跳转到页脚

标签:Python

建立回测服务以度量超尺度模型性能

我们建立了一个回测服务,以更好地评估财务预测模型的错误率,促进改进预测性能和决策。
蜻蜓

假说GU Funcs,一个用于单元测试的开源Python包

Uber引入了假说GU Func,它是假说的一个新扩展,是一个用于单元测试的开源Python包。

介绍EvoGrad:一个基于梯度进化的轻量级库

Uber AI实验室发布了EvoGrad,一个用于催化基于梯度的进化研究的库,以及Evolvability ES,一个由该库支持的新的元学习算法。雷竞技是骗人的

在Uber使用机器学习在模拟市场中获得见解

Uber的Marketplace模拟平台利用ML在无风险的环境中快速创建原型并测试新产品功能和假设。

衡量Kotlin在Uber的绩效

为了确定在我们的Android平台上采用Kotlin是否有意义,Uber的移动工程团队在各种项目结构中测量了Kotlin的构建性能。

大规模管理Uber的数据工作流

在本文中,我们将讨论Uber迈向统一、多租户和可伸缩的数据工作流管理系统的过程。

Uber开源:赶上来自Pyro的Fritz Obermeyer和Noah Goodman…

我们与Pyro项目的联合负责人弗里茨·奥伯迈耶(Fritz Obermeyer)和诺亚·古德曼(Noah Goodman)讨论了开源AI软件在优步及其他领域的潜力。

与米开朗基罗一起在Uber进行机器学习

Uber在2015年建立了我们的机器学习平台Michelangelo。三年后,我们回顾了我们在Uber扩大ML规模的过程,以及从中吸取的教训。

米开朗基罗PyML:介绍Uber的快速Python ML模型开发平台

Uber开发了Michelangelo PyML,在实时实验和大规模离线预测工作中本地运行机器学习模型的相同副本。
Petastorm标志

介绍petstorm: Uber ATG的深度学习数据访问库

Uber的先进技术集团推出了一个开源的数据访问库petstorm,它可以直接从Apache Parquet格式的多tb数据集中进行深度学习模型的训练和评估。

VINE:神经进化的开源交互数据可视化工具

Uber AI Labs推出了一款开源交互数据可视化工具VINE,帮助神经进化研究人员更好地理解这一系列算法。雷竞技是骗人的

使用Grail扩展基础设施管理

Uber Engineering构建了Grail,我们的基础设施管理平台,将我们系统的当前状态聚合到一个单一的全局视图中,跨越所有区域和地区。

Queryparser,一个用于解析和分析SQL的开源工具

Queryparser是用Haskell编写的,是Uber Engineering用于解析和分析SQL查询的开源工具,它可以很容易地识别大型数据仓库中的外键关系。

生产环境下的代码迁移:重写Uber无模式数据存储的分片层

在生产环境中将我们的无模式分片层从Python迁移到Go,这表明我们可以在零停机的情况下重写大量数据存储的前端。

Omphalos, Uber的并行和语言可扩展时间序列回测工具

Uber Engineering创建了Omphalos,这是我们新的回测框架,以实现跨语言预测模型的高效和可靠比较。
驾驭Uber & Beyond的工程面试流程

驾驭Uber & Beyond的工程面试流程

准备好迎接前所未有规模发展的挑战了吗?首先,了解如何掌握优步的技术面试流程。

DNS拒绝:Uber的开源工具,用于防止DNS中断导致的资源耗尽

Uber Engineering开发了DNS Denial by DNS,这是我们的开源解决方案,用于防止DNS中断导致的DoS,以便在Uber的应用程序上提供更可靠的体验,无论用户选择如何访问它们。

Uber AI Labs开源Pyro,一种深度概率编程语言

Pyro是一种开源概率编程语言,它将现代深度学习与贝叶斯建模结合起来,实现了一种工具优先的AI方法。

策划:使用Uber工程实时打击欺诈

Uber Engineering的欺诈预防团队构建了Mastermind规则引擎,可以在几分之一秒内大规模检测高度演化的欺诈形式。
在Uber Engineering发展分布式跟踪

在Uber Engineering发展分布式跟踪

本文是关于开发Uber Engineering的开源分布式跟踪系统Jaeger的。

受欢迎的文章