ניתוח נתונים ולמידת מכונה משמשים יותר ויותר מדי יום וחברות שמנסות את ההרפתקה מתמודדות עם בעיות אינטגרציה באופן כללי. כדי לעמוד באתגרים אלה, IBM הציגה זה עתה את CodeFlare, מסגרת קוד פתוח, אשר מבוסס על המערכת המופצת של מעבדת RISE מאוניברסיטת קליפורניה בברקלי למודלים של למידת מכונה.
codeflare מטרתו לפשט את תהליך החזרת AI עם אלמנטים ספציפיים להרחבת הזרימות של עבודת נתונים וצמח מפרויקט בקבוצת IBM האחראי על יצירת אחד משבבי האב טיפוס הראשונים בעולם עם 2 ננומטר.
IBM אומרת ש- CodeFlare מסייע בפשטות אינטגרציה וקנה מידה יעיל של תהליכי עבודה של ביג דאטה ובינה מלאכותית בתשתיות מרובות עננים.
"CodeFlare לוקח את הרעיון של למידת מכונה פשוטה ... צעד אחד קדימה, מעבר לצעדים מבודדים כדי לשלב בצורה חלקה צינורות מקצה לקצה עם ממשק ידידותי למדעי נתונים כגון פייתון, ולא מכולות", פרייה נגפורקר, ענן היברידי ראשי. פלטפורמה ב- IBM Research, אמר VentureBeat באמצעות דוא"ל ... מבדיל את עצמו על ידי פישוט שילוב וקנה המידה של צינורות שלמים עם ממשק זמן ריצה ותכנות אחיד.
בפוסט בבלוג, יבמ הסבירה כי יצירת מודלים של למידת מכונה בימינו היא משימה ידנית מאוד.. תחילה על החוקרים להכשיר ולבצע אופטימיזציה של מודל, שכולל משימות כמו ניקוי נתונים, מיצוי תכונות ואז אופטימיזציה של מודל, וכאן יבמ אמרה ש- CodeFlare מסייע לפשט את העבודה הזו.
