<img height="1" width="1" src="https://www.facebook.com/tr?id=292546644544618&amp;ev=PageView&amp;noscript=1">

Warto przeczytać: Problem idempotencji i ponowień, chip SI Google'a, architektura gigantów big data i inne

Witajcie w najnowszej edycji Warto przeczytać, cotygodniowej serii, w której przybliżamy najciekawsze teksty dotyczące branży IT.

Paweł Kot

Building an AI chip saved Google from building a dozen new data centres - Wired

Większość rzeczy, o którymi się dzielimy dotyczy oprogramowania. Świat infrastruktury bywa jednak równie fascynujący (dla niektórych bardziej) niż świat oprogramowania. Okazuje się, że wiele z algorytmów można przyspieszyć (nie pod względem złożoności, ale pod względem czasu wykonania) stosując dedykowany sprzęt. Tak stało się w przypadku Bitcoina, który jest teraz liczony w zasadzie w całości na układach ASIC. Okazuje się, że tak stało się również w przypadku Machine Learning. Google zbudowało własny układ – TPU, Tensor Processing Unit – do przetwarzania głębokich sieci neuronowych. Szacuje się, że nowy układ jest od 30 do 60 razy bardziej wydajny niż standardowe procesory w tym zastosowaniu.

Idempotency, APIs, and Retries — Oh My! - Hackernoon

Pamiętam, jak kilkanaście lat temu, będąc młodym analitykiem i pracując w firmie telekomunikacyjnej, usłyszałem słowo „idempotentny”. Najpierw zrobiłem wielkie oczy, potem się roześmiałem i na koniec sprawdziłem w słowniku. Rzeczywiście takie słowo istniało. I faktycznie opisywało problem, z którym mieliśmy do czynienia. Ponowienie doładowania prepaida powodowało, że prepaid był doładowany dwa razy. Później okazało się, że kwestia idempotencji i ponowień to dużo szersze zagadnienie występujące w wielu branżach. Zachęcam do lektury artykułu poświęconemu temu tematowi.

Paweł Potasiński

Architecture of Giants: Data Stacks at Facebook, Netflix, Airbnb, and Pinterest – Keen IO Blog

Czy kiedykolwiek zastanawialiście się  jakiej architektury danych używają takie firmy jak Facebook czy Netflix? Jak efektywnie radzą sobie z petabajtami danych? Czy używają do tego jakiegoś specjalnego oprogramowania? Przeczytajcie wpis na blogu Michelle Wetzler, by dowiedzieć się, że największe biznesy na świecie używają powszechnie znanych platform i usług do przetwarzania dużych ilości danych.

Dam Nation - Tableau

Wyobraźcie sobie świat, w którym wszystkie dane potrzebne do analiz są na wyciągnięcie ręki. Wyobraźcie sobie ludzi analizujących publicznie dostępne dane, by znaleźć rozwiązania największych problemów świata – katastrof, głodu, wojen. Nie jest to łatwe, prawda? Ale są przypadki, które dowodzą, że demokratyzacja danych mogłaby przynieść nam wszystkim poważne korzyści. Oto jeden z nich: przeczytaj, jak Dustin Cabal użył publicznie dostępnych danych i narzędzia do ich wizaualizacji, by przeanalizować stan zapór wodnych w Stanach Zjednoczonych pod kątem ich bezpieczeństwa.

 

data science, bitcoin, sztuczna inteligencja, google, warto przeczytać, AI, big data
Paweł Kot, Paweł Potasiński, Szymon Warda

Paweł Kot has joined ITMAGINATION on November 2016 as Chief Enterprise Architect. He is responsible for combining business and technology perspectives. Paweł develops and implements innovative concepts that walk our clients through the digital transformation. Paweł Potasiński assumed the position of Chief Data Architect at ITMAGINATION on March 2017. He is dedicated to transforming our clients into successful data-driven organizations. Paweł holds numerous professional certifications, including Microsoft Certified Solution Expert - Data Management and Analytics. Szymon Warda is Chief Software Architect at ITMAGINATION leading a 45+ team that develops one of the largest distributed modular systems in the region. Focused on delivering solutions with recognized technologies (Open Graph, ML, C#, F#).

Chcesz wiedzieć więcej? Skontaktuj się z nami.