Сайт для бизнеса — это легко!



Создание онлайн-магазина — проще, чем кажется
Несмотря на высокий уровень интернет-проникновения в России, многие до сих пор уверены в том, что создание собственного интернет-бизнеса — это всегда очень сложно. Мы пошагово расскажем, как легко и быстро запустить собственный онлайн-магазин или любую другую коммерческую площадку.

3 шага для вашего сайта
1. Регистрация домена. Сегодня любой сайт и бизнес начинается с регистрации домена. Выбор различных зон огромен: вы можете зарегистрировать домен, который будет очень точно отражать вашу сферу. Например, если вы хотите продавать кофе или различные аксессуары для любителей этого напитка, то вам лучше всего подойдёт домен .COFFEE. В свою очередь, для интернет-магазина модной одежды и обуви лучшим выбором станет веб-адрес в зоне .BOUTIQUE. Кроме того, вы можете воспользоваться сервисом REG.Pic, в котором искусственный интеллект подберёт вам подходящий домен.
pic.reg.ru
www.reg.ru/domain/new/

2. Создание сайта. Тут у вас также есть выбор: вы можете пойти по более простому пути — создать сайт в конструкторе или подобрать готовое решение на CMS, а можете заказать разработку сайта у веб-студии или фрилансера. Всё зависит от располагаемых ресурсов: если денег совсем нет, а стартовать хочется как можно скорее, то подойдёт и бесплатный конструктор сайтов.
www.reg.ru/web-sites/website-builder/
www.reg.ru/web-sites/

3. Добавление контента. Конечно, вы можете и сами написать тексты или красиво сфотографировать ваши товары. Но всё же лучше оставить это профессионалам. Проще всего специалиста будет найти на специальных фриланс-биржах, таких как Fl.ru, Freelance.ru, Weblancer.net, Text.ru и других.

Последние штрихи
Кроме домена, контента и платформы также важно позаботиться о защите сайта. Поэтому желательно подключить SSL-сертификат и антивирус VirusDie. Первый будет шифровать данные, которые передаются между браузером пользователя и вашим хостингом, а второй — защищать ваш сайт от различного вредоносного ПО.
www.reg.ru/web-sites/

Страхование хостинга: защитим сайт и обеспечим бесперебойную работу!



Страхование хостинга: защитим сайт и обеспечим бесперебойную работу!

Блокировка сайта — риск, который должен учитывать каждый предприниматель. Даже временная недоступность сайта может привести к крупным убыткам. Услуга «Страхование хостинга» поможет владельцам онлайн-бизнеса быстрее реагировать на жалобы и запросы о блокировке. Если от пользователей или организаций поступит жалоба на ваш сайт, мы максимально быстро свяжемся с вами и предоставим всю информацию. Вам нужно будет только прокомментировать жалобу или принять требуемые меры и сообщить об этом нам.
www.reg.ru/user/welcomepage

Выявление болезни Альцгеймера по речи пациента с помощью ИИ



Искусственный интеллект — не только голосовые ассистенты и роботы-художники. Сегодня машинное обучение готово приносить пользу всему человечеству, сохраняя здоровье людей. Компания REG.RU открывает цикл статей о вычислительных методах диагностики и лечении различных заболеваний.

Болезнь Альцгеймера (БА) — нейродегеративное заболевание, которым страдают десятки миллионов пожилых людей во всём мире. Только в США ежегодные расходы на лечение этой болезни составляют до 290 миллиардов долларов. Разработка и применение методов выявления БА по речи человека полностью возложены на опытных врачей. Облегчить им задачу могут стандартные технологии машинного обучения, которые применяются для обнаружения скрытых пространств (latent spaces) в данных. Предлагаем вам ознакомиться с переводом статьи о разработке метода выявления этой болезни.

