uber-金马国际

presto on apache kafka 在 uber 的大规模应用

presto 和 apache kafka 在 uber 的大数据栈中扮演了重要角色。

uber 的客户体验依赖于准确的预计到达时间（eta）。

回顾那场对 uber 工程文化影响深远的变革。

当大数据成为我们最大的运维支出项目之一后，我们启动了一项降低数据平台成本的计划。

uber 使用机器学习模型来支持关键的业务决策。一种机器学习模型要经过多次实验迭代才能进入生产阶段。

本文将对近三年来数据科学工作台的发展进行回顾和总结。

这种方法消除了不稳定测试对 ci 和 sq 的所有影响，从而大大提高了软件可靠性和开发人员生产力。

数据如何赋能 uber？

本文介绍了 uber 如何通过轮询保持信息实时更新以及基于 grpc 双向流协议构建应用。

这几年，业内提出的自动驾驶汽车概念，几乎都是一个整洁的长方体盒子。

自动驾驶太烧钱，uber“烧”不动了。

uber money 的工程师们在业务线同时，也在打造下一代支付平台

由 uber 开发的边缘网关是一个高可用、可扩展的自助式网关，用于配置、管理和监视 uber 的每个业务域 api。

fiber 是一个新的 python 分布式库，现已正式开源。

要在整个机器学习栈中添加对一个新的深度学习框架的支持，既费资源，又费时间。

深度学习开发将更加灵活。

uber 人工智能业务研究院 ai lab 已死去

这是滴滴首次对外宣称实现盈利。程维曾定下的 2018 年“整体微盈利”小目标终于实现，这次能盈利多久？

曾经的明星公司，风光不再。

利用合成数据，uber 将其神经结构搜索（nas）深度学习优化过程提升了 9 倍。

疫情当前，时事瞬息万变，让我们共同聚焦近期 ai 领域的大事件。

uber 重启自动驾驶测试后，能否赶上与竞争对手的差距？

如果 uber 的数据平台做不到信息智能化，很难想象如何支撑起这样庞大规模的业务。

uber 可能要失去全球五大市场之一的伦敦

michelangelo 是 uber 的机器学习（ml）平台，可以训练并服务于整个公司范围内生产环境中的数千种模型。

留给独角兽们的时间不多了，韭菜也不多了。

本次分享介绍 uber 乘客激励平台的发展历程。

peloton 能够跨不同的工作负载管理资源，将独立的计算集群联合起来。

gergely 在 uber 公司内负责支付系统的运营。他在这篇文章里分享了许多通用的经验，对运营大型分布式系统的方法给出了指导。