分类： <span>深度学习模式 (Deep Learning Patterns)</span>

深度学习模式 (Deep Learning Patterns)

人工智能算法的末日来了, 为何？！

2022-05-032022-06-06 方俊贤; Ken FangLeave a comment

前言: 人工智能算法的末日来了 ?! 阿里裁掉大量算法, 数量远超过其他岗 Continue Reading

Tagged 人工智能,末日

WASM MACHINE LEARNING PLATFORM深度学习模式 (Deep Learning Patterns)

当深度学习遇到了微服务; 微服务部署预测模型

2019-11-262022-03-04 方俊贤; Ken FangLeave a comment

微服务部署预测模型已获得国家知识产权局的专利; 专利号: 201910652769.4; 在 35 Continue Reading

Tagged LSTM,微服务,持续交付,持续部署,深度学习

深度学习模式 (Deep Learning Patterns)

Feature Engineering: Understanding Datasets

2019-07-102022-03-04 方俊贤; Ken FangLeave a comment

Tagged dataset – Web 3.0 Cloud-Streams 产品级敏捷,feature engineering,Interval level,Nominal level,Ordinal level,Qualitative,Quantitative,Ratio level

深度学习模式 (Deep Learning Patterns)

机器学习: NumPy 102

2019-06-282019-06-28 方俊贤; Ken FangLeave a comment

Tagged broadcasting – Web 3.0 Cloud-Streams 产品级敏捷,machine learning,numpy

深度学习模式 (Deep Learning Patterns)

机器学习: NumPy 101

2019-06-242019-06-24 方俊贤; Ken FangLeave a comment

Tagged numpy,机器学习,深度学习

深度学习模式 (Deep Learning Patterns)

机器学习: 线性代数 101

2019-06-222019-06-24 方俊贤; Ken FangLeave a comment

Tagged linear algebra,machine learning,matrix,scalar,vector,机器学习,线性代数

深度学习模式 (Deep Learning Patterns)

产品 (微服务) 缺陷预测模型

2019-06-182019-11-26 方俊贤; Ken FangLeave a comment

Tagged defects – Web 3.0 Cloud-Streams 产品级敏捷,forecast,microservices,SVM

深度学习模式 (Deep Learning Patterns)

别再傻傻的写单元测试用例了; Hotspots 告诉我们单元测试的真相: 单元测试是负债? 还是资产?

2018-08-062022-03-05 方俊贤; Ken FangLeave a comment

前言: 这篇文章的目的, 不是要否定单元测试存在的价值、意义。而是要从产品的视角, 客观、正确的审视 Continue Reading

深度学习模式 (Deep Learning Patterns)

高效、低成本的敏捷开发技术债务; 在 200,000 行代码的模块里, 找到最值得优先关注的 180 行代码

2018-08-012022-03-06 方俊贤; Ken FangLeave a comment

前言: Adam Thornhill 的算法模型中的 Hotspots, 代表的是产品中复杂度高并且 Continue Reading

深度学习模式 (Deep Learning Patterns)

产品中的 Hotspot算法: 基于配置库中代码所隐藏的开发者行为,高效的提升产品的质量与开发的效率

2018-07-252022-03-06 方俊贤; Ken FangLeave a comment

前言: 在软件开发中, 我们一直藉由设计冲刺、敏捷开发、软件工程、自动化的测试、部署工具等, 期望能 Continue Reading

方俊贤; Ken Fang; A9 Atlas 工作室; @deva9ken; kenfang@deva9.com

专利号: 201910652769.4; 一种深度学习的算法, 预测微服务持续发布、持续部署后对产品整体质量的影响, 获得国家知识财产局专利; 符合专利法实施细则第 44 条的规定。

主要专长: 运用深度学习, 预测微服务发布或部署后的质量, 以提升微服务开发的效率与质量。微服务架构设计与开发。探索性测试。有价值的产品特性挖掘。使用者行为 (场景) 分析。领域驱动设计。

曾任职于: 腾讯科技 (深圳) 有限公司软件开发过程改进专家; 雅各布森软件 (北京) 有限公司首席谘询顾问; Rational 资深谘询顾问。

有二十多年半导体、电信产业、军事研究单位与互联网的产品研发与咨询服务等的经验。

于 Illinois Institute of Technology, Chicago, USA 获得电子计算机科学硕士。

分类：深度学习模式 (Deep Learning Patterns)

人工智能算法的末日来了, 为何？！

当深度学习遇到了微服务; 微服务部署预测模型

Feature Engineering: Understanding Datasets

机器学习: NumPy 102

机器学习: NumPy 101

机器学习: 线性代数 101

产品 (微服务) 缺陷预测模型

别再傻傻的写单元测试用例了; Hotspots 告诉我们单元测试的真相: 单元测试是负债? 还是资产?

高效、低成本的敏捷开发技术债务; 在 200,000 行代码的模块里, 找到最值得优先关注的 180 行代码

产品中的 Hotspot算法: 基于配置库中代码所隐藏的开发者行为,高效的提升产品的质量与开发的效率

Search