​译者|布加迪审校|孙淑娟互联网使人类的全部知识触手可及。遗憾的是，快速轻松地找到正确的信息就如同大海捞针。在如此多内容唾手可得的时代，我们不得不问自己：我如何选择先点击什么信息？这是信息可靠的可信来源吗？我想要花多少时间来寻找？作为寻找基本答案的普通人，这个有缺陷的过程会为客户问题的解决增加时间。作为消费者，不完善的知识管理策略会使品牌互动令人沮丧，这反过来意味着放弃购买、品牌忠诚度下降，甚至彻底的愤怒，从而转化为负面评论。好消息是，解决方案就摆在我们眼前：效仿搜索界的典范（谷歌），并建立知识图驱动的信息管理系统，品牌可以为客户及支持团队以最简单直观的方式提供他们想要的答案。什么是知识图？知

​您可能听说过欺诈攻击，并很可能是受害者之一。这里有一些您需要了解的内容。您是否曾受过欺诈？也许是，但您可能并不知道，因为“欺诈”一词指的是任何威胁者的行为，包括他们伪装成某人或者其他什么身份。因此，如果您收到了一封谎称来自ISP（互联网服务提供商）的电子邮件，或者访问了看似合法但实际上并非如此的网站，那么您就受到了欺诈。实际情况更加复杂，欺诈攻击的类型有很多种。以下是最常见的四种：1、邮件欺诈比方说，您收到一封自称来自银行的电子邮件，上面说您需要登录您的网上银行账户并更改密码。主题行写着“立即重置您的密码”，这封电子邮件看起来完全合法，使用了与您的银行完全相同的配色方案及其徽标。也许您忘记了

译者|康少京审校|孙淑娟隔离定义为在数据库并发执行多个事务时，不会影响到其他事务的执行。本文将解释这些隔离级别，并概述它们之间的权衡。我们还建议选择最适合您需求的隔离级别。让我们从有效使用隔离级别所需的最低知识开始，研究表示大多数应用程序的两个用例及其对不同隔离级别的影响。用例1：银行交易客户从银行账户取钱：开始交易；读取用户余额；在活动表中创建一行（我们避免将其称为事务，以避免与数据库事务混淆）；从读取的金额中减去提款金额后，更新用户的余额；提交。在交易完成之前，我们不希望用户的余额发生变化。用例2：零售交易国际客户从零售店购买物品时使用的货币与标价不同:开始交易；读取exchange_ra

译者|布加迪审校|孙淑娟过去十年是深度学习的时代。我们为从AlphaGo到DELL-E2的一系列重大事件而激动不已。日常生活中出现了不计其数的由人工智能（AI）驱动的产品或服务，包括Alexa设备、广告推荐、仓库机器人和自动驾驶汽车等。近年来，深度学习模型的规模呈指数级增长。这不是什么新闻了：WuDao2.0模型含有1.75万亿参数，在SageMaker训练平台的240个ml.p4d.24xlarge实例上训练GPT-3大约只需25天。但随着深度学习训练和部署的发展，它变得越来越具有挑战性。由于深度学习模型的发展，可扩展性和效率是训练和部署面临的两大挑战。本文将总结机器学习（ML）加速器的五大

​译者|刘涛审校|孙淑娟作为一名企业家，缺乏安全感在所难免，特别是在资金安全方面。无论如今数字空间中的解决方案有多么强大、多有远见，人为因素仍然是资产被盗的关键。如果您已经成立了一家公司，获得了投资，但依然担心资金安全问题，那么有必要采取行动来评估用于公司目的的加密服务所面临的所有威胁。本文讨论了当前数字安全问题，并就企业家在不久的将来可能面临的特殊威胁提出了解决方案。具备先发制人的思维方式有句话说得好：“预先警告就是预先武装”，并非毫无根据。一般而言，有两样东西必须重视起来加以保护——私钥和助记词(或者是助记符)。心怀不轨的人很容易猜到它们并偷走其中一个，具体是怎么做到的呢？以下是这类人窃取

