InfoQ ホームページ AIと機械学習、データエンジニアリング に関するすべてのコンテンツ
-
Pinterestの広告ランキングの仕組みを解き明かす
PinterestのStaff Machine Learning EngineerであるAayush Mudgal氏は、QCon San Francisco 2023でUnpacking how Ads Ranking Works at Pinterestというセッションを行った。その中で彼は、Pinterestがどのようにディープラーニングとビッグデータを使って、ユーザーに関連する広告をカスタマイズしているかを説明した。 多くのオンライン・プラットフォームと同様に、パーソナライズされた体験がPinterestの中心である。このパーソナライズされた体験は、様々な機械学習（ML）アプリケーションによって実現されている。これらのアプリケーションはそれぞれ、プラットフォームが収集した大規模なデータから複雑なウェブパターンを学習しようとしている。
-
メタバースにおけるテストが向かう未来
In this article, Tariq King describes the metaverse concept, discusses its key engineering challenges and quality concerns, and then walks through recent technological advances in AI and software testing that are helping to mitigate these challenges. To wrap up, he shares some of his thoughts on the role of software testers as we move towards a future of testing in the metaverse.
-
KafkaFlowでKafkaイベント駆動型アプリケーションを構築する
KafkaFlow, a .NET open-source project, simplifies Kafka-based event-driven app development with features like middleware for message processing, enhancing maintainability, customization potential, and allowing developers to prioritize business logic.
-
AI、ML、データエンジニアリングのInfoQトレンドレポート - 2023年9月
In this annual report, the InfoQ editors discuss the current state of AI, ML, and data engineering and what emerging trends you as a software engineer, architect, or data scientist should watch. We curate our discussions into a technology adoption curve with supporting commentary to help you understand how things are evolving.
-
データベースシャーディングアーキテクチャの新たな進化
今回の記事では、筆者のJuan Pan氏が、分散データベースシステムにおけるシャーディングアーキテクチャのパターンについて論じます。記事の中で氏は、Apache ShardingSphereプロジェクトがデータシャーディングの課題にいかに対処しているかを説明した上で、DistSQLを使って分散データベースと暗号化テーブルを生成する方法の実例２つを論じています。
-
AIはDevOpsに取って代わるのか？
AIツールは開発者の役割をゆっくりと - DevOpsがかって行ったように - 置き換えています。そして最終的には、DevOpsに完全に取って代わるでしょう。この予測の正しさを評価するのは難しいのですが、この記事では、AIが開発プロセスにもたらすものは何かを確認した上で、それが人間である開発者の作業を本当に引き継ぐことができるのか、数十年後のDevOpsがどのようなものになっているのかを見ていきます。
-
MLOpsの最適化がどのようにエンタープライズのAIに革命を起こすか
この記事では、著者のMonte Zweben氏が、データサイエンスのアーキテクチャ、コンテナ化、およびフィーチャーストアなどの新しいソリューションが機械学習プロセスのライフサイクル全体にどのように役立つかについて説明します。
-
Outboxパターンを使用したマイクロサービスのSagaオーケストレーション
変更データキャプチャを介して実装されたOutboxパターンは、マイクロサービス間のデータ交換の関心事に対処するための実証済みのアプローチです。この記事で示すように、Sagaパターンは、複数のマイクロサービスにまたがるデータ更新に役立ちます。
-
Kafka、MongoDB、Maxwell's Daemonを使用したSQLデータベース監査システムの構築
この記事では、従来の組み込みデータレプリケーションの枠を越え、Kafka、MongoDB、Maxwell's Daemonといったテクノロジを採用したデータベースの監査ログシステムと、その重要性について論じます。
-
マシンラーニングエンジニアとして採用されるには
マシンラーニングエンジニアになるには採用面接を受けなければなりません。書籍や教育コース、プロジェクトを通じて、関連するスキルを磨くことが必要です。履歴書にはテクノロジ、フレームワーク、プロジェクトを記載しましょう。面接では、技術的な質問や洞察的な質問、プログラム課題などが問われるかも知れません。技術的なタスクを与えられた時には、すでにその仕事を持っているかのようにスキルを発揮してください。
-
GPT-3対応アプリケーションの最初の波は、AI���未来のプレビューを提供します
GPT-3ベースのアプリケーションの最初の波が現れています。GPT-3は、ほんの数例を準備しただけで、エッセイを書いたり、質問に答えたり、コンピューターコードを生成したりすることができました。さらに、GPT-3は、そのような概念を教えられたことがないにもかかわらず、代数計算と言語翻訳を実行できます。 ただし、GPT-3は予測できない結果を伴うブラックボックスです。開発者はそれを応答的に使用する必要があります。
-
TornadoVM: GPUとFPGAでJavaを高速化する
近年の異種ハードウェアの急増は、CPUをターゲットとするJavaのような言語にとって問題となっています。TornadoVMはGraal JITコンパイラを拡張することでGPUやFPGAのメリットを活用し、フレキシブルでハイレベルなモデルを提供すると同時に、ハイパフォーマンスとライブタスクマイグレーションなどの機能を実現しています。