gydtep

自动驾驶一共分为6级，其中0-2级主要还是靠人来进行决定，到了等级3之后就可以进行无意识驾驶，也就是手眼可以暂时性不用关注驾驶，到了等级5的话人就可以完全脱离驾驶这个枯燥的工作，在车上可以自由活动。

gydtep

更好的网络基础架构和新的边缘计算架构的兴起，正在打破集中式云AI与分布式边缘AI工作负载之间的障碍。

其优势是基础架构的巨大新兴变化，它通过增加分布在世界每个角落的信息技术层来补充云。我们相信边缘AI会引发一场革命，就像云技术获得牵引力一样大。

gydtep

另一种方法是使用已知可以在边缘AI中很好地工作的网络体系结构，并直接为目标平台训练它们。他发现，鉴于训练数据的数量和种类足够多，就绝对性能而言，这种方法通常可以胜过跨平台编译器方法。但是，它还需要在培训期间以及预处理和后期处理中进行一些手工操作。

gydtep

企业大数据IT运维经历了从单纯的运维工具到运维平台，再到自动化运维和故障预防式运维，到现在朝着智能化运维的方向进化。但现有的大数据运维分析手段依旧存在着原子工具繁多，上手成本高、工具之间的衔接困难，Monitoring(监控)、Logging(日志)、Tracing(定位追踪)无法互相依存发挥更大价值、真实业务中收益完全取决于使用者的架构能力等明显问题。

gydtep

为什么大家都来做数据库呢？AWS认为数据库是未来的兵家必争之地，因此一直以来对于数据库非常重视，每年的AWS re: Invent 上都有很多关于数据库的重磅专题发布。一般而言，在IaaS层，也就是对于服务器、网络和存储这一层面，大家都有比较统一的认识，今天很多企业其实已经建设的差不多了。

gydtep

进一步来分析为什么会这样呢？2003年到2006年可以认为是大数据的诞生期，谷歌的三大论文发表对于业界产生了巨大的影响力，但是值得注意的一点是谷歌所提出的技术重点是解决分布式扩展问题，不一定应用在数据库上面。

gydtep

这也与K8s自身定位是非常相契合的。Kubernetes的技术定位面向应用运维的基础设施和Platform for Platform，并不是面向开发者的一体化应用平台。越来越多的企业会由平台工程团队基于Kubernetes构建自己的PaaS平台，提升研发效率和运维效率。

gydtep

非预期的突发弹性业务：比如突发新闻热点，或者临时的计算任务。弹性容器实例可以轻松实现每分钟上千实例的扩容。

gydtep

在学习深度学习的核心思想时,我们采取的通用方法一般如图2.1所示。无论开发什么类型的机器学习模型,最终都回归到这个基本模型。输入数据传递给模型,经过多个非线性层进行过滤,最后一层包含分类器——决定该对象所属的种类。

gydtep

深度学习已经成为迄今为止使用人工智能构建解决现实世界问题的系统的有效方法之一。互联网时代产生的海量数据正越来越多地被应用在深度学习中。