Описание проблемы и задачи
Основная цель — научиться анализировать фразы, сказанные пациентом, и выделять из них особые признаки, указывающие на присутствие болезни. Признаки отдельных слов состоят из семантической, морфологической и синтаксической информации. Задача тематического моделирования (тематизации) — вместе с этими признаками обнаружить также скрытые семантические структуры. Раньше для решения этой проблемы применялся сложный метод обширного преобразования признаков (extensive feature engineering, EFE). Но современные алгоритмы машинного обучения могут обнаруживать скрытые пространства в данных без применения EFE.

В основе разработанной модели лежит Латентное размещение Дирихле (Latent Dirichlet allocation, LDA). Оно использует статистику наборов слов (bag-of-words) и позволяет определить тематику текстов на основе скрытых переменных. В LDA каждый документ рассматривается как распределение вероятностей по темам, а каждая тема — распределение вероятностей по всем словам в словаре. Предполагается, что оба в качестве априори имеют распределение Дирихле.

Для семантического анализа слов существует программный инструмент word2vec, который основан на векторном представлении слов и дистрибутивной семантике. Авторы предположили, что создание гибрида моделей LDA и word2vec позволит выявлять отличительные признаки речи при заболевании Альцгеймера. Было создано три новых варианта гибридных моделей. Общий принцип их работы заключается в следующем: сначала исследуется тематическое распределение слов в модели LDA, а затем полученная информация включается в модель word2vec в процессе её обучения.

Модели обучаются на стандартных датасетах, и после этого применяются для классификации медицинских данных. Такая архитектура может применяться и для других проблем классификации текста, а не только для выявления БА.

Цели проекта состоят в следующем:
  • эффективно дополнить word2vec латентным размещением Дирихле для классификации;
  • повысить точность выявления болезни с помощью автоматических методов.

Подробнее
www.reg.ru/blog/detection-of-alzheimers-disease-by-the-patients-speech-with-ai/

Проверка идеи для стартапа: только рабочие методики



В прошлом материале в нашем блоге мы рассмотрели основные способы генерации идей для стартапов. Но теория без практики — ничто! В этой статье мы расскажем, как правильно проверить вашу гениальную и уникальную идею на жизнеспособность.

Прежде всего, задайте себе вопрос: «Что перестанут (или, наоборот, начнут) делать люди благодаря вашему продукту или услуге?» Насколько изменится их поведение и от чего они откажутся? Если эффект получается значительным — это хорошо. Если оказалось, что ничего нового, удобного, дешёвого или более качественного ваш продукт не даёт, а просто он вам нравится, круто выглядит, но повторяет уже имеющееся решение, стоит подумать ещё. Чтобы вовремя это понять, попробуйте подставить вашу идею в следующую формулу:

1. [Такие-то люди или компании] сейчас тратят деньги на [статья расходов].
2. Наш главный конкурент — [компания, продукты которой используют чаще всего].
3. Мы заменим главного конкурента за счёт того, что будем лучше по [важному для потребителя параметру в этой статье расходов].
4. Мы добьёмся этого за счёт того, что [делаем вот это по-другому, не как они].

Если идея вписывается в эту формулировку, у неё есть шанс закрепиться. Приступайте к полевым испытаниям, чтобы проверить, насколько ваш «Франкенштейн» жизнеспособен. Для этого придётся инициировать первые контакты клиента с продуктом, чтобы понять, нужен он кому-то или обречён на провал.



Даже если есть ресурсы, не стоит сразу браться за создания финальной версии продукта. Нельзя действовать по принципу «выпустим, а покупатель найдётся». Всегда логичнее создавать то, в чём есть потребность. Для этого логичнее выпустить MVP.

MVP — Minimal Viable Product — минимально жизнеспособный продукт. По сути, прототип финального изобретения, но с минимальным количеством функций, достаточным, чтобы проверить востребованность среди покупателей. Это важный и обязательный этап, но нельзя приступать к нему без минимального анализа рынка. Так вы рискуете сделать прототип, который будет удовлетворять потребности разработчиков, а не потребителей.

