概述 尽管控制平面在SDN领域吸引了大部分关注，但是网络管理平面的转变也同样重要。SDN提供了在广泛的案例中提高敏捷性同时降低成本的可能。然而，虚拟、物理和混合网络，各式各样的应用，和来自多个供应商的硬件全部一起管理起来是非常有挑战的。 通过自动化，前所未有的智能化，和域范围的可视化。SDN有可能为网络管理带来变革，其变革的程度不亚于服务交付。这些特性也强化了网络的安全管理，后者已经受益于SDN架构。与以往不大相同的是，网络和安全管理可以在中立厂商和多厂商环境中有效实现。 挑战 传统FCAPS（故障、配置、
发展政务云是为了解决我国电子政务建设中存在的分散建设、重复建设等问题，以提高我国信息化水平和行政办公效率。虽然政务云优势明显，但各地政府部门不应盲目地购买云服务，需要做好规划，分步骤实施，合理推进政务云建设工作。 统一网络 节经费提效率 信息化发展的必然方向是数据和业务的融合，要想彻底改变电子政务中存在的信息孤岛现状，打造统一的网络通道是建设政务云首先需要解决的问题。 中软大数据云计算实验室市场总监张勇认为，政务云建设首先要进行网络层面的规划整合，将所有委办局的业务系统集中到一根政府专用网络光缆上运行。 此
音视频服务器要解决的核心问题是一样的，因此无论哪个公司的服务，都不会从0开始码代码，都会基于开源项目改。那么从开源到能提供商业服务，到底有哪些路要走？ 个人介绍 大家好，我是杨成立（忘篱），目前在阿里云负责RTC的传输网络，之前在蓝汛CDN负责直播的传输网络，这十年左右一直在做视频的后端服务，也是开源视频服务器SRS的作者，SRS目前是全球Top1的开源视频服务器。 后端服务都架构在云上，CDN的趋势也是边缘云，这是因为云计算成为各种服务的基础设施，当然也包括视频的后端服务。开发者可以便捷的直接使用云厂
音视频服务器要解决的核心问题是一样的，因此无论哪个公司的服务，都不会从0开始码代码，都会基于开源项目改。那么从开源到能提供商业服务，到底有哪些路要走？本次LiveVideoStackCon 2021 上海站中，我们邀请到了阿里云RTC传输网络负责人杨成立（忘篱）为我们从边缘云原生的角度详细解析RTC服务架构的演进。
SDN和NFV孰优孰劣？SDN？NFV？或者两者一起？软件定义网络（SDN），网络功能虚拟化（NFV），网络虚拟化（NV）他们之间是互补的技术，每一个都提供了全新的设计、部署以及管理网络及服务的方式： 1）SDN：把网络的控制（大脑）和转发（肌肉）平面分离，将更高效的分布式网络架构和自动化网络服务进行集中管理。 2）NFV：重点是优化网络服务本身。NFV将网络功能（如DNS、缓存等）从专有硬件设备中解耦，因此这些网络功能可以在软件上运行，加速服务创新和配置，尤其是在服务提供商环境中。 3）NV：确保网络
基于应用程序的、基于文件的和基于块的迁移都有各自的优点和适用场景。选择正确的解决方案首先要了解它们之间的差异。
旗下顶级AI实验室腾讯优图，对外开源了腾讯首个医疗AI项目——深度学习预训练模型MedicalNet。
随着企业在利用云计算带来的好处的同时,他们也成为了常见失误的牺牲品。 第一失误：未能实现角度访问控制 新转向云的公司往往没有意识到他们的数据是多么的脆弱。云中的任何资源都必须要通过基于角色的访问控制得到保护。曾几何时,这是一个极端的安全措施。但现在云中,这已成为必需。 当你的公司有各种各样不同角色的员工时,访问控制是一个关键的功能,其可以帮助确保基本的云管理安全性。你需要小心谨慎，防止证书不被破坏,并且确保微小的错误不会给你造成巨大的损失。实现健全和强大的访问控制来保护公司的资源是很重要的。 为了保护你的云
