发布了 12 篇内容
共 43605字， 被阅读 71430次
获得了 71 次赞同
获得了 11次喜欢， 获得了 60 次收藏
参与了 24 次互动
互动包含发布评论、点赞评论、参与投票等
DevOps 时代的软件过程改进探讨
本文从 Jenkins，DevOps，云原生等视角探讨了软件过程改进在各个时代的挑战和价值，重新审视了 SPI 在软件开发和交付的效率和质量提升方面的意义。
从 400+ 节点 Elasticsearch 集群的运维中，我们总结了这些经验
Meltwater 的工程师通过官方技术博客分享了他们如何运行和维护 400+ 节点的 Elasticsearch 集群。主要介绍了业务中积累的时间序列数据的特点、数据量和每日滚动索引策略，以及他们对 Elasticsearch 版本的选择（没错，目前他们使用的是 1.X，而且做了源码级的修改）、为何不选择托管的云服务、索引结构和分片规划等，最后重点介绍了他们在性能方面的努力和经验，给出了一个性能参考列表。
Faiss：Facebook 开源的相似性搜索类库
Facebook 开源的 Faiss(Facebook AI Similarity Search) 的项目， 提供了一个相似性搜索的类库，能够快速从多媒体文档中搜索出相似的条目。Facebook 人工智能实验室（FAIR）基于十亿级别的数据集构建了最近邻搜索算法的实现，这比已知的最快算法还快大约 8.5 倍，因此创造了新的记录，包括第一个基于十亿高维向量构建的 k 最近邻图。
机器学习排序 LTR 入门——线性模型
LTR 的入门模型就是线性模型，本文以线性模型为例，针对搜索排序的场景，通俗地介绍了机器学习的基本思想和实现步骤。作为 LTR 系列的第三篇，相信通过本文你已经可以轻松地入门 LTR。
Spring 5.0 GA 版本发布，支持 JDK9 及反应式编程
Spring 官方博客昨天（9 月 28 日）撰文宣布了 Spring Framework 5.0 GA 版本的正式发布。该版本耗时 2 年，带来了一系列全新特性，包含对 JDK 9 和 Java EE 8 API（如 Servlet 4.0）的支持，全面集成 Reactor 3.1、JUnit 5 和 Kotlin 语言，还包括一个反应式 Web 框架 Spring WebFlux。Spring 5.0 最低要求 JDK8。
认识机器学习排序 LTR
本文是关于 Elasticsearch 和 LTR 系列文章的第二篇，主要介绍了什么是 LTR，它的起源，以及机器学习模型与搜索引擎的关系。
Elastic Stack 发布新版本支持机器学习
Elastic 今日在其官方博客，发布了最新版本的 Elastic Stack 5.4.0 Beta，其中最重要的新特性是对机器学习的支持；该特性源自于去年收购的 Perlert 公司。
在 Elasticsearch 中应用机器学习排序 LTR
OpenSource Connections 的一个开发小组近日开源了一款 Elasticsearch 插件，把 LTR（Learning to Rank）带到了 Elasticsearch 中，从而让开发人员能以更低的门槛在 Elasticsearch 中通过机器学习来优化自己项目中的搜索排序效果。他们同时还在博客上撰文介绍了该插件的基本原理以及使用方法，本文是该系列文章的第一篇。
Google Play 的应用发现，第 3 部分：使用机器学习打击规模化的垃圾信息和恶意评论
InfoQ 此前翻译分享了“Google Play 的应用发现”系列文章中的“了解主题”和“使用相关 App 的个性化建议”，本文是该系列的第三部分，主要介绍了 Google Play 如何借助机器学习技术来打击规模化的垃圾信息和恶意评论。
Google 大脑团队 2016 年度回顾
Google 大脑团队在其官方博客撰文回顾了 2016 年的工作成果并展望了 2017 年。话题从成果发表到自然语言理解、机器人技术，再到医疗卫生、音乐和艺术生成等领域的应用，随后探讨了 AI 安全和公正、TensorFlow 等话题，最后总结了 2016 年度的机器学习社区参与情况，以及 Google 内部对机器学习的重视程度。
营销部门投资 AI 前应思考的 3 个问题
当下热门的人工智能（AI）技术如何在营销领域应用和部署，本文作者提出了 3 个问题，帮助营销主管们思考并决策：营销预算主要浪费在哪些部分，哪些部分真正带来经济顺差，以及营销部门拥有什么样的独特数据。
配置高性能 Elasticsearch 集群的 9 个小贴士
本文总结了使用 Elasticsearch 过程中积累的一些经验心得和最佳实践，涉及集群拓扑、索引规划、分片与副本规划、内存与存储设置 以及线程池等方面，从配置参数调优的角度给出了一些计算方法和建议设置。
最新评论
Faiss：Facebook 开源的相似性搜索类库