DBaaS есть у многих облачных платформ, это удобный способ создания БД в несколько кликов. Но всем ли он подходит? Как на старте проекта не ошибиться с выбором СУБД и в каких случаях стоит использовать DBaaS?

Разбираемся в статье

​​Лучшие материалы от экспертов Mail․ru Cloud Solutions за июнь 2021

Сохраните себе, чтобы почитать на выходных не торопясь.

✅ Как ускорить вывод ML-моделей в продакшен с помощью MLflow и как получить от него максимум. Продолжаем рассказывать про подход MLOps, и на этот раз рассмотрим другой инструмент — MLflow. Это один из самых стабильных и легких инструментов, который позволяет специалистам по Data Science управлять жизненным циклом ML-моделей. В статье рассказываем про него подробнее, а также разворачиваем в облаке в продакшен-варианте.

✅ Как работать с Big Data быстрее и эффективнее с помощью Cloud-Native подхода. В традиционном подходе к построению работы с большими данными обычно используется Hadoop-кластер, на котором строится платформа для работы с данными. Но есть и другой, Cloud-Native подход работы с большими данными. В статье мы рассказываем, в чем суть подхода и какие у него есть преимущества.

✅ Дважды подумайте, прежде чем развернуть Kubernetes на своих серверах. Кажется, что самостоятельно развернуть кластер Kubernetes выгоднее, чем платить за Managed-решение. Но такой выбор нужно хорошо взвесить, потому что у него много подводных камней. В статье рассказываем, в чем особенности развертывания Self-Hosted-кластера Kubernetes и о чем нужно знать перед запуском.

✅ Как Х5 Group построила частное облако и ускорила вывод на рынок IT-продуктов. Ритейлер выбрал частное облако, чтобы получить доступ к новым технологиям, не нарушая стандартов корпоративной безопасности. В статье — как мы помогли построить облачную платформу во внутреннем контуре и какие сложности возникли в процессе.

✅ Примеры реальных компаний, которым облака помогли ускорить Time-to-Market. Бизнес с большей вероятностью достигнет поставленных целей, если выпустит продукт на рынок в планируемый срок. В статье рассказываем, кому и как облачные технологии помогли в этом.

✅ Что такое Docker и как он работает. Docker стал стандартом де-факто в мире контейнеров. Часто, когда говорят про контейнеры, подразумевают именно Docker. В статье мы рассказываем про Docker, а на практике создадим собственный образ и запустим контейнер.

✅ AirFlow: как работает и при чем здесь облака. В статье рассказываем об инструменте Apache Airflow, который помогает в управлении сложными ETL-процессами и отлично сочетается с принципами Cloud-Native приложений.

​​Общество понимает пользу ИИ, но не доверяет ему

Университет Квинсленда и компания KPMG провели исследование общественного доверия к ИИ. Они пришли к выводу, что полного доверия к ИИ у граждан нет, хотя оно важно для принятия технологий, меняющих нашу жизнь.

🤔 Без глубокого доверия к ИИ-системам их внедрение будет затруднено, а потенциально огромные социальные и экономические выгоды не будут реализованы полностью.

🧑‍⚕️ Выяснилось, от чего зависит уровень доверия к ИИ. Так, заметно чуть больше доверия к ИИ в медицине, чем в HR: 45% считают, что в медицине ИИ будет действовать честнее и гуманней, чем в HR (34%) или других областях (30%).

🎓 Верят ли респонденты, что ИИ используется в интересах общества? Это зависит от типа организаций, разрабатывающих ИИ. Наибольшее доверие граждане испытывают к своим ВУЗам и НИИ (77%) и к органам безопасности и обороны (71%); среднее — к технологическим компаниям (62–64%); недоверие — к правительственным и коммерческим организациям (58%).

Читать подробнее

​​Большинство руководителей не могут объяснить, насколько этично ИИ принимает решение в их компаниях

👉 Компании FICO и Corinium провели опрос ста руководителей отделов аналитики и Big Data. Они интересовались, как ИИ принимает решения, важные для клиентов и заинтересованных сторон компании. Оказалось, что 65% респондентов этого не знают.

👉 Бизнес массово инвестирует в ИИ, но не поднимает важность ответственного ИИ до уровня совета директоров. Исследователи считают, что высшее руководство, используя ИИ для автоматизации ключевых процессов бизнеса, должно понимать и обеспечивать соблюдение проверяемой и неизменной модели управления ИИ. Это важно для того, чтобы гарантировать, что эти решения ответственные: справедливые, прозрачные, законные и подотчетные.

👉 «Ответственный ИИ» призван защитить себя от использования предвзятых данных или алгоритмов, делая автоматизированные решения оправданными и объяснимыми. Борьба с предвзятостью, этика и ответственный ИИ должны стать ключевыми элементами стратегии организаций.

🎮 Для понимания проблемы алгоритмической предвзятости ML можно пройти небольшую игру.

Читать подробнее

🤔 Ликбез: что такое системы оркестрации контейнеров

Контейнеры — распространенная и популярная технология. Но когда контейнеров становится слишком много, ими трудно управлять. И тут на помощь приходят системы оркестрации.

В статье рассказываем, какие основные задачи выполняют оркестраторы и приводим несколько примеров популярных систем.

Как мигрировать на Managed Kubernetes без боли

Планируете переехать в облачный Kubernetes? В зависимости от текущей архитектуры, для миграции может потребоваться лишь небольшая правка yaml-файлов, а может придется проводить полный рефакторинг приложений.

Узнайте, какие существуют стратегии миграции, от чего зависит сложность и как справляться с возможными проблемами.

​​Планировщик распределенных ресурсов (Distributed Resource Scheduler, DRS) — необходимый компонент практически любой виртуализированной среды. Он выравнивает нагрузку на хостах, чтобы виртуальные машины получали ресурсы в нужном объеме и работали максимально эффективно.

В статье рассказываем, как это устроено и как работает, а также почему мы разработали собственную реализацию механизма DRS.

​​Графические процессоры — это не только обработка графики

Изначально графические процессоры нужны были только для того, чтобы рисовать пиксели в графике. Сегодня же GPU используются для сложных вычислений, и в определенных ситуациях они намного эффективней CPU.

✅ Обработка изображений. Так как GPU изначально работали с графикой, то и сегодня они обрабатывают большие массивы изображений. Например, снимки из космоса помогают следить за состоянием лесов или развитием половодья. Но предварительно их нужно обработать и нанести определенную разметку — этим занимаются GPU.

✅ Рендеринг графики. Чтобы создавать реалистичные мультфильмы, нужно учитывать множество деталей — например, как падает свет и выглядят тени. Для этого нужны большие вычислительные мощности, поэтому крупные студии используют графические процессоры.

✅ Промышленный интернет вещей. GPU помогают создавать цифровых двойников — виртуальные копии станков или целых заводов. Для этого предприятия собирают большое количество данных о работе оборудования. Затем строят трехмерную модель, которая позволяет проводить эксперименты и смотреть, как это повлияет на работу оборудования.

✅ Машинное обучение. GPU применяют на всех этапах машинного обучения — от подготовки данных до эксплуатации ML-моделей. Машинное обучение используют во многих областях. Например, в медицине ИИ может проверять КТ- и МРТ-снимки и находить на них патологические изменения.

✅ Тяжелые вычисления. Это вычисления на основе сложных алгоритмов, которым нужно большое количество ресурсов. Например, докинг — метод молекулярного моделирования, он позволяет подобрать молекулу, которая лучше всего взаимодействует с нужным белком.

👉 Подробный рассказ о применении GPU с примерами