要不要再学学下面的文章?
图神经网络训练框架的实践和探索 (tech.meituan.com)
美团搜索与NLP团队在图神经网络的长期落地实践中,基于业务实际场景,自主设计研发了图神经网络框架Tulong,以及配套的图学习平台,提升了模型的规模和迭代效率。本文介绍了模型归纳抽象、基本框架、性能优化,以及上层工具等方面的思考和关键设计,希望为从事相关工作的同学带来启发或者帮助。
by @技术头条 2022-07-24 20:45 查看详情
敏捷教练技术的融合方法 (insights.thoughtworks.cn)
敏捷转型的过程十分复杂,我们有时候需要做培训,有时候需要做团队教辅,有时候需要推动组织变革,有时候需要引导会议,有时候需要做干系人管理等等,在这么多复杂的场景中,是否可以有一个相对简单的模型,让我们可以区别什么时候应该保持什么样的状态,采用相应的技术呢?
by @Thoughtworks 2022-06-24 09:54 查看详情
TensorFlow在推荐系统中的分布式训练优化实践 (tech.meituan.com)
美团内部深度定制的TensorFlow版本,基于原生TensorFlow 1.x架构与接口,从大规模稀疏参数的支持、训练模式、分布式通信优化、流水线优化、算子优化融合等多维度进行了深度优化。在推荐系统场景,分布式扩展性提升10倍以上,单位算力性能也有显著提升,并在美团内部业务中大量使用,本文介绍了相关的优化与实践工作。
by @技术头条 2022-06-19 22:52 查看详情
利用阿里云容器服务打通TensorFlow持续训练链路 (yq.aliyun.com)
随着google开源TensorFlow的脚步越来越迅猛,机器学习已经渐渐由昔日王谢堂前燕,飞入寻常百姓家。如何把机器学习的成果,迅速转化成服务大众的产品。以TensorFlow为例,一个典型的交付流程,就是TensorFlow根据输入数据进行模型训练,待训练结束和验证确定后,模型会被发布到TensorFlow Serving,就可以为大众服务了。如果能像流水线生产一辆汽车一样来实现机器学习的产品化,听起来是不是让人激动不已?
by @可耐芊小仙女 2019-05-17 16:24 查看详情
阿里敏捷教练:多团队开发一个产品的组织设计和思考 (yq.aliyun.com)
Scrum等敏捷开发框架,最初都是为5到9人的小团队设计的。通过保持专注和合理利用新技术,在相当长的时间里小团队仍然可以支撑业务发展。

随着业务成长,小团队的产出可能跟不上业务需要,团队就会面临规模化的问题。从1个团队拓展到3个团队,仍然可以通过简单的团队间沟通保持高效协作。当产品复杂到需要5个以上团队同时开发时,我们需要一定的组织设计来保证团队间的顺畅协作,使得多团队共同开发一个产品时仍能保持敏捷性。
by @可耐芊小仙女 2019-03-29 16:24 查看详情
Perseus-BERT——业内性能极致优化的BERT训练方案 (yq.aliyun.com)
2018年在自然语言处理(NLP)领域最具爆炸性的一朵“蘑菇云”莫过于Google Research提出的BERT(Bidirectional Encoder Representations from Transformers)模型。作为一种新型的语言表示模型,BERT以“摧枯拉朽”之势横扫包括语言问答、理解、预测等各项NLP锦标的桂冠,见图1和图2。
by @可耐芊小仙女 2019-02-25 15:02 查看详情
人人都是生活的敏捷教练 (insights.thoughtworks.cn)
为应对客户不同的要求和不同的领导风格,大家一定创造出了很多独特的敏捷实践,有的跟瀑布完美结合,有的半敏捷半反敏捷,反正我们听过各种项目的吐槽和经验分享,很是有趣。今天想分享的是在工作之外如何应用敏捷实践,希望人人都可以做生活的敏捷教练。
by @Thoughtworks 2018-04-27 11:04 查看详情
2018 RSA印象 | 安全是一个过程 而不是产品 ESG咨询公司首席分析师的RSA总结 (toutiao.secjia.com)
他认为,平台战争不可避免,整体风险管理势在必行。他很赞同美国密码专家Bruce Schneier的说法,还希望RSA人群在技术上花费时间少一些,更多关注人员和过程。
by @gnaw0725 2018-04-26 14:31 查看详情
从分布式计算到分布式训练 (insights.thoughtworks.cn)
对于大数据和人工智能来讲,现在仅仅是萌芽时期,后面还有大量的工作要做,而模型的训练无论是单机还是分布式,都还没有达到真正稳定的生产批量效果,这些挑战,不仅仅来自于技术的实现,同时也来自于业务的配合。
by @Thoughtworks 2017-08-21 10:18 查看详情