近日，腾讯优图首个医疗AI深度学习预训练模型MedicalNet正式对外开源。这也是全球第一个提供多种3D医疗影像专用预训练模型的项目，将为全球医疗AI发展提供基础。 许多研究表明，深度学习的发展非常依赖数据量。自然图像领域中存在着许多海量数据集，如ImageNet，MSCOCO。基于这些数据集产生的预训练模型推动了分类、检测、分割等应用的进步。不同于自然图像，医疗影像大部分都是3D结构形态的，同时，由于数据获取和标注难度大，数据量稀少，目前尚未存在海量数据集及对应的预训练模型。 MedicalNet
虽然许多人宣传采用云计算技术的好处，但云环境并不一定是运行所有应用程序的最佳场所，一些企业可能不喜欢失去对原有数据中心设施的控制，由于云计算提供商提供的工具的功能有限，企业可能失去可控性。企业将其工作负载退出云平台可能与最初迁移到云平台一样复杂，但是，如果以系统的方式规划这个过程，并预测可能遇到的挑战，就有可能将应用程序从云中迁移回内部部署设施，而不会中断用户业务或丢失数据。本文介绍了如何执行反向迁移，将基于云计算的应用程序重新部署到内部部署设施。
“数据科学家=统计学家+程序员+讲故事的人+艺术家。“ – Shlomo Aragmo。博主总结了一些在大数据学习工作过程中容易出现的一些问题，希望能给各位带来帮助，愿各位都能在2019年更上一层楼！
为了收集有关当前和未来云计算状态的见解，行业媒体与来自33家企业的IT主管讨论了他们及其客户关于云计算的使用情况。
最近博主又要面临考试了，随笔又再次缓慢更新，说起考试，之前在微软的 ms learn的课程上有接触到一个叫 Azure Data Box的，刚好今天也花了一个多小时看了一下相关文档，下面就正式开始介绍今天的主要内容 -----Azure Data Box
大规模的在家远程办公使越来越多的组织将业务迁移到云端，这给组织首席信息安全官和其他安全管理者带来了更大的压力，要求他们加快工作以应对日益增长的基于云计算的威胁，以及弥补保护、可见性和安全团队专有技术方面的差距。
在最近摩根大通的财报电话会议上，这家美国最大的银行公布了创纪录的利润，并计划新建 400 家分行。但它也表示将把每年金融科技投入预算增加到 120 亿美元。这比 2020 年的 95 亿美元大幅增加。
从制造业、金融服务到公共部门的行业中的公司信任云服务提供商及其关键的数据，软件即服务（SaaS）应用程序（如Office 365和Salesforce）的快速增长取决于信任。但是，SaaS在IT安全专
作者 ｜ Michael Hausenblas 译者 ｜ 王强 策划 ｜ Tina 在云迁移策略中充分利用开源容器技术和开放规范。 如今，许多开发团队仍在数据中心中运行着单体应用程序。那些久经考验的三层架构真是太棒了！你雇来的开发人员写好代码，扔到应用里，而你请来的系统管理员随时待命，负责运行这些应用。一般来说，因为这种工作分配机制，你们每年才能交付和部署一个大版本——如果你们真的很擅长做自己的事情，那么一年可能会交付和部署两个大版本。如果你们不是谷歌或 Netflix，这样做完全没问题——用作者 Jim
从制造业、金融服务到公共部门的行业中的公司信任云服务提供商及其关键的数据，软件即服务(SaaS)应用程序(如Office 365和Salesforce)的快速增长取决于信任。但是，SaaS在IT安全专
如今，各种组织正在越来越多地使用公共云基础设施，但是人们发现将数百TB或PB数据向云端的迁移比想像得更复杂，更具破坏性，并且不具备灵活性。 云存储的商业价值是可取的，但是大量的数据对迁移，兼容性和敏
【新智元导读】吴恩达在他的 NIPS 2016 tutorial 中曾说，迁移学习将是监督学习之后的，在ML 的商业应用中得到成功的下一波动力。现实世界是混乱的，包含无数新的场景。迁移学习可以帮助我们处理这些新遇到的场景。本文从迁移学习的定义、意义、应用、方法、相关研究等方面为读者展示了迁移学习令人激动的全景。 近年来，深度神经网络的进展很快，训练神经网络从大量有标记数据中学习输入和输出的映射变得非常准确，无论这些映射是图像、句子、还是标签预测，等等。 这些模型仍然不足的是将其泛化到与训练时不同的条件的
