Публикации по теме 'aws'


Запуск MLflow на AWS для отслеживания экспериментов с машинным обучением
Когда вы запускаете проект науки о данных в своей команде, вы начинаете с обмена записными книжками, прототипов кода и, наконец, разработки готового кода для обучения, оценки и развертывания ваших моделей машинного обучения. Однако, если моделирование с оптимизацией гиперпараметров выполняется более чем одним человеком, вам понадобится централизованный способ записи всего о ваших экспериментах: кода, данных, конфигурации и результатов. Только так ваши результаты могут быть воспроизведены..
Как бы я спроектировал… Твиттер!
Демонстрация дизайна системы Аудитория Эта статья является следующей в моей серии статей о том, как я буду разрабатывать популярные приложения. Рекомендуется (хотя и не совсем обязательно) прочитать предыдущие посты, которые я услужливо собрал в список здесь . Мы ожидаем базового знакомства с принципами архитектуры и AWS, но надеемся, что этот пост будет доступен большинству инженеров. Аргумент Сначала давайте посмотрим на нашу постановку задачи. Система для проектирования..
Настройка Amazon S3 Bucket для обслуживания статических и мультимедийных файлов Django.
ОБНОВЛЕНО: АПРЕЛЬ 2017 г. Amazon S3 Buckets - это дешевый способ хранения статических и мультимедийных файлов. Это также кажется самым простым способом при обслуживании приложения Django . Мы собираемся пройти основные шаги по их настройке. Они были заимствованы в основном из этой замечательной статьи с небольшими изменениями, чтобы упростить процесс после обновления консоли AWS и немного лучше понять процесс. После регистрации на aws.amazon.com первым шагом будет создание..
Как развернуть микросервис Kotlin в облаке AWS - Fargate
Бессерверный! Эта статья предназначена для разработчиков, которые достаточно хорошо знакомы с созданием приложений Kotlin (или Java), но, возможно, менее осведомлены о том, что делать дальше. Мы исходим из нескольких предположений: Вы создали новый блестящий микросервис Kotlin и хотите поделиться им со всем миром. Это веб-приложение, поэтому его нужно где-то разместить. Имеет некоторые зависимости - база данных; возможно тайник. Это то, что вы тоже не хотите держать на домашнем..
CAST AI против Harness: какое решение лучше для Kubernetes? - CAST AI
Kubernetes создает несколько проблем, связанных с затратами. К счастью, команды прилагают все усилия, чтобы помочь инженерам в полной мере использовать Kubernetes, не заставляя их финансовых директоров падать в обморок при виде счетов за облако. CAST AI и Harness - два примера таких инструментов. Но какой из них лучше выбрать для команд, которые хотят сократить свои облачные расходы на использование Kubernetes? Продолжайте читать, чтобы узнать. CAST AI против Harness - быстрое..
Энергоэффективные облачные вычисления и хранение
Облачные вычисления означают доступ к данным из централизованного пула ресурсов, который включает инструменты и приложения, такие как хранилище данных, серверы, базы данных, сети и программное обеспечение. Эти ресурсы можно использовать по мере необходимости, а также предоставлять ресурсы посредством виртуализации через Интернет. Физический объект, который делает возможными корпоративные вычисления, известен как центр обработки данных. Центр обработки данных - это центральный объект..
Как запустить Angular с Java Backend на AWS App Runner
Пошаговое руководство с примером проекта с Docker Runtime Если вы хотите развернуть приложение на управляемой платформе, выбрав среду выполнения, AWS App Runner - правильный выбор. Вы можете запускать все WebApp со средой выполнения Docker, не беспокоясь о конфигурации с вашей стороны. AWS App Runner - это сервис AWS, который обеспечивает быстрый, простой и экономичный способ развертывания прямо из исходного кода или образа контейнера непосредственно в масштабируемое и безопасное..