译者 |崔皓审校 |孙淑娟研究人员提出了一些方法，在理论上保证重尾奖励分布的先验信息最小的情况下损失最小。研究多臂赌博机问题（MABs）是为了解决不确定环境下的连续决策问题，针对多臂赌博机（MABs）的探索算法通常假定奖励噪声为轻尾分布。然而，现实世界的数据集往往是重尾噪声的。有鉴于此，来自韩国的研究人员提出了一种算法，该算法能够以最小的先验信息实现最小的最优性（最大损失情况下的最小损失）。与现有算法相比，新算法在自主交易和个性化推荐系统中具有潜在的应用。在数据科学中，研究人员通常要处理包含噪声的观测数据。在这种情况下，数据科学家探索顺序决策的问题。也被称为"随机多臂赌博机"问题（stocha

​译者| 李睿审校| 孙淑娟提高分析性能非常重要。大家都明白这一点，但要确保用户在不增加额外工作量的情况下获得所需的速度，最好的方法是什么? 作为数据工程师，通常面临着这个挑战。为了找到解决方案，一个研究团队启动了开放项目StarRocks，这是一个分析引擎，可以满足快速增长的分析性能需求，同时也易于使用和维护。 随着开放项目和技术社区在过去几年的发展，人们已经了解到很多关于分析性能的有效方法和无效方法。如今分享一些关于构建高性能分析引擎的关键技术之一的见解：向量化。 为什么向量化可以提高数据库性能 在深入研究StarRocks如何实现向量化之前，有一点很重要：当谈论向量化时，谈论的是使用现代

译者|李睿审校|孙淑娟   开发人员的思维方式是理解问题，构建解决方案，然后找出如何将健壮且安全的解决方案部署到生产环境中。不幸的是，一旦实现，将安全优秀实践嵌入到解决方案中通常会操作更加复杂和成本高昂，而快速发布创新的压力往往会导致DevOps团队发布安全债务。最佳Devsecops实践是将知识、最佳实践和安全性“左移”到开发过程中，以便敏捷开发团队更有可能将安全性直接融入微服务、应用程序或数据库中。 但是持续集成（CI）/持续交付（CD）管道呢？当构建、集成、打包和交付代码到环境的人工步骤在CI/CD工具中编写脚本时，这种自动化提高了部署的可靠性。具有强大CI/CD实施的Devops团队通

译者|布加迪审校|孙淑娟一种新型人工智能聊天机器人ChatGPT已在互联网上掀起了一场风暴。它是基于人工智能的工具的最新例子，在改进我们开展业务的方式。还有许多其他机器人，但自然语言处理机器人和生成式视觉AI（比如DALLE•2）发展得特别快。ChatGPT是GPT（生成式预训练转换器）语言模型的一个变体，它是专门为在对话上下文中生成如同人类的文本而开发的。它旨在在用户输入信息后生成自然语言响应，这使得它在需要与客户进行类似人类的对话的各种商业应用环境中可能很有用。鉴于这种新技术，企业需要思考它们如何完成工作、提供什么样的产品和服务，以及像ChatGPT这样的人工智能如何增强工作流程、提供更好

​译者|李睿审校|孙淑娟关于从单体（Monoliths）架构迁移到微服务架构的主题有一些很好的文章，单体架构的优点和缺点非常简单。不过可以了解其他事项——策略。构建单体是因为它们更容易上手。当系统已经投入生产时，微服务通常是出于需要而出现的。但是，在决定何时进行迁移时会出现很多问题——例如如何确定服务的边界？如何验证微服务架构的自我修复特性？ 这对于服务网格的分布式方面尤其具有挑战性。需要将应用程序视为它的一部分以便中断。本文的目标是保持在传统单体应用中所拥有的便利，同时避免与领域相关的紧密耦合。本文将概述一些在执行这一迁移时可以使用的实用方法。 决定 单体应该是一个模块组成的整体，所以可以很