作为 AutoDev 的核心开发，我们不仅在不断丰富 AutoDev 的功能以满足不同公司的定制需求，还在与各种团队进行持续交流。在处理遗留系统时，我们发现程序员们日常工作中需要面对大量使用过时技术、基础设施混乱的系统。
如今，大多数数据保护解决方案使用公共云平台，以降低本地数据保护基础设施的成本。而为了节省成本，供应商通常将备份数据集存储在低成本对象存储中。
通过有效地锁定内部工作人员或外部攻击者的数据访问权限，新的安全功能将公有云转变为一种受信任的数据安全环境——机密云。这样就消除了即使是最敏感的数据和应用程序也无法实施全面迁移的最后一个安全障碍。利用这种具有安全性的机密云，企业现在可以在任何地方独家拥有自己的数据、工作负载和应用程序。
本文介绍的是2019年9月发布的NIST《零信任架构》标准草案（《NIST.SP.800-207-draft-Zero Trust Architecture》）。其公开评论的时间是2019年9月23日至2019年11月22日。本文档的价值，不言而喻。
随着网络产业正在通过SDN转型，NFV的互补架构概念越来越突出。为解释这种状况，下文中将对NFV的定义、如何出现以及如何影响企业数据中心加以阐释。 NFV的定义 维基百科对于NFV的定义是：NFV是使
为了满足数字世界中快速变化的客户需求，IT部门必须帮助他们的组织保持行业领先，并保持在预算范围内。例如，为了使IT能够提高敏捷性，并提高服务和创新的交付速度，他们正在将越来越多的工作负载迁移到公共云上。
云计算行业专家对他们面临的问题以及如何解决或减轻这些问题进行了分析和探讨。如果组织的解决方案或其他API内置了REST API，需要确保所有通信都是通过与云计算无关的API进行的，这样一来，当用户从AWS云平台迁移到谷歌云平台或Microsoft Azure时，实际上就有了一种更好的方式来迁移应用程序和数据。
为了在控制层实现更大的灵活性，同时减少大量专有通信协议，该公司使用pnGate PA(过程自动化)第一步，将现有的PROFIBUS DP(分散外围)网络迁移到PROFINET。目的是获得初步经验，实现更高的传输速度，并获得一组简化的参数化选项，例如状态监控。
Apache Kylin 在 2014 年 10 月开源并加入 Apache 软件基金会的孵化器，一年后从孵化器毕业成为 Apache 顶级项目。从第一天起，Kylin 的标语是「Extreme OLAP Engine for Big Data」。五年来，Kylin 已经成为了大数据版图中一个不可或缺的角色，帮助了全球上千家企业进行高效的大数据分析。
如今，企业将业务迁移到云平台的好处已得到充分证明：提高了效率、可扩展性、业务敏捷性，简化管理，并降低总体成本。将业务迁移到云平台中可以推动企业的数字化转型，并使他们能够更快地适应新技术，这项功能对于当今快速发展的业务格局至关重要。
一直以来都是使用 coding.net 持续部署的 "网站托管" 来部署个人的静态网站，包括了纯静态网站、Hugo/Jekyll 站点等等，但是从 2022年1月1日起，CODING 将不再提供「网站托管」服务使用入口，取而代之的是一个叫云开发 Webify 的东西。
云计算的兴起和任何趋势化的领域一样，都会不可避免地出现相当多的炒作以及混淆视听的噪声。 混合云自然也不例外，这导致人们对云的混合方法也产生了各种各样的误解。为了消除这些误解，笔者请了几位云领域的专家，
很多首席信息官们表示，对于安全和稳定性的担忧更多的是感知而非现实，随着软件容器的迅速采用，许多企业将业务迁移到云平台上。容器技术使得在任何计算环境中运行软件变得更加简单，一些专家预测，2019年容器技术的采用率将达到90%。