Провести опрос
Самый простой, но не самый достоверный вариант. Особенно, если опрос проводится среди знакомых ближнего круга. На этой стадии интервьюеры часто допускают одну и ту же ошибку: готовят закрытые вопросы, давая респондентам варианты ответов, а не слушая об их опыте использования продукта. Почему все так любят закрытые вопросы? Потому что закрытый вопрос — результат нашего домысливания. Он просто ближе к нашему мнению, которое мы подсознательно проецируем на оппонента. Это плохо. Вопрос должен быть открытым.

Какой вопрос считается открытым? Тот, на который нельзя дать односложный ответ. К которому нельзя подстроиться, а надо аргументировать, формулировать собственное видение проблемы. Открытые вопросы начинаются со слов: «почему», «как», «что», «опишите», «расскажите».

Частный случай беседы с открытыми вопросами — стратегия «пяти „почему“». Главная задача этой техники — выяснить первопричины, понять, почему вашему потенциальному клиенту не нравится товар и правильно отработать возражения. Для этого последовательно задаются 5 вопросов:

1. — Почему вам не нравится игра?
— Она сложная.
2. — Почему вы посчитали её сложной?
— Не смог пройти уровень.
3. — Почему вы не смогли пройти уровень?
— Не хватило жизней.
4. — Почему не хватило жизней?
— Не смог купить достаточно таблеток.
5. — Почему не смогли купить?
— Потому что слишком долго собирать золото.

Простой вывод: игроки отказываются от игры, потому что она слишком монотонная на предыдущем уровне, а не потому что сложная на следующем.

Создать фейковый лендинг


Landing Page — посадочная страница, которая сосредоточена вокруг целевого предложения для определённой аудитории. Она описывает продукт или услугу, объясняет преимущества и, что главное, обязательно содержит CTA-кнопку: купить, заказать, записаться на тест, оставить данные, получить бесплатную консультацию. Но продукта пока нет, поэтому лендинг будет, по сути, ненастоящим. Делаем лендинг по проверенной схеме, а потом смотрим, насколько предложение интересно, как часто люди кликают по CTA-элементам.

Регистрируем домен. Придумываем или заказываем текст-описание, делаем яркие фотографии продукта, расставляем заметные CTA-кнопки и формы захвата. Подключаем аналитику, настраиваем рекламу и анализируем активность на странице. Проводим А/В тестирование.

Иногда стратегия фейкового лендинга преподносится как smoke-тестирование. Главное — разработать минимально жизнеспособное предложение и узнать реакцию на него клиента на реальном трафике. Если есть база подписчиков, вместо лендинга можно использовать email-рассылку.

Провести спринт-разработку


Метод отлично подходит тем, кто медленно запрягает и потом ещё медленнее едет. Его используют для тестирования своих продуктов в Google и Slack. Основной принцип — имитировать скорый дедлайн и заставить мозги работать на 100%. Спринт — это 5 рабочих дней, когда ваша команда должна успеть выбрать решение, сделать прототип и получить обратную связь от клиентов. Для этого в команду обычно включают распорядителя, специалистов по финансам и логистике, инженеров, дизайнеров.

В понедельник выбираем долгосрочную цель. Для этого отвечаем на вопросы, почему мы вообще взялись за проект и где хотим оказаться через полгода-год. Поставленную цель записываем на доске. Далее слева на доске пишем группы клиентов, а справа — конечную цель (покупка продукта, подписка, регистрация). Между ними стрелками обозначаем все взаимодействия.

Понимание того, как клиент взаимодействует с продуктом, рождает вопросы, как эти стадии можно улучшить. Чем их больше, тем лучше. В конце понедельника вам надо выбрать одного целевого клиента и целевое событие, которое требуется прокачать. Над ними и будет вестись работа.

Вторник начинается с поиска решений для выбранного события. В идеале нарисовать скетчи — три стадии взаимодействия с продуктом по каждому решению.

