ServiceComb荣获OSCAR荣誉 发起人姜宁深度解读项目

2018年3月22日,开源的微服务框架ServiceComb及其负责人分别荣获2018“OSCAR开源技术创新奖”和“OSCAR开源人物奖”。


而后优快云第一时间专访了ServiceComb项目负责人姜宁专家,深度解读该开源社区在开源项目林立的微服务领域的定位、背景和愿景以及技术,并阐述了2018年的发力重点为微服务事务、Reactive、支持golang语言和非侵入式,具体内容请点击文末"阅读原文"进行阅读采访原文。


640?wx_fmt=png

(OSCAR尖峰开源技术创新奖)


640?wx_fmt=png

(OSCAR尖峰开源人物奖)


640?wx_fmt=jpeg

(ServiceComb开源项目负责人姜宁)



具体采访内容请点击文末“阅读原文”查看。


常用链接

相关阅读:

如何加入ServiceComb社区

Apache ServiceComb(incubating) && 数人云 3月31日举办北京meetup报名了

三亿用户量的微服务改造,华为云是怎样做到的?


您还可以:

ServiceComb 公众号中点击“社区活动”,进入“线下活动” 查看近期线下活动;

ServiceComb 公众号中点击“社区活动”,进入“往期直播回顾” 观看历史在线直播;

ServiceComb 公众号中点击“社区活动”,进入“最新直播” 查看最新在线直播预告;


温馨提醒:ServiceComb社区committer英雄招募中

有兴趣者请扫描添加ServiceComb小助手并留言“英雄招募”

640?wx_fmt=png

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值