内置组件、特征、应用策略、流水线介绍

TTY同学 2025-05-10 16:30:35

课时名称课时知识点
内置组件、特征、应用策略、流水线介绍KubeVela是云原生应用交付平台，简化应用部署与管理。
...全文
34 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
自动化流水线：TensorFlow Extended (TFX) 全组件解析
本文深入解析TensorFlow Extended（TFX）的核心组件及其在工业级机器学习流水线中的应用。从数据输入、统计分析、模式推断到特征变换、模型训练、评估与安全部署，TFX通过标准化组件和自动化流程保障了训练与服务一致性，并支持全流程溯源与质量管控，适用于金融、医疗等高可靠性要求场景。
Spark+特征工程：大数据场景下的特征处理最佳实践
本文探讨利用Apache Spark分布式计算能力处理大规模数据特征。解析了Spark特征工程技术架构、算法原理、数学模型，介绍数据清洗、转换、选择等流程。通过电商项目实战，给出完整解决方案，还提及电商、金融等应用场景，最后分析未来趋势与挑战。
SparkML生产级数据流水线：特征版本管理与Pipeline可靠性设计
本文聚焦SparkML在生产环境中的高可靠性数据流水线构建，核心涵盖四层解耦架构（数据准备、特征工程、模型训练、服务编排）、基于Delta Lake的特征版本双锚定机制（代码Tag+数据快照）、三重特征校验（Schema/统计/业务逻辑）、资源调优黄金三角（Executor内存/Shuffle分区/Kryo序列化）及可审计的Pipeline落地实践。强调特征血缘追溯、模型-特征原子绑定与故障快速归因能力。
构建可扩展机器学习流水线：ZenML自定义组件开发实践
本文系统阐述基于ZenML构建可扩展机器学习流水线的核心技术路径，重点涵盖自定义步骤（封装业务逻辑、类型安全、可复用）、自定义材料化器（数据序列化/反序列化、图像高性能持久化、格式与压缩优化）以及外部工具链集成（特征存储等）。内容聚焦MLOps工程化痛点，如工具链碎片化、数据流转低效和实验复现困难，强调模块化架构、配置驱动设计、性能调优与调试策略，支撑从原型到生产的端到端落地。
阿里张磊：如何构建以应用为中心的“Kubernetes”?（内含 QA 整理）
探讨了如何通过OpenApplicationModel(OAM)构建以应用为中心的Kubernetes平台，介绍了OAM的核心功能，包括应用组件、应用特征、应用配置及插件能力管理，展示了其在标准化应用管理、简化UI构建和GitOps集成方面的优势。
杨恒泰的课程社区_NO_1

1

社区成员

208

社区内容

发帖
与我相关
我的任务
社区管理员
  • TTY同学
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章