4.如何解决90%的问题?10位阿里大牛公布方法

世界在变,技术在变,需求在变。唯一不变的是变化。面对变化,技术人如何在不确定性的世界中寻找最优解?查理芒格说:“掌握一定数量的思维模型,能解决这世上90%的问题。”与其在重复的“增、删、改、查”中消耗能量,不如培养举一反三的能力。在不确定的社会中用尽可能小的消耗,找到最优解决途径,做尽可能多的事情,撬动尽可能大的资源。今天,阿里技术公布一波阿里P8、P9技术大牛的思维模型,将他们的思维模式呈现出来。你可以在阿里资深专家职业生涯的真切感悟中,找到应对危机的最佳方法。阅读更多》》

5.《阿里工程师的自我修养》

从入门到进阶,从普通员工到主管,从知识到落地,从量的积累到质的飞跃,在不确定性的世界中,你遇到的种种难题,阿里工程师正在探索着最优解。3大思维、10个技巧、10年感悟……每经过一次大的战役,阿里工程师都会复盘、沉淀,这些经验值得细品。阅读更多》》

6.K8S中手动扩容云盘数据卷

云盘数据卷扩容包括以下几个部分:云盘物理空间扩容,需要在云盘控制台操作;文件系统扩容,需要挂载云盘到一个物理节点手动操作;PV、PVC Size更新,需要更新StorageClass、PVC;阅读更多》》

视频课程及PPT下载

1.【云吞铺子】性能抖动剖析(一)
《云吞铺子-故障排查案例精选》重磅上线!首期我们将聚焦系统类常见问题——性能抖动,阿里云高级技术专家江冉将分享多年故障排查心得体会与经典案例实战经验。完成学习,你就是明日技术大牛!
视频地址:https://yq.aliyun.com/live/1037

2.【云吞铺子】性能抖动剖析(二)
《云吞铺子-故障排查案例精选》第2集如约而至,阿里云高级技术专家江冉将继续剖析系统性能抖动的经典案例。技术+颜值,实力强到无法FU吸,速来围观!
视频地址:https://yq.aliyun.com/live/1038

3.【云吞铺子】性能抖动剖析(三)
《云吞铺子——故障排查案例精选》第3集更新啦!本期我们继续跟随阿里云高级技术专家江冉了解系统性能抖动的经典案例。也许,你和技术大牛之间只差一期云吞铺子!
视频地址:https://yq.aliyun.com/live/1078

更多【云吞铺子】精彩直播

热门话题

1.程序员该具备哪些能力以快速提升自己?(有奖话题)

  • 你自认为付出了跟别人同样的努力,但是你的成长确实更慢一些,比如学得比别人慢,排查问题比别人慢,出方案老是有漏洞等等;
  • 你觉得你只是在疲于应付需求,自己做的事情完全没有技术含量(很多人觉得自己做的业务开发就是没有技术含量,但我认为每个领域都有自己的技术含量,只是你有没有get到);
  • 你发现总是在犯同样的错误,或者做的事情不断地在同一个水平循环;
  • 每次要晋升的时候,你发现根本讲不出来(很多人会认为是表达能力问题,但是我认为不是);
  • 当你换到一个新的领域,你发现自己的经验好像用不上;
  • 你一直很难搞懂老鸟说的“认知升级”到底是什么概念?不同级别的技术思维能力到底有什么差别?为什么晋升的是他,而不是我?

点此进入回答赢取礼物

2.繁星计划*支付宝花芝轻会员主题小程序创新大赛,赢千万次流量曝光!(有奖话题)

  • 大赛面向企业开发者和个人开发者开放,企业和个人均可报名参赛;
  • 参赛企业和个人需要使用企业支付宝或个人支付宝账户登陆,经企业支付宝认证或个人支付宝实名认证方可报名;
  • 参加“花芝轻会员”主题赛的选手需满足以下条件:a)大赛平台线上报名;b)小程序在截止日之前在支付宝端正式上线;c) 小程序中接入“花芝轻会员”的能力。

