擦除码计算器 
参考硬件 赋能 AI/ML 创新：使用 MinIO 的高性能对象存储构建特征存储
MinIO 的高性能对象存储是 AI 创新的关键，它为特征存储提供可扩展性和集成。其功能使无缝的 ML 工作流成为可能，增强了 AI 开发和部署的数据管理，影响了电子商务和医疗保健等行业。
阅读更多...
MinIO 企业缓存：分布式 DRAM 缓存，实现超高性能
随着计算世界的不断发展和 DRAM 价格的不断下降，我们发现服务器配置通常配备 500GB 或更大的 DRAM。当您处理更大规模的部署时，即使是那些使用超密集 NVMe 驱动器的部署，服务器数量乘以这些服务器上的 DRAM 也可以迅速增加，通常达到数 TB。这种 DRAM
阅读更多...动态 ETL 管道：使用 Unstructured-IO 将 Web 数据灌入 MinIO 和 Weaviate 以增强 AI
Unstructured-IO、MinIO 和 Weaviate 重新定义了 ETL，将非结构化 Web 数据转化为可操作的见解。这种合作增强了数据管理，为动态数据转换和分析提供了一个强大的解决方案，标志着我们处理和利用 Web 生成内容的方式的飞跃。
阅读更多...使用 MinIO SDK 为 LLM 工具使用开发 Langchain 代理
探索 Langchain 的 LLM 工具使用，并利用 Langgraph 监控 MinIO 的 S3 对象存储。本指南将指导您完成开发自定义对话式 AI 代理并创建功能强大的 OpenAI LLM 链，以实现高效的数据管理和增强的应用程序功能。
阅读更多...使用 GitOps 自动化赋能 AI/ML 工作流
探索 GitOps、MinIO、Weaviate 和 Python 在 AI 开发中的融合，以实现无与伦比的自动化和创新。这种组合为创建可扩展、高效和自动化的 AI 解决方案提供了坚实的基础，使项目能够轻松地从概念过渡到现实。
阅读更多...使用 MinIO 的 SDK 自动执行 ML 数据准备
本教程将指导您构建边缘上的强大数据管道，确保灵活性和可扩展性。学习如何无缝创建、填充和转换数据集，同时优先考虑数据隐私。使用 MinIO 的 Python SDK 掌握自动化技巧。
阅读更多...使用 MinIO S3 存储桶备份 Weaviate
探索使用 Docker Compose 将 MinIO 与 Weaviate 集成，以增强 AI 的数据管理。学习将 Weaviate 备份到 MinIO S3 存储桶，使用实用的 Docker 和 Python 示例确保数据完整性和可扩展性。使用这种强大的设置简化您的 AI 驱动搜索和分析。
阅读更多...SQL Server 2022 机器学习服务释放数据的价值
了解如何在 SQL Server 2022 上运行 Python 存储过程。
阅读更多...MinIO 和 Apache Tika：文本提取模式
简而言之：在本文中，我们将使用 MinIO Bucket 通知和 Apache Tika 进行文档文本提取，这是大型语言模型 (LLM) 训练和检索增强生成 (RAG) 等关键下游任务的核心。前提假设我想要构建一个文本数据集，然后可以使用它来微调一个
阅读更多...饥饿的 GPU 需要快速的对象存储
一条链条的强度取决于它最薄弱的环节——而您的 AI/ML 基础设施的速度仅取决于最慢的组件。如果您使用 GPU 训练机器学习模型，那么您的薄弱环节可能是您的存储解决方案。结果就是我所说的“饥饿的 GPU 问题”。饥饿的 GPU 问题出现在您的网络或您的
阅读更多...为什么您的企业 AI 战略很可能在 2024 年失败：模型下降 vs. 数据上升
我怀疑有些人会指责我标题党。另一些人会说，这并不夸张——大多数人在最初的 AI 尝试中都会失败，但这并不重要，收获的经验教训是值得的。从某种程度上来说，这两种说法都是正确的——但我认为企业为什么会失败值得探讨，并且可能让
阅读更多...创新 S3 存储桶检索：Langchain 社区 S3 加载器与 OpenAI API
探索 MinIO、Langchain 和 OpenAI 在增强数据存储和处理方面的协同作用。本文说明了 MinIO 的集成如何使用 Langchain 和 OpenAI 的 GPT 有效地进行文档摘要，从而彻底改变 AI 和 ML 数据处理。
阅读更多...模型之前的数据：解锁真实 AI 成果的无名英雄
探索数据工程师在释放 AI 真正力量方面的重要作用！数据工程师在清理和构建原始数据以实现 ML 成功方面拥有坚实的基础。了解他们为什么在数据基础设施、特征工程和管道优化方面的专业知识必不可少。
阅读更多...LLM 的优势、弱点和危险
最近关于大型语言模型 (LLM) 奇迹的言论很多。这些赞誉中的大多数是应得的。让 ChatGPT 描述广义相对论，你会得到一个非常好的（和准确的）答案。然而，归根结底，ChatGPT 仍然是一个计算机程序（所有其他 LLM 也是如此），它是在盲目地执行
阅读更多...AI 的未来是开源
探索 AI 在开源环境中的未来，挑战大型科技公司的隐秘努力。了解拥抱极端开放式创新如何促进协作、推动市场增长，并为开源 AI 数据堆栈奠定基础。
阅读更多...LanceDB：您在对抗数据复杂性时的可靠战马
使用 LanceDB 抗衡数据复杂性，LanceDB 是一个闪电般快速的矢量数据库，针对开源 Lance 格式上的 AI/ML 进行了优化。与 MinIO 合作，它可以无缝扩展，提供高性能的云原生存储。深入教程，快速部署。
阅读更多...使用 Ray Train、MLflow 和 MinIO 进行分布式训练和实验跟踪
在过去几个月里，我写了一些关于不同技术的文章（Ray Data、Ray Train 和 MLflow）。我认为将它们全部整合在一起并提供一个易于理解的配方来使用生产就绪的 MLOPs 工具进行分布式数据预处理和分布式训练以进行跟踪和模型服务是有意义的。本文整合了我提出的代码
阅读更多...使用 Ray Train 和 MinIO 进行分布式训练
大多数机器学习项目从单线程概念验证开始，其中每个任务都必须在下一个任务开始之前完成。下面描绘的单线程 ML 管道就是一个例子。但是，在某些时候，您将超出上面显示的管道的范围。这可能是由于数据集不再适合单个进程的内存导致的。
阅读更多...树林中的森林——我们 AI 年的要点
2023 年将是意义非凡的一年，也许是 AI 历史上的最意义非凡的一年。从本质上讲，这是大爆炸。它始于 2022 年底 OpenAI 的 ChatGPT，但令人叹为观止的是人们的反应。几个月内，我们有了 Meta 的 LLaMA 2、Google 的 Bard 聊天机器人
阅读更多...从超大型企业学习：对象存储如何为下一波托管服务成功提供动力
对 ClickHouse Cloud 和 MotherDuck 等超快分析数据库的兴趣日益浓厚，突出了解耦存储和计算的好处。这种架构以 AI 应用程序为例，增强了可扩展性、速度和成本效益，并正在推动向对象存储的转变。
阅读更多...