Últimas Noticias
Leer todos los últimos artículos del blog
Maximizar los Ahorros de Costos en la Nube: Cómo ejecutar Kubernetes sin un Equilibrador de Carga
Cuando se trata de ejecutar Kubernetes en la nube, uno de los costos más significativos puede provenir del uso de un equilibrador de carga para cada servicio. Con precios que comienzan alrededor de los $15 por mes por equilibrador de carga, es fácil que los costos aumenten rápidamente, especialmente si se tiene una gran cantidad de pods. Sin embargo, ¿qué tal si te dijéramos que existe una forma de ejecutar Kubernetes sin la necesidad de un equilibrador de carga y aún obtener los beneficios de alta disponibilidad y failover automático? En este artículo, exploraremos cómo se pueden ahorrar costes en la nube ejecutando Kubernetes sin un equilibrador de carga.
Lee mas
Pasando de WordPress a sitios web estáticos, sin servidor, de alta velocidad e inhackeables.
He construido sitios web en el pasado, pero siempre he tenido problemas con el rendimiento lento de WordPress. Si está cargado con plugins, necesitará bastantes recursos y puede ser un problema si solo está desarrollando una idea en un servidor pequeño.
Además, la seguridad también es una preocupación, y como es un sistema que el 33,6% de los sitios web utilizan , es bastante atractivo para los hackers encontrar exploits y otros problemas en él. Pero, de nuevo, como es muy popular, casi siempre hay un plugin para los problemas que tienes, lo que lo hace fácil de usar y una gran herramienta “todo en uno”.
Lee masDetección de rostros con MTCNN
MTCNN es una biblioteca de Python (pip) escrita por el usuario de GitHub ipacz , que implementa el artículo Zhang, Kaipeng et al. “Detección y alineación conjunta de rostros utilizando redes convolucionales en cascada multinivel.” IEEE Signal Processing Letters 23.10 (2016): 1499–1503. Crossref. Web .
En este artículo, proponen un marco multinivel en cascada profundo que utiliza diferentes características de “submodelos” para aumentar sus fortalezas correlacionadas.
MTCNN funciona bastante rápido en una CPU, aunque S3FD aún es más rápido ejecutándose en una GPU; pero ese es un tema para otro artículo.
Lee masCómo implementar un bot de trading automatizado utilizando el modelo de aprendizaje automático Facebook Prophet en AWS Lambda (sin servidor)
Dividí esta publicación en “Por qué lo hice” y “Cómo hacerlo técnicamente”. Si quieres omitir la parte del “Por qué”, puedes ir directamente a la parte técnica.
1. Confiabilidad: El algoritmo se ejecutará independientemente de otros sistemas, actualizaciones, etc.
2. Eficiencia de rendimiento: Puedo ejecutar varios algoritmos en un solo sistema (pequeño), independientemente unos de otros.
3. Ahorro de costos: AWS permite 3,2 millones de segundos de computación al mes, lo que básicamente me permite ejecutar todos mis algoritmos gratis.
Lee mas
Docker Compose vs. Kubernetes vs. Alojamiento Tradicional: ¿Cuál es la mejor manera de alojar tu aplicación?
Docker: La Opción Ligera y Portable para Alojar Aplicaciones
Docker: Ligero, demostración de concepto, ejecutar múltiples programas en un solo servidor
Docker se ha convertido en una herramienta popular para el desarrollo e implementación de aplicaciones en los últimos años. Su popularidad se debe a su naturaleza ligera y portable, lo que lo convierte en una excelente opción para alojar aplicaciones. A diferencia de las máquinas virtuales tradicionales, los contenedores de Docker no requieren la instalación de un sistema operativo completo, lo que resulta en un tamaño mucho menor. Esta característica también permite utilizar el mismo contenedor en diferentes entornos, lo que facilita el traslado del desarrollo a la producción. Además, los contenedores de Docker se escalan fácilmente, lo que permite agregar o quitar recursos según sea necesario. Si busca una forma rentable y eficiente de alojar sus aplicaciones, Docker podría ser la solución perfecta.
Lee masMejorando los datos de acciones para tu modelo de trading algorítmico en Python
Digamos que estás planeando crear tu propio modelo de trading algorítmico.
Probablemente usarás solo los datos de precio (Cierre) para tu modelo y algoritmo, pero pronto descubrirás que tu modelo no funciona bien.
Pronto usarás datos OHLCV típicos, que se refieren a Apertura, Máximo, Mínimo, Cierre, Volumen, que ya es mejor, pero el modelo no parece funcionar lo suficientemente bien.
¿Qué puedes hacer?
Cuaderno de Colab útil para seguir: https://colab.research.google.com/drive/1ywqti1TuTDY_Z11ry0x4ITclCwxnXAeI?usp=sharing
Lee mas