ဆောင်းပါးများ

Architecture ဆိုင်ရာ ဆုံးဖြတ်ချက်တွေကို လေ့လာခြင်း

CloudJi Project တွေကို ဘာကြောင့် အဲ့ဒီလို ဒီဇိုင်းလုပ်ထားလဲ၊ implementation နဲ့ operation မှာ ဘယ်လိုအားသာချက်တွေ၊ ကန့်သတ်ချက်တွေရှိလဲဆိုတာကို ရှင်းပြထားပါတယ်။ AI infrastructure ဆီကို အဆင့်ဆင့် တိုးတက်တည်ဆောက်သွားပုံနဲ့၊ တခြားစနစ်တွေမှာလည်း အသုံးချနိုင်မယ့် နည်းပညာအကြောင်းအရာတွေ ပါဝင်ပါတယ်။

The evolving from Traditional Search Platform to RAG, AI Infrastructure Platform

Core Projectဆိုင်ရာ ဆောင်းပါးများ

Core Project

Failure မဖြစ်ခင်ကတည်းက ကြိုတင်ဒီဇိုင်းဆွဲခြင်း →

ကောင်းမွန်သော architecture ဟာ incident မဖြစ်ခင်ကတည်းက ထိခိုက်မှုအတိုင်းအတာကို လျှော့ချပြီး recovery အတွက် ယုံကြည်မှုကို မြှင့်တင်ပေးပါတယ်။

Core Project

Idempotency မရှိလျှင် Retry တစ်ခုတည်းဖြင့် Reliability မရနိုင်ခြင်း →

Duplicate event တွေ ဖြစ်ပေါ်လေ့ရှိရတဲ့ အကြောင်းရင်းနဲ့ state ကို မပျက်စီးစေဘဲ worker က ဘယ်လို safely retry လုပ်သလဲဆိုတာ။

Core Project

မမျှော်လင့်ထားသော AWS Bill မဖြစ်စေဘဲ AI Infrastructure Lab တည်ဆောက်ခြင်း →

အသုံးပြုချိန်တိုသော environment၊ budget၊ teardown plan၊ ကုန်ကျစရိတ်များသော service နဲ့ local မှာ simulate လုပ်နိုင်မည့်အရာများ။

Standalone projects and experiments

Independent-Project ဆိုင်ရာ ဆောင်းပါးများ

Individual Project

DARWIN — နည်းပညာအကြောင်းအရာများကို ပြန်လည်လေ့ကျင့်နိုင်သော Hands-on Lab များအဖြစ် ပြောင်းလဲခြင်း →

Objective တစ်ခု၊ ရှင်းလင်းသော prerequisite၊ verification၊ troubleshooting နဲ့ cleanup တို့ကို အခြေခံပြီး lab တစ်ခုကို စနစ်တကျ ဖွဲ့စည်းရန် framework။

Foundational knowledge and infrastructure concepts that support multiple projects

Foundational Knowledge ဆိုင်ရာဆောင်းပါးများ

Fundamental Project

ကောင်းမွန်သော Observability ဆိုတာ ဘာလဲ →

Observability ၏ တန်ဖိုးဟာ data ပိုများများ စုဆောင်းခြင်းထက် operation ဆိုင်ရာ ဆုံးဖြတ်ချက်တွေကို ပိုမိုရှင်းလင်းစေခြင်းမှာ ရှိပါတယ်။

Fundamental Project

Scale တိုးလာသော်လည်း စနစ်တကျရှိသော Terraform Pattern များ →

Infrastructure code ရဲ့ structure နဲ့ dependency တွေကို သေချာဒီဇိုင်းဆွဲထားရင် team ကြီးထွားလာတာနဲ့အမျှ စနစ်တကျ တိုးချဲ့နိုင်ပါတယ်။