Data-analytiikkaa ja koneoppimista käytetään yhä enemmän joka päivä ja seikkailua yrittävät yritykset kohtaavat myös integraatio-ongelmia yleensä. Vastatakseen näihin haasteisiin IBM esitteli juuri CodeFlaren, avoimen lähdekoodin kehys, joka perustuu RISE-laboratorion Ray-hajautettuun järjestelmään Kalifornian yliopistosta Berkeleyssä koneoppimismalleja varten.
codeflare Tavoitteena on yksinkertaistaa tekoälyn iterointiprosessia erityisillä elementeillä virtausten skaalaamiseksi ja kasvoi IBM: n projektista, joka on vastuussa yhden maailman ensimmäisten 2 nanometrin prototyyppisirujen luomisesta.
IBM: n mukaan CodeFlare auttaa yksinkertaistamaan isojen tietojen ja tekoälyn työnkulkujen integrointia ja tehokasta skaalausta monipilvi-infrastruktuureissa.
"CodeFlare vie yksinkertaistetun koneoppimisen käsitteen ... yhden askeleen pidemmälle, ylittäen yksittäiset vaiheet integroimalla saumattomasti päästä päähän johtavat putkistot datatieteilijöille sopivaan käyttöliittymään, kuten Pythoniin, ei kontteihin", Priya Nagpurkar, Principal Hybrid Cloud IBM Researchin alusta, VentureBeat sanoi sähköpostitse ... eroaa itsestään yksinkertaistamalla kokonaisen putkilinjan integrointia ja skaalausta yhtenäisellä ajon- ja ohjelmointirajapinnalla. "
Blogikirjoituksessa IBM selitti, että koneoppimismallien luominen nykyään on erittäin manuaalinen tehtävä.. Tutkijoiden on ensin koulutettava ja optimoitava malli, johon kuuluu tehtäviä, kuten tietojen puhdistus, ominaisuuksien poiminta ja sitten mallien optimointi, ja IBM: n mukaan CodeFlare auttaa yksinkertaistamaan tätä työtä.
Koska CodeFlare käyttää python-ohjelmointikieleen perustuvaa käyttöliittymää putkilinjan luomiseen, jonka kautta on helpompaa integroida, rinnastaa ja jakaa tietoja. CodeFlare-tiedostoa voidaan sitten käyttää putkilinjan työnkulkujen yhdistämiseen useissa pilvipalvelualustoissa ilman uuden työnkulun kielen oppimista jokaiselle infrastruktuurityypille.
IBM sanoi putkilinjat voidaan ottaa käyttöön missä tahansa pilvi-infrastruktuurissa, mukaan lukien uusi IBM Cloud Code Engine, joka on palvelimeton alusta ja Red Hat OpenShift, sekä se tarjoaa myös sovittimia tapahtumakäynnistimille, kuten uuden tiedoston saapumiselle, mikä tarkoittaa, että putket voivat integroitua ja muodostaa yhteyden muihin pilvipohjaisiin ekosysteemeihin, IBM sanoi.
Lisäksi se mahdollistaa myös datan lataamisen ja jakamisen lukuisista lähteistä, kuten pilviobjektivarastoista, datasäikeistä ja hajautetuista tiedostojärjestelmistä.
Suurin hyöty CodeFlaren käytöstä uusien koneoppimisprojektien luomisessa on nopeus. Yritys väitti, että kun yksi sen käyttäjistä käytti CodeFlarea analysoimaan ja optimoimalla 100,000 15 putkistoa koneoppimismallien kouluttamiseksi, se lyhensi ajoaikaa neljästä tunnista vain XNUMX minuuttiin.
Nopeus on tärkeää, IBM selitti, koska tietojoukot kasvavat ja kasvavat, mikä tarkoittaa, että koneoppimisen työnkulut ovat monimutkaisempia ja monimutkaisempia. Sellaisena tutkijat viettävät enemmän aikaa asetustensa konfigurointiin, ennen kuin he voivat tehdä asioita.
"IBM pyrkii tähän käyttämällä avoimen lähdekoodin CodeFlarea kehyksenä datatyöntekijöille ja kehittäjille rakentaakseen tekoälyn malleja, jotka voivat toimia missä tahansa pilvessä", sanoi Mueller. "CodeFlare toimii RedHat OpenShift -laitteella ja saavuttaa monipilvitoimintonsa sieltä."
IBM sanoi, että:
CodeFlare on menossa avoimeen lähdekoodiin tänään, ja se on saatavana IBM: n GitHub-tietovarastossa. Lisäksi se julkaisee useita näytteitä luomistaan CodeFlare-putkistoista, jotka toimivat IBM Cloud- ja Red Hat OpenShift -ohjelmassa.
Vihdoin jos olet kiinnostunut tietämään siitä lisää tai pystyä tarkistamaan CodeFlaren lähdekoodin, voit tehdä sen seuraavasta linkistä.