В среду утром голосуем за лучшую идею, начинаем подбирать респондентов для пятничного теста. К вечеру должен быть готов сториборд — 10−15 кадров. Первый — момент, когда человек впервые видит рекламу, лендинг, иконку в AppStore.

В четверг отрисованный сториборд превращается в быстрый прототип. Не пытайтесь создать реальный продукт, ограничьтесь фасадом. Используйте Marvel, InVision, Keynote или PowerPoint, чтобы отобразить все стадии работы от первого и до последнего экрана.

В пятницу интервьюер работает с целевой аудиторией, а команда отмечает для себя, как реагируют респонденты, всё ли им понятно, правильно ли в начале спринта определили проблему.

Что нужно запомнить
  1. Не пытайтесь совсем уйти от конкуренции. Где нет конкуренции, там, скорее всего, нет денег
  2. Придумывая идею, анализируйте уже сформированные потребности людей. Посмотрите, как их можно удовлетворить быстрее, удобнее или дешевле.
  3. Не повторяйте то, что уже есть на рынке.
  4. Используйте для мозгового штурма проверенные алгоритмы («6 шляп мышления», матрица стартапов, ТРИЗ).
  5. Всегда проверяйте минимальную эффективность решения, прежде чем запустить его в производство.

⌘⌘⌘

Помните, что вас окружают идеи и возможности. Важно только уметь найти их и воплотить в жизнь. Расширяйте свой кругозор, общайтесь с интересными людьми, читайте книги, путешествуйте, и тогда вы обязательно найдёте идею, которая станет делом вашей жизни!

www.reg.ru

10 WordPress-плагинов, которые прокачают ваш сайт



WordPress, без сомнения, великолепная система, сделавшая управление сайтом гораздо понятнее простому пользователю. Сейчас любой может бесплатно скачать дистрибутив системы, установить подходящую тему и получить современный сайт. Всё просто и легко — без кода, макетов и прочих сложностей.

Тем не менее стандартная функциональность этой CMS не всегда может удовлетворить пользователей. Для одних это могут быть мелочи, а для других — необходимые для работы или ведения бизнеса элементы.

К счастью, WordPress позволяет очень легко расширить стандартные возможности дополнительными модулями. В этом материале мы собрали 10 самых полезных, по нашему мнению, плагинов.

Обратите внимание, что это подборка, а не топ: если модуль находится на первой строчке, это не значит, что он лучший из представленных.

Подробнее
www.reg.ru/blog/top-worpress-plaginov/

Взлом капчи за 0.05 секунд с помощью Машинного Обучения



Оказывается, нейросети уже давно могут «притворяться» людьми — рассказываем про новую модель генеративно-состязательной сети (GAN), которая распознаёт системы CAPTCHA на 32 посещаемых веб-сайтах.
Автор: Roberto Iriondo, Machine Learning Department of Carnegie Mellon University

ДИСКЛЕЙМЕР

Текст данной статьи приведен исключительно в образовательных целях для информирования пользователей о возможных уязвимостях при разработке сайтов. Информация предоставляется в целях противодействия эксплуатации уязвимостей. Редакция сайта не поддерживает никакие виды противозаконной деятельности в сети Интернет.

Никто не любит капчи (в смысле, никто из людей, ведь у ботов нет эмоций) — надоедливые картинки с трудно читаемым текстом, который вы должны ввести для доступа к чему-либо в интернете. CAPTCHA (Completely Automated Public Turing tests to tell Computers and Humans Apart) разработана для того, чтобы автоматические программы не могли злонамеренно использовать онлайн-контент (заполнять формы, запрашивать доступ к закрытым файлам, многократно заходить на один и тот же сайт и т. д.). Она должна убедиться, что вы человек, а не бот. Тем не менее, в прошлом были попытки доказать несовершенство систем CAPTCHA. Но ни одна из них не была настолько же точной и быстрой, как алгоритм машинного обучения, предложенный группой исследователей из университета Ланкастера, Северо-Западного университета и Пекинского университета.

