AI in software engineering at Google: Progress and the path aheadPhilosophy We strive to create an environment conducive to many different types of research across many different time scales and levels of risk. Learn more about our Philosophy Learn more
Googleで監視に使われている惑星間規模のインメモリデータベースMonarch論文のメモ - bootjpのメモ帳
research.google Monarchのまとめ # 論文まとめフォーマット ## どんなもの？ - Googleの内部と外部のすべてのサービスで使われる監視に用いられるインメモリデータベース - Cloud Monitoring や Managed Prometheus、課金データのためのメトリクスなど - GoogleのストレージのBigtableやストレージ基盤であるColossusの監視にも用いられる（ColossusにはBigtable（GFS版）が部分的に用いられる） ただし、Monarch自体の監視にはmetaと呼ばれる、安定した古いバージョンのMonarchが用いられる ## 先行研究と比べてどこがすごい？ ### クリティカルパスでストレージ依存がない ストレージシステムの監視に用いられるため、クリティカルパスにおいてSSDやHDDに依存しない そのため、オンメモリ
Google、イーサネットをさらに高速にするハードウェア支援型の新トランスポート技術「Falcon」を公開
Google、イーサネットをさらに高速にするハードウェア支援型の新トランスポート技術「Falcon」を公開 Googleは、イーサネットでさらなる高速通信を実現するハードウェア支援型の新しいトランスポートレイヤの技術「Falcon」を、米カリフォルニア州サンノゼで開催されたデータセンター向けハードウェアを対象としたイベント「2023 OCP Global Summit」で発表したことを明らかにしました。 AIや機械学習のような大規模かつ高速性を要求される処理が増え続けるデータセンターにおいて、より高速なネットワーク技術への要求も高まっています。Falconはこうしたニーズに対応するための技術だと説明されました。 Falconは複数の技術の集合体 Falconは複数の技術の集合体となっており、ハードウェア支援型トランスポートレイヤーとして信頼性、高性能、低レイテンシーを実現するよう設計されて
Google OCS Apollo: The >$3 Billion Game-Changer in Datacenter Networking
Networking is a critical part of any datacenter, especially with the rise of networking-intensive large language models. As such, it was a clear target for Google’s infrastructure optimization efforts. Over the last year at conferences such as OFC and SIGCOMM, Google disclosed their custom networking stack, Jupiter, from in-house switches all the way through to custom reconfigurable software. This
GitHub - google-research/tuning_playbook: A playbook for systematically maximizing the performance of deep learning models.
Currently, there is an astonishing amount of toil and guesswork involved in actually getting deep neural networks to work well in practice. Even worse, the actual recipes people use to get good results with deep learning are rarely documented. Papers gloss over the process that led to their final results in order to present a cleaner story, and machine learning engineers working on commercial prob
Go Style
Documents The Style Guide outlines the foundation of Go style at Google. This document is definitive and is used as the basis for the recommendations in Style Decisions and Best Practices. Style Decisions is a more verbose document that summarizes decisions on specific style points and discusses the reasoning behind the decisions where appropriate. These decisions may occasionally change based on
API Improvement Proposals
Welcome AIPs are design documents that summarize Google's API design decisions. They also provide a framework and system for others to document their own API design rules and practices. AIPs are a combination of design guidance and a system we use to manage and track that guidance. Learn more about how the AIP program works in the first AIP!
GitHub - jhuangtw/xg2xg: by ex-googlers, for ex-googlers - a lookup table of similar tech & services
これから読みたい論文メモ - inductor's blog
おひさしぶりです。 今日は自分のメモですがこれから読みたい論文とその理由について記しておきます。ちなみに全てGoogle関連です。開発に関わるものもあれば、インフラ基盤のものもあります。 1. Advantages and Disadvantages of a Monolithic Codebase research.google Googleでは独自のVCS(バージョン管理システム)があって、それがモノレポで管理されているという話を聞いたことがあります。 大量のGoogle Internalなソフトウェアがあるなかでそれらをどうやってまともに管理してるのかはずっと気になっていたので、これを読んだらなにかわかりそうと思いました。 2. Modern Code Review: A Case Study at Google research.google コードレビューのプロセスにおいて、モダ
Loading...
Level up your coding skills and quickly land a job. This is the best place to expand your knowledge and get prepared for your next interview.
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Advancing Multimodal Medical Capabilities of Gemini
MicrosoftやAmazonに続き、Googleも生成AI向け独自CPU投入
GitHub - google/comprehensive-rust: This is the Rust course used by the Android team at Google. It provides you the material to quickly teach Rust.
https://ai.google/static/documents/palm2techreport.pdf
Large-scale cluster management at {Google} with {Borg}
- YouTube
SRE for ML: The First 10 Years and the Next 10 | USENIX
An Overview of Google's Work on AutoML and Future Directions
MediaPipe Iris: Real-time Iris Tracking & Depth Estimation
GitHub - google/tensorstore: Library for reading and writing large multi-dimensional arrays.