在Ray上使用Horovod进行弹性深度学习
2017年，我们推出了Horovod，这是一个开源框架，用于在数百个gpu上并行扩展深度学习训练。当时，大多数……
使用局部梯度聚合和分组Allreduce优化网络利用率
我们最初是在2017年开源的Horovod，从那时起，它已经成长为行业中扩展深度学习培训的标准解决方案……
运营阿帕奇皮诺@优步规模
优步有一个复杂的市场，包括乘客、司机、食客、餐厅等。在全球范围内运营这个市场需要实时情报……
Ludwig v0.3介绍超参数优化，变压器和TensorFlow 2支持
2019年2月，优步发布了Ludwig，一个开源的、免费的深度学习(DL)工具箱，给非程序员和高级机器学习(ML)从业者一样的……
先锋开源:与Jim Jagielski的对话，员工技术项目经理与…
Jim Jagielski对开源软件的迷恋是出于需要。20世纪80年代，他在NASA Goddard工作，这个机构有…
使用nebula.gl编辑大量地理空间数据集
优步建立并开源星云。Gl是一个在web浏览器中进行全功能地理空间编辑的工具集，可以更好地可视化大规模数据集。
使用Apache Hudi在优步建立一个大规模的数据交易湖
优步的Apache Hudi团队回顾了这个开源项目的历史，因为它已经成为Apache软件基金会的顶级项目。
介绍Neuropod, Uber ATG的开源深度学习推理引擎
由Uber ATG开发的Neuropod是一个抽象层，它提供了一个通用接口，可以在任何深度学习框架上运行模型。
利用开发/任务Uber Coding Fellowship开发下一代程序员
开发/任务Uber Coding Fellowship的参与者参加了由Uber工程师讲授的每周课程，并与来自旧金山Code for San Francisco的志愿者一起从事有利于当地社区的项目。
介绍Athenadriver:一个开源的Amazon Athena数据库驱动程序
Uber ATG为Go创建了一个开源的亚马逊雅典娜数据库驱动程序Athenadriver，以促进我们的商业智能工具和云之间的通信。
与巴泽尔一起打造优步的Go Monorepo
当Uber采用开源的Bazel构建系统时，我们的工程师发现了很多机会来改进Bazel如何与大型Go monoorepo一起工作。
利用热释光器设计优化实验的新框架
Uber AI在Pyro上发布了一个新的框架，让实验人员无缝地自动化优化实验设计(OED)，以更快地进行模型迭代。
介绍食人鱼:自动删除过时代码的开源工具
Uber开发的Piranha可以无缝地删除与过时的特性标志相关的代码，从而提高开发者的工作效率和更干净的代码库。
介绍优步的开源原则
Uber分享了我们使用和贡献开源软件的原则和目标，提供了我们公司开源方法的可见性。
工程SQL支持Apache Pinot在优步
我们在Apache Pinot上设计了完整的SQL支持，以实现对聚合数据的快速分析和报告，从而改善了我们平台上的体验。
开源流形，机器学习的可视化调试工具
2019年1月，优步工程公司首次推出了Manifold，这是一种可视化调试工具，可以让用户快速识别机器学习模型中的性能问题。
2019年的优步开源:社区参与和贡献
优步讲述了其在2019年与开源社区的许多接触，从贡献项目到加入和创建新的开源支持组织。
RxCentral:优步的无缝蓝牙集成开源库
Uber引入了RxCentral，这是一个开源库，可以使用平台无关的、被动的设计来可靠地反复连接蓝牙设备。
在Uber使用Jaeger、M3和XYS优化可观性
优步的可观测工程师展示了他们在分布式追踪(Jaeger)、采样(XYS)和度量处理(M3)方面的工作。
利用优步的开源编配工具Cadence进行更好的业务
优步的工程师描述了Cadence，优步的开源工作流编制工具，它的架构，以及它在一系列信息演示中的使用。