Схема алгоритма:


Исследователи используют небольшой набор несинтезированных капч для обучения синтезатора CAPTCHA. Синтезатор (1) используется для генерации синтетических CAPTCHA (2), которые применяются для обучения базового решателя (base solver) (3). Base solver затем совершенствуется для создания точно настроенного решателя (fine-tuned solver) несинтезированных капч.
Одним из первых известных людей, которые продемонстрировали уязвимость CAPTCHA, был Эдриан Роузброк. В своей книге «Deep Learning for Computer Vision with Python» Эдриан рассказывает, как он обошёл системы CAPTCHA на сайте E-ZPass New York. Для обучения своей глубокой модели он использовал большой набор изображений с примерами CAPTCHA.

Основное отличие решения Адриана от подхода учёных из Ланкастера, Северо-Западного университета и Пекина — последние не использовали набор данных с примерами, а синтезировали CAPTCHA с помощью генеративно-состязательной сети (GAN). Почти вся обучающая выборка состояла из сгенерированных капч, и лишь небольшая часть — из реальных.

Генеративно-состязательные сети, представленные Яном Гудфеллоу вместе с другими учёными — это глубокие архитектуры, состоящие из двух нейросетей. Эти сети «соревнуются» друг с другом в игре с нулевой суммой (zero-sum game) и синтезируют образцы, близкие к подлинным. Это может быть очень полезно в случае, когда модель не имеет доступа к большому набору данных.

Исследователи оценили свой подход с помощью 33 текстовых схем CAPTCHA, 11 из которых в настоящее время используют 32 самых популярных веб-сайта по данным Alexa. Туда входят схемы Google, Microsoft, eBay, Wikipedia, Baidu и многие другие. Модели, создаваемой для работы с этими системами, понадобилось всего 500 реальных капч, в то время как другим (в том числе модели Эдриана) требовались миллионы примеров.

Сеть GAN инициализируется с учётом параметров безопасности капчи, показанных на рисунке:


Затем она генерирует партию CAPTCHA, чтобы обучить синтезатор с помощью 500 реальных изображений из различных схем капч:

Список текстовых схем капчи, используемых в качестве обучающих данных для синтезатора и тестовых данных для решателя

Исследователи использовали 20 тыс. капч для обучения модели Preprocessing и 200 тыс. сгенерированных капч для обучения базового решателя.

Прототип создан с помощью Python, модель Preprocessing построена в приложении Pix2Pix, которое реализовано с помощью TensorFlow. Точно настроенный решатель сделан с помощью Keras.

Реальные Google CAPTCHA и сгенерированные версии, созданные синтезатором CAPTCHA

После обучения GAN со сгенерированными и реальными капчами, решатель CAPTCHA использовался для атаки на системы защиты таких сайтов как Megaupload, Blizzard, Authorize, Captcha.net, Baidu, QQ, reCaptcha, Wikipedia и т. д. Большинство капч было определено с точностью около 80%, а на сайтах Blizzard, Megaupload и Authorize.net — 100%. Этот метод оказался более точным, чем все предыдущие решения, в которых использовались большие несинтезированные наборы обучающих данных.

Сравнение решателя CAPTCHA с четырьмя другими методами

Помимо увеличения точности, исследователи упоминают в статье, что их подход также оказался более эффективным и не таким дорогостоящим, как другие решения. Это первая GAN-нейросеть для распознавания капч с открытым исходным кодом — отсюда её эффективность и дешевизна.

Однако, у модели есть некоторые ограничения: например, капчи с переменным количеством символов. В текущем подходе используется фиксированное число — если его увеличить, то прототип не будет работать. Ещё модель не поддерживает многословные и фото- или видео-капчи. В теории её можно обучить так, чтобы избавиться от этих ограничений, но пока что они присутствуют.

