收录了 名字测试评分 频道下的 50 篇内容
此文是由茹炳晟老师的直播整理文,主题为“去 QE 时代,测试开发者该如何迎难而上?”。
就像没有人愿意吃烂苹果一样,不会有人喜欢写烂代码。
如何成为蹲在马桶上工作,工作效率一样高的团队?
搜素引擎构建于对真实测试案例标准集的使用,该标准集允许开发人员度量其它替代方法的相对有效性。本文讨论了NIST(NIST:美国国家标准及技术研究所)的文本检索会议(TREC)项目,该项目创建了用于度量查询结果质量的基础架构。
本文介绍如何在信贷业务中利用数据、规则、模型等完善风控策略。
每年只对绩效进行一次有意义的谈话来决定该年度的绩效结果是老的传统,我们为什么要等待一年才去反馈了?Ryan Hagan提供了一种敏捷的绩效评审
京东云 DevOps 自动化运维技术实践
AI 前线“AI 一周资讯”栏目,甄选全球最新行业动态,着眼影响技术变革的大事件,聚焦业内专家学者的发声,为读者呈现出内容丰富且有价值的新闻资讯。
用户如何说与如何做,很可能是两回事。
腾讯会议系统中,视频质量是影响用户体验的主要因素,对视频质量进行评估和优化是吸引和留住用户的关键。在开发腾讯会议质量评估系统的过程中,有哪些技术难点和相应的解决方案?
本文将与大家探讨美团搜索与NLP部使用的统一在线预估框架Augur的设计思路、效果、优势与不足,希望对大家有所帮助或者启发。
我们学院 (IVE) 每年为数千名学生提供 IT 培训,我们的课程之一成功应用了 AWS Promotional Credits。
本篇文章作者来详细说明怎么评估(Evaluating)推荐系统的效果,有哪些评估手段,在推荐业务中的哪些阶段进行评估,具体的评估方法是什么。借此希望更好地帮助大家在实际业务中实施推荐系统评估模块。
本文来自微信京东数科技术说公众号。
以往的Flash3D引擎都不支持GPU硬件解码,解码工作只能由CPU来完成,导致性能极其低下,只能渲染简单的3D模型。Adobe一项新技术Stage3D的面世标志着这一问题终于被解决,GPU承担起解码的重任,仅需占用很少的CPU就能得到很复杂的3D模型。但是Stage3D是底层API,需要开发者有较高的编程技巧,开发门槛较高,为了帮助国内Flash开发者学习,Adobe Evangelist与9RIA团队共同开发了一款Stage3D可视化学习工具——Nihao Flash3D。
本文来自RancherLabs微信公众号
Yelp的数据库中已经存储了几千万张相片,用户们现在每天都会上传大概十万张,而且速度还在不断加快。文中介绍了Yelp如何用深度学习技术来挖掘每家商户的最好的相片并优先展示在商户封面上,从而为用户提供最好的体验的。
本文转载自技术琐话公众号
在支持了机器学习数据流水线之后,Apache Spark框架已经全面支持各种功能,包括ETL、批处理分析、流数据分析和机器学习等。在这个关于Apache Spark的系列文章中,作者Srini Penchikala讨论了Spark ML包的内容,和如何用它来创建并管理机器学习数据流水线。
在有些生产环境中,BERT 庞大的参数量不仅在推理时占用过多的计算资源,也不利于后续模型的扩展迭代。