AI 科技评论按：为了解释深度神经网络，研究人员们想了各种各样的办法。IBM 研究院的论文《Improving Simple Models with Confidence Profiles》（https://arxiv.org/abs/1807.07506）也从一个角度研究了这个问题，并被 NeurIPS 2018 接收为 poster 论文。雷锋网 AI 科技评论把论文主要内容介绍如下。
如果企业采用大数据技术，那么必然会使用云计算技术，因为云平台已经成为存储和处理大量数据的标准平台。随着云计算巨头致力于争夺市场领先地位，云计算服务将在2020年迅速增长。
在机器学习、深度学习和数据挖掘的大多数任务中，我们都会假设training和inference时，采用的数据服从相同的分布（distribution）、来源于相同的特征空间（feature space）。但在现实应用中，这个假设很难成立，往往遇到一些问题：
ABB 5SXE04-0150 连续状态监控和预测性维护在一家油漆和涂料制造商，我们的pnGate PA确保连续、快速和安全的数据流。
编者按：作者首先简单介绍何为SDN、网络虚拟化，随后阐明当前形势，在这样的形势下构建混合网络部署SDN和虚拟化时需要考虑哪些问题呢？且听作者一一道来。 部署软件定义网络(SDN)和网络虚拟化技术能够给IT企业带来很多优势，包括快速配置网络资源、降低运营成本以及改善网络可视性、政策和业务流程。而IT管理人员面临的挑战是，面对各种各样的SDN技术，如何做出正确选择以帮助企业在短期内获得可衡量的优势，并确保其选择的技术可以发展为下一代网络架构。在本文中，我们将探讨IT管理人员在部署SDN和网络虚拟化时需主要考虑的
AI研习社按：日前，知名 AI 博主、爱尔兰国立大学 NLP 博士生 Sebastian Ruder 以 “迁移学习：机器学习的下一个前线” 为题，对迁移学习的技术原理、重要性与意义、应用方法做了详细
据报道，德国十六州之一的石勒苏益格 - 荷尔斯泰因州近日确认，该州计划将数以万计的系统从微软 Windows 迁移至 Linux。根据州政府总理 Daniel Gunther 上周发布的网页公告，该州政府已确认将所有系统迁移至 Linux 操作系统：
摘要： 深度学习作为机器学习的重要领域，在过去的几年时间里面发挥了巨大的作用。但是随着机器学习在不同领域的深入应用，迁移学习正在成为不可忽视的力量。 我们越来越善于训练深度神经网络，从大量的标记数据
根据日前发布的2021年ISC网络安全劳动力的研究报告，全球仍然缺少270万名网络安全专业人员。由于没有足够的安全人员应对不断上升的网络威胁，因此需要大量部署自动化技术来解决存在的问题。本文还介绍了一些可能在2022年产生全球性大规模影响的安全威胁。
有人说它叫DPU（dataprocessing units），也有人说它叫IPU（infrastructureprocessing units），我们不妨用“数据基础设施”一词来一个和稀泥式的命名，因为它的出现本就是数据基础设施领域近年来的一大创新。
AI科技评论按：伴随着最近几年的机器学习热潮，迁移学习 (Transfer Learning)也成为目前最炙手可热的研究方向。 迁移学习强调通过不同领域之间的知识迁移，来完成传统机器学习较难完成的任务。它是解决标定数据难获取这一基础问题的重要手段，也是未来更好地研究无监督学习的重要方法。 在近日AI研习社的公开课上，来自中国科学院计算技术研究所的在读博士王晋东带来了题为《迁移学习的发展和现状》的分享。 王晋东，现于中国科学院计算技术研究所攻读博士学位，研究方向为迁移学习和机器学习等。他在国际权威会议ICDM
企业在决定采用特定的云计算提供商的服务时，执行尽职调查至关重要，应该评估与提供商合作的风险。此外，IT部门必须确保业务用户参与决策过程，并了解将数据迁移到云端的风险，以及不同供应商之间的风险差异。 在
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