Посещаемым веб-сайтам следует использовать более надёжные способы защиты своих систем, такие как меры по обнаружению ботов, диагностика кибербезопасности и аналитика. Следует также поддерживать отслеживание местоположения устройства, его тип, используемый браузер и т. д., поскольку теперь сайты стали ещё более лёгкой мишенью для атаки.

www.reg.ru

Как начать работу с Keras, Deep Learning и Python



Специально для тех, кто только начинает осваивать Deep Learning и нейронные сети, мы подготовили перевод очень полезной статьи. Из неё вы узнаете, как использовать библиотеку Keras для обучения своей первой нейронной сети с собственным набором изображений, а также сможете создать свёрточную нейронную сеть (CNN).

Большинство учебных пособий по Keras основаны на работе со стандартными датасетами, такими как MNIST (распознавание рукописного ввода цифр) или CIFAR-10 (распознавание базовых объектов). Они помогут вам начать использовать Keras, но не смогут научить работать с собственными наборами изображений — вы просто будете вызывать вспомогательные функции для загрузки предварительно скомпилированных датасетов.

Поэтому вместо того, чтобы вновь обращаться к предкомпилированным датасетам, мы рассмотрим, как обучить вашу первую нейронную сеть и CNN на оригинальном наборе изображений, как этого и требуют реальные задачи.

Содержание
1. Установка Keras и другого необходимого ПО
2. Загрузка ваших данных с диска
3. Разбиение их на обучающую и тестовую выборки
4. Определение архитектуры вашей модели Keras
5. Компиляция вашей модели
6. Обучение модели
7. Оценка модели на тестовой выборке
8. Распознавание изображений с использованием обученной модели
9. Бонус: обучение свёрточной нейронной сети
www.reg.ru/blog/keras/

7 необычных доменных имён, которые вы можете зарегистрировать прямо сейчас



Нейминг проекта — сложная задача. Особенно, когда нужно придумать красивое название для сайта быстро. Вы можете потратить часы или даже дни на выбор домена, который запомнится пользователям. Или вам достаточно ознакомиться с новым выпуском «Охотников за доменами», выбрать свободный адрес и сэкономить время.

1. IVANOVA.BLOG (стоимость — 1 832 рубля, продление — 2 987 рублей). Распространённую фамилию «Иванова» мы поставили для примера: вместо неё вы можете подставить свою фамилию или имя и использовать этот адрес для своего блога.

2. FALAFEL.CAFE (стоимость — 1 954 рубля, продление — 3 186 рублей). Фалафель — распространённое восточное блюдо, у которого также много фанатов в России.

3. ICE-AND-FIRE.RU (стоимость — 199 рублей, продление — 899 рублей). Сериал «Игра престолов», основанный на цикле книг «Песнь Льда и Пламени», совсем скоро закончится. Тем не менее, по словам представителей телеканала HBO, ещё будут выходить спин-оффы. Поэтому такой домен отлично подойдёт для фанатского сайта саги или специализированного новостного ресурса.

4. MIXFIGHT.FANS (стоимость — 4 071 рубль, продление — 6 638 рублей). Смешанные боевые искусства — популярный вид спорта. У него огромная армия фанатов, и каждый значительный бой пристально освещают даже непрофильные СМИ.

5. JAZZBROTHERS.BAND (стоимость — 1 531 рубль, продление — 2 496 рублей). Отлично название для сайта джаз-бэнда!

6. KOTLIN.MONSTER (стоимость — 709 рублей, продление — 1 156 рублей). Домен подойдёт использующему язык Kotlin разработчику, который желает, чтобы все узнали, насколько он хорош в своём деле.

7. VR-AR.DIGITAL (стоимость — 1 832 рубля, продление — 2 987 рублей). Адрес подойдёт как для профильного сайта программистов, разрабатывающих VR- и AR-приложения, так и для развлекательного или новостного ресурса.

⌘⌘⌘

Если вы не нашли в подборке подходящий домен для вашей сферы, пишите в комментарии. В следующем выпуске «Охотников за доменами» мы обязательно найдём что-нибудь подходящее.

www.reg.ru

Облачные вычисления на GPU NVIDIA: новые тарифы и открытое бета-тестирование!



