Tin tức 
Cho thuê thiết bị mạng
13/12/2021
Cài đặt cấu hình thiết bị mạng
13/12/2021
Gặp gỡ Marvis Minis: Cấp độ tối ưu hóa mạng tự vận hành tiếp theo là đây
20/04/2024Thông thường, các ticket xử lý sự cố là cách bộ phận CNTT đo lường trải nghiệm của người dùng. Tuy nhiên, đây có thể là số liệu không chính xác vì người dùng bực tức đôi khi ngừng gửi yêu cầu sau nhiều lần cố gắng khắc phục sự cố không thành công. Và có lẽ quan trọng hơn, chính cái tên đã hàm ý rằng người dùng phải gặp “rắc rối” trước khi yêu cầu trợ giúp. Sẽ tốt hơn nếu tìm ra các vấn đề dựa trên các số liệu định lượng mà người dùng không phải gặp bất kỳ khó khăn nào?
Cách linh hoạt nhất để triển khai và quản lý mạng hiệu suất cao cho khối lượng công việc AI
20/04/2024Cách linh hoạt nhất để triển khai và quản lý mạng hiệu suất cao cho khối lượng công việc AI
FOMO so với FOMU: Vượt qua những nỗi sợ hãi thực sự, có căn cứ về việc áp dụng AI cho doanh nghiệp
20/04/2024Với tất cả sự hào hứng về cách nó có thể giúp các doanh nghiệp hoạt động hiệu quả hơn và cải thiện năng suất hơn bao giờ hết, bạn sẽ không thể hoàn thành công việc của mình nếu không nghiêm túc tham gia vào công nghệ này. Tuy nhiên, những câu hỏi lớn vẫn xoay quanh sự thiên vị, quản trị và bảo mật. Điều này khiến các nhà lãnh đạo CNTT phải vật lộn với sự cân bằng giữa nỗi sợ bỏ lỡ (FOMO) và nỗi sợ gây rối (FOMU).
Juniper Networks đang thúc đẩy cuộc cách mạng AI-Native như thế nào và tại sao bạn nên quan tâm
20/04/2024Juniper Networks đang thúc đẩy cuộc cách mạng AI-Native như thế nào và tại sao bạn nên quan tâm
Yêu cầu gốc AI cho các mạng hiện đại
20/04/2024Đội ngũ vận hành của bạn có bị choáng ngợp bởi các cảnh báo và liên tục bị mắc kẹt trong chế độ phản ứng, chữa cháy không? Không có gì thắc mắc. Theo nghiên cứu gần đây được thực hiện bởi Enterprise Strategy Group (ESG), 73% tổ chức cho biết môi trường mạng của họ đã trở nên phức tạp hơn một chút hoặc nhiều so với chỉ hai năm trước.
AI/ML trên Ethernet
20/04/2024Trong lĩnh vực khối lượng công việc AI/ML, việc xử lý các tập dữ liệu lớn là một thách thức quan trọng. Việc giảm tải tính toán cho GPU giúp tăng tốc đáng kể nhiệm vụ này. Tuy nhiên, kích thước của dữ liệu và thông thường, mô hình (như với Mô hình ngôn ngữ lớn [LLM]), thường vượt quá dung lượng bộ nhớ của một GPU và thường cần nhiều GPU để đạt được thời gian hoàn thành công việc hợp lý, đặc biệt là cho đào tạo.