В последние годы, выступая в качестве наставника в различных буткемпах по кодингу, я имел уникальную возможность направлять и поддерживать множество начинающих разработчиков, страстно желающих заявить о себе в сфере облачных технологий и DevOps. Среди этих начинающих инженеров я заметил одну постоянную тему: они стремятся погрузиться в сложность облачных вычислений, но часто чувствуют себя подавленными огромным количеством доступных языков программирования и инструментов. Это осознание подтолкнуло меня к мысли о создании всеобъемлющего, но доступного руководства, которое прольет свет на основные языки программирования для тех, кто начинает свой путь в облачной инженерии.

Многие из нас посещали веб-сайты, прокручивали их и нажимали на них. Если веб-сайт интересен, вы, ребята, также можете отправить запрос на более подробную информацию о продукте в небольшой форме на веб-сайте, которая называется «Свяжитесь с нами».

Итак, сегодня давайте погрузимся в создание минимальной работающей серверной службы для формы обратной связи и сохранения этого запроса в нашей CRM, Hubspot.

В этом блоге мы разрабатываем модель логистической регрессии для выявления рака молочной железы, гарантируя при этом, что конфиденциальные медицинские данные, используемые для обучения модели, остаются конфиденциальными, используя платформу конфиденциальных вычислений Cape Privacy.

Задача данной статьи будем заключаться в создании безопасного приложения для анализа настроений с использованием TensorFlow Lite и применение его в системе безопасного облачного enclave Cape Privacy.

Давайте попробуем разработать модель случайного леса для обнаружения мошенничества с кредитными картами и развернем ее на платформе конфиденциальных вычислений Cape Privacy для выполнения безопасного вывода. Cape гарантирует, что как модель, так и проверенные транзакции по кредитной карте остаются конфиденциальными во время вывода.

Шпаргалка с различными командами для инструмента командной строки Google Cloud Platform (GCP) ( gcloud).