code

报名

“程序员被提bug之后的反应”，绝对不可能；重启电脑试试；用户不会像你这样操作的；一定是数据问题；在我这好好的，不信你看看；真奇怪，刚刚还好的；不要对一个程序员说：你的代码写的有bug。不让他的第一反应会是：你的环境有问题吧；如果你委婉地说：你这个程序和我预期的想法不一致，你看看是不是我的使用方法有什么问题。他本能地会想：是不是出bug了！

cas2:case3:

case1问题反馈：点击aoc moni后，出现了如图2无法进入情况，等待了以后，重新刷新可以正常进入

使用go做集成服务，及相关系统API，提供统一系统运维接口，配合云原生架构，使得应用弹性伸缩，故障自愈，敏捷开放，Devops更加方便等。微服务以其小、独、轻、松特点适合于独立API的开放，部署上线等。小：微服务架构通过对业务领域的分级及建模，应该将复杂的应用拆分为小而专一，耦合度低且高度自治的一组服务，小的指标可以从代码量，团队大小，服务特征等来进行衡量，例如团队规模，独立业务但愿能够独立的开发和演进，团队自治一般不建议超过10如，保持高效的沟通协作，服务职责单一，单一应用应该保持高内聚低耦合。独：独立的进程，单体应用中，整个系统运行在一个进程中，在微服务架构中，应用由多个服务组成，每个服务都是一个具有高度自治的独立业务实体，其运行在单独的一个进程中。轻：轻量级通讯机制，采用轻量级通讯机制，与变成语言无关，与平台无关的协作方式，例如REST，其通讯基于HTTP的JSON文本，发送接受或对响应内容的解析过程与语言无关。松：松耦合的交付模式，即在服务的交付过程中，开发、测试即部署过程在不同服务之间可以谁相互不影响的。每个服务都是一个独立单元，当某个服务改变，对其他服务不会造成影响。 

1、您觉得NoSQL的发展前景如何？在目前快速发展的互联网时代，High performance - 对数据库高并发读写的需求，越来越需要业务配合关系型数据库和NoSQL共同来适应业务场景，存在即合理，也是为适应高并发高性能场景推出的产品，未来还是非常看好其发展。2、您觉得华为云NoSQL产品是否满足了您的需求？华为云NoSQL产品，底层采用高可用部署，为我们不但提供即开即用的数据库服务，而且有完整的数据备份，日志，监控，性能调优，故障恢复等功能，将复杂专业数据库维护任务交由云厂商，用户简单通过web享受云上数据库体验，非常满足业务需求，赋能企业数字化转型，释放更多精力专注业务创新。3、您觉得华为云NoSQL产品与友商的差距在哪儿？华为云NoSQL产品，基于华为自研计算存储分离架构，不仅兼容原生NoSQL，而且在其上做了进步一优化，保证高性能、高可用、高可靠和安全性及弹性伸缩，不仅仅是对开源项目的二次封装，更注重安全稳定，相较于其他云厂商还是具有很强的优势，但是由于推广较少，c端客户不是非常了解，建议加强推广，和最佳实践分享，让更多c端用户了解到，未来可期。

1、您和华为全联接有哪些故事呢？（比如最初如何了解和参与华为HC、展上最让您难忘的事情）第四届华为HUAWEI CONNECT 2019 在世博展览馆以“共创智能新高度”为主题，围绕云+AI+5G+IoT、华为AI全栈能力等领域展开分享智能产业发展经验，学习交流。2、我眼中的华为全联接。（您最关心或感兴趣的主题、您想象中的相关场景、您最期望获得什么样的体验等）关心AI训练集群Atlas 900，加速科学研究与商业创新的智能化进程的Welink所有的平，台，都可以互融互通，实现数据的传递，文字，语音，视频的交互协作，并最终呈现正确的结果。

1、按照自动驾驶的L1到L5的标准，怎么给automl的自动化程度分级？Level0 没有任何辅助系统,需要手脚并用。由驾驶员全权驾驶。ML提供警告和瞬时辅助。Level1 自动系统提供横向（方向）或纵向（加减速）向导的驾驶辅助任务支持，但需要驾驶员手脚并用。L1在很多年以前便已经实现，并运用到众多的汽车上，通俗点来说，人工占90，智能占10，主导依然是人工，只是具备了一些很简单的驾驶辅助功能如车道偏离预警，定速巡航等。Level2 车辆在特定条件下的自动跟车、主动刹车、车道保持等驾驶操作。1~2最多是辅助驾驶。Level3 汽车已经可以独立完成几乎全部的驾驶操作，并不需要驾驶员的干扰，但是为了防止智能发生意外，驾驶员仍需保持注意。Level4 L4基本上已经算得上是告别驾驶员了，车辆的智能自动化已经完全可以接替，驾驶员可以睡觉，也可以随时接管车辆的主导。Level5 L5以后，就已经到了我们在各种科幻电影里面所见到的那种，无需考虑坏境因素，在车内开会，聊天，做任何事情，只需要通过语音交互来实现汽车自动驾驶，而且不再保留驾驶舱，智能化达到了99.999……% 2、目前已经提出了很多种automl方法，他们分别对应到L1 - L5的哪一级？车道偏离预警，主动刹车，属于L1级。深度Automl--L4 L5深度Automl+专业的辅助优化算法--L5 3、要达到L5级的automl，还需要对automl方法做哪些改进，对应用范围是否需要做一定限制，对周边设施有哪些要求？需要又大量的场景识别，其次是大量数据快速计算处理，对于网络的要求也特别高，需要长期进行环境模拟和测试，提高哦识别度。海量的训练模型，及对道路的识别，建筑物，其他车辆，公共设施，信号灯都都需要进行识别。必须对应用范围做限制尽量先在变量因素少的环境开展实施。对应用范围或周边设施应当配置辅助标记以提高识别准确度

1、 你认为知识图谱有哪些高价值应用场景？搜索引擎聊天机器人大数据风控证券投资只能医疗自适应教育推荐系统，广告的精准投递等。2、 知识推理的技术形态有哪些？RDF：RDF(Resource Description Framework)即资源描述框架OWL：OWL(Web Ontology Language), 这个本体就是从哲学那面借鉴来的。OWL在RDF的基础上扩充了Schema层，使它支持推理等操作SPARQL：SPARQL是RDF的查询语言，它基于RDF数据模型，可以对不同的数据集撰写复杂的连接，由所有主流的图数据库支持JSON for Linking Data: 适用于作为程序之间做数据交换,在网页中嵌入语义数据和Restful Web Service。3、 你认为知识库应该存储哪些内容？对应每一类具体场景具体业务的清晰的“实体,关系,实体”三元组这样聚合的数据4、 你认为哪些知识图谱自动化构建技术是关键？知识抽取业务本身的数据，这部分数据通常包含在公司内的数据库表并以结构化的方式存储网络上公开、抓取的数据，这些数据通常是以网页的形式存在所以是非结构化的数据，需要进行数据清晰，提取出结构化信息数据存储DRF：存储三元组图数据库：存储节点和关系属性图谱设计需要哪些实体、关系和属性？ 那些可以做为实体，哪些实体可以作为属性？哪些信息不需要放在知识图谱中？ 知识图谱工程本身还是业务为重心，以数据为中心。不要低估业务和数据的重要性。