点此进入回答赢取礼物

往期精彩回顾

【从入门到放弃-ZooKeeper】ZooKeeper实战-分布式队列 | 9月18号栖夜读

更多干货内容 请关注云栖社区微信公众号!
qrcode_for_gh_015af649354b_258_2_

目录
相关文章
|
4月前
|
人工智能 分布式计算 算法框架/工具
揭开阿里巴巴PAI的神秘面纱:引领人工智能计算的新篇章
揭开阿里巴巴PAI的神秘面纱:引领人工智能计算的新篇章 随着人工智能技术的飞速发展,越来越多的企业开始关注并投入到AI的研究和应用中。阿里巴巴作为全球领先的科技公司,也在AI领域做出了卓越的贡献。今天,就让我们一起来揭开阿里巴巴PAI的神秘面纱,了解这个强大的AI平台如何引领人工智能计算的新篇章。 PAI,全称阿里巴巴公共AI平台,是一个集数据准备、模型开发与训练、模型部署于一体的综合性AI平台。PAI的业务架构分为五层,从基础设施层到业务层,涵盖了AI计算的全过程。
66 2
|
7天前
|
机器学习/深度学习 算法 前端开发
【Python机器学习专栏】机器学习中的模型融合技术
【4月更文挑战第30天】模型融合,即集成学习,通过结合多个模型提升预测性能。常见方法包括:Bagging(如Random Forest)、Boosting(如AdaBoost、XGBoost)和Stacking。Python中可使用`scikit-learn`实现,例如BaggingClassifier示例。模型融合是机器学习中的强大工具,能提高整体性能并适应复杂问题。
|
8天前
|
机器学习/深度学习 数据采集 监控
构建高效机器学习模型的策略与实践云端防御:融合云计算与网络安全的未来策略
【4月更文挑战第29天】 在数据驱动的时代,构建一个高效的机器学习模型对于解决复杂问题至关重要。本文将探讨一系列策略和最佳实践,旨在提高机器学习模型的性能和泛化能力。我们将从数据处理的重要性入手,进而讨论模型选择、训练技巧、超参数调优以及模型评估方法。通过这些策略的实施,读者将能够构建出更加健壮、准确的模型,并有效地避免过拟合和欠拟合问题。
|
9天前
|
机器学习/深度学习 人工智能 测试技术
自动化测试中AI与机器学习的融合应用
【4月更文挑战第29天】 随着技术的不断进步,人工智能(AI)和机器学习(ML)在软件测试中的应用越来越广泛。本文将探讨AI和ML如何改变自动化测试领域,提高测试效率和质量。我们将讨论AI和ML的基本概念,以及它们如何应用于自动化测试,包括智能测试用例生成,缺陷预测,测试执行优化等方面。最后,我们还将讨论AI和ML在自动化测试中的挑战和未来发展趋势。
|
9天前
|
机器学习/深度学习 SQL 人工智能
人工智能平台PAI产品使用合集之如何通过机器学习PAI 的Alink实现大量数据两两计算相关性
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
20天前
|
机器学习/深度学习 算法 数据挖掘
SciPy与机器学习:融合科学计算与智能算法
【4月更文挑战第17天】本文探讨了如何结合SciPy与机器学习,SciPy作为Python科学计算库,为机器学习提供数学基础和工具。在机器学习中,SciPy用于特征选择(如ANOVA和SVD)、聚类(K-Means和层次聚类)、优化(梯度下降和牛顿法)以及信号处理。通过与scikit-learn等机器学习框架结合,实现高效数据处理和模式识别。
|
2月前
|
机器学习/深度学习 人工智能 分布式计算
PAI底层支持多种计算框架
PAI底层支持多种计算框架
16 0
|
2月前
|
机器学习/深度学习 人工智能 算法
构建未来的智能:量子计算与机器学习的融合
【2月更文挑战第18天】 在探索人工智能的边界时,我们站在了一个新的技术十字路口,这里量子计算和机器学习交汇。本文深入分析了量子计算如何为机器学习提供前所未有的计算能力,以及这一跨学科融合如何开启新的可能性。我们将探讨量子算法对机器学习模型优化的潜能,量子机器学习在数据处理上的优势,以及实现这一切所面临的技术和理论挑战。这不是一篇传统的摘要,而是对即将展开讨论的主题的前瞻,预示着一个即将到来的技术革命。
|
3月前
|
机器学习/深度学习 数据采集 TensorFlow
深入浅出:Python与机器学习的融合之旅
本文旨在探讨Python语言在机器学习领域的应用及其优势。不同于传统的技术性文章,我们将通过一个实际案例——构建一个简单的图像识别模型,来展示Python与机器学习结合的过程。文章首先介绍了Python在数据科学和机器学习中的核心地位,随后详细说明了使用Python进行机器学习项目的基本步骤,包括数据预处理、模型选择、训练以及评估等。最后,我们将讨论Python在机器学习未来发展中的潜力和挑战。本文适合对机器学习有一定了解,希望通过Python深入学习并实践的读者。
|
3月前
|
机器学习/深度学习 数据采集 算法
深入浅出:Python与机器学习的融合之旅
在本文中,我们将探索Python这一强大编程语言如何成为机器学习领域的首选工具。通过深入分析Python在数据处理、算法实现和模型训练中的关键作用,本文旨在为读者揭示Python与机器学习结合的无限潜力。不同于传统的技术文章摘要,我们将采用故事化的方式,让读者跟随一位数据科学家的视角,体验从零开始构建一个机器学习项目的全过程,揭示Python在其中扮演的多重角色。
15 1