Облачные вычисления на GPU NVIDIA: новые тарифы и открытое бета-тестирование!
Облачные вычисления на GPU — программно-аппаратная платформа на базе мощных графических ускорителей NVIDIA Tesla V100, разработанных специально для машинного обучения, анализа больших массивов данных и высоконагруженных вычислений. REG.RU запускает бета-тест новых тарифов данной услуги. Ключевые критерии выбора — объём данных клиента и необходимая мощность GPU. Чем больше память GPU, тем больший объём она способна переработать. В зависимости от задачи, каждый сможет найти подходящее решение.
www.reg.ru/cloud-services/cloud_gpu

Облачные вычисления на GPU NVIDIA от REG.RU: новые тарифы и переход в открытое бета-тестирование



Крупнейший российский хостинг-провайдер и регистратор доменов REG.RU в формате открытого бета-тестирования запускает новые тарифы для услуги «Облачные вычисления на GPU». Инфраструктурный партнёр продукта — производитель графических ускорителей NVIDIA.

Облачные вычисления на GPU — программно-аппаратная платформа на базе мощных графических ускорителей NVIDIA Tesla V100, разработанных специально для машинного обучения, анализа больших массивов данных и высоконагруженных вычислений. В течение последнего года REG.RU тестировал услугу, изучал пользовательский опыт и спрос, идентифицировал потребности клиентов и в результате запускает бета-тест новых тарифов для облачных вычислений.

Ключевые критерии выбора тарифа — объём данных клиента и необходимая мощность GPU. Чем больше память GPU, тем больший объём она способна переработать. GPU-7 и GPU-8 позволяют использовать сразу несколько графических ускорителей для максимально быстрых расчётов. В зависимости от задачи, каждый сможет найти подходящее решение: владельцы стартапов и предприниматели, программисты и разработчики, студенты, научные сотрудники и многие другие.

Через панель управления услугой клиент может самостоятельно разворачивать и удалять серверы, выбирать преднастроенные шаблоны виртуального окружения с Ubuntu или Windows и производить базовые действия с услугой. Благодаря режиму почасовой оплаты можно включать вычисления только на тот период, на который требуется графический ускоритель (GPU). На время бета-тестирования, до 1 июня 2019 года, стоимость составит от 90 рублей за час работы.

Подробнее о тарифных планах можно узнать на странице услуги: www.reg.ru/cloud-services/cloud_gpu Если ни один из них по каким-то причинам не подходит, можно оставить заявку в специальной форме и менеджеры создадут индивидуальную конфигурацию и тариф.

Выбирая облачные вычисления на GPU от REG.RU, пользователи получают доступ к NVIDIA GPU Cloud — каталогу программных инструментов для искусственного интеллекта, машинного обучения, НРС и используют мощность GPU NVIDIA на локальных и облачных системах. Предварительно интегрированные контейнеры включают в себя рекордный программный стек NVIDIA AI, в том числе NVIDIA CUDA Toolkit, библиотеки глубокого обучения NVIDIA и ведущие интеллектуальные программные инструменты.

Облачные вычисления на GPU — это во многом эксперимент, который показал отличные результаты! В течение года мы тестировали продукт, предоставляли его участникам хакатонов, изучали спрос и отклики. Разработка понятной и устойчивой тарифной сетки и выход в открытое бета-тестирование — это ещё один шаг в развитии нашей услуги
комментирует генеральный директор REG.RU Алексей Королюк.

Мощные вычислительные платформы сегодня востребованы не только в сфере исследований, но и в бизнесе. Доступ к вычислениям в облаке и наличие необходимых программных инструментов обеспечивают компании разного масштаба всеми необходимыми ресурсами для реализации самых смелых идей
отмечает Дмитрий Конягин, руководитель направления Enterprise-решений в NVIDIA Россия



www.reg.ru/cloud-services/cloud_gpu