Zilliz a HackNC 2023
Halloweekend HackNC è stato fantastico quest'anno! Come alum, è stato super emozionante tornare a HackNC per la mia terza partecipazione. Quest'anno sono venuto a rappresentare Zilliz, tenere un workshop e fare un discorso keynote.
Ci sono state oltre 1.300 registrazioni (wow!), 650 hacker, una ottantina di progetti e UN vincitore per il Best Use of Zilliz! Congratulazioni vivissime al team “wellSpent”.
L'ispirazione per 'wellSpent' nasce da una domanda semplice: "Dove stanno andando i miei soldi?" Al suo centro, mostra un grafico a torta dinamico, offrendo agli utenti una rapida panoramica delle loro spese. Ma questo è solo l'inizio. L'app elenca tutte le transazioni, assicurandoti di non perdere mai di vista dove sia finito quel dollaro in più. Con funzionalità come pianificatore di viaggi, pianificatore del debito studentesco e altri pianificatori di spese, gli utenti possono prevedere, elaborare strategie e ottimizzare il loro futuro finanziario.
Quando è stato chiesto loro di cosa andassero fieri, il team ha detto:
Quando è stato chiesto loro di descrivere il loro progetto, il team ha detto:
Un grande ringraziamento agli organizzatori della University of North Carolina at Chapel Hill per questo fantastico HackNC! Sono davvero orgoglioso di tutti voi, ed è sempre bello vedere l'eccellenza dei colleghi TarHeels. Non vedo l'ora di tornare l'anno prossimo!
Continua a leggere

Introducing Functions and Model Inference on Zilliz Cloud: Automatic Embedding and Reranking with Hosted Models
Zilliz Cloud Functions auto-generate embeddings via OpenAI, Voyage AI, Cohere, or Zilliz Hosted Models. Built-in reranking — just insert text and search.

Zilliz Cloud Delivers Better Performance and Lower Costs with Arm Neoverse-based AWS Graviton
Zilliz Cloud adopts Arm-based AWS Graviton3 CPUs to cut costs, speed up AI vector search, and power billion-scale RAG and semantic search workloads.

Announcing VDBBench 1.0: Open-Source VectorDB Benchmarking with Your Real-World Production Workloads
Discover VDBBench 1.0, an open-source tool for benchmarking vector databases with real-world production data, streaming ingestion, and concurrent workloads.



