本篇分享 Kubernetes 管理者課程筆記、影像過濾器、開源的看板( Kanban ) 軟體、解決數獨問題方案、OWASP Amass 專案、行動資料庫、Mobile 地圖檢視 React Native 元件、Mobile React Native 影像選擇器、Apache Beam
學習資源
來自 KodeKloud Kubernetes 管理者課程的筆記。
這個課程在 udemy 上也有開,請參考 Kubernetes 認證管理者(CKA)與實踐測驗
工具
瀏覽器 NSFW ( Not safe for work ) 影像過濾器
它使用 TensorFlow JS – 一個機器學習框架-在載入網頁時檢查 NSFW 影像。
當一個網頁被載入時,所有的圖片都會保持隱藏狀態,直到它們被發現是不是 NSFW。如果它們被發現是 NSFW,它們仍然是隱藏的。否則,它們就會變得可見。
這邊有一個類似的開源專案請參考 網頁客戶端不雅內容檢查
開源看板(由 Meteor 建構)

資料科學
虛擬實境中解決數獨問題的智慧方案
能夠檢測和直接解決虛擬實境中的數獨,專案說明中有詳細交代他解決問題的流程
Soft & Share 開源報報 033 也有一個類似的開源專案-使用人工智慧對數獨( Sudoku ) 遊戲解題

雲端和網路管理
深入攻擊表面映射( Surface Mapping ) 與資源發現
OWASP Amass 專案使用開源資訊收集和主動偵察技術,執行攻擊面的網路對映和外部資產( asset ) 發現。
行動應用程式設計
針對 iOS + Android系統的原生地圖檢視 React Native 元件
Realm 是一個行動資料庫: 取代了 Core Data & SQLite
Realm 可直接執行在手機,平板電腦或可穿戴裝置中。支援 iOS/macOS/tvOS/watchOS
iOS / Android React Native 影像選擇器,支援相機,影片,可配置的壓縮,多幅影象和裁剪

程式設計語言/程式庫
Apache Beam 是一個用於批次處理( Batch )和串流( Streaming )的統一程式設計模型
Apache Beam 是一個統一的模型,用於定義批次處理和串流資料並行處理管道,以及一組特定於語言的 SDK,用於建構管道和 Runners,以便在分散式處理後端執行它們,包括 Apache Flink、 Apache Spark、 Google Cloud Dataflow 和 Hazelcast Jet。
概觀
Beam 提供了一種通用的方法來表達令人尷尬的並行資料處理管道,並支援三類使用者,每類使用者都有相對不同的背景和需求。
- 終端使用者: 使用現有的 SDK 編寫管道,在現有的執行程式上執行它。這些使用者希望專注於編寫他們的應用程式邏輯,並讓其他所有東西都能正常工作
- SDK Writers : 開發一個 Beam SDK 針對 特定使用者社群(Java、 Python、 Scala、 Go、 R、graphical等)的 Beam SDK。這些使用者是語言極客,他們希望能夠避開各種 runners及其實現的所有細節
- Runner Writers : 有一個分散式處理的執行環境,並希望支援根據 Beam 模型編寫的程式。希望能夠遮蔽多個 sdk 的細節
Beam 模型
Beam 背後的模型是從一些 Google 內部的資料處理專案演變而來的,包括 MapReduce、 FlumeJava 和 Millwheel。這個模型最初被稱為“資料串流模型”。
要了解更多關於 Beam 模型(儘管仍然使用 Dataflow 的原名)的資訊,請檢視 O’Reilly 的雷達網站上的 World Beyond Batch: Streaming 101和 Streaming 102 ,以及 VLDB 2015論文。

也許你會有興趣
- React Native 相關線上課程
- ★英語學習地圖 – 練好英文是最大的學習槓桿
- 如何找工作學習地圖 – 找工作不要靠運氣!
- 從 Soft & Share 各種社團頻道挑選你喜歡的加入
你必須登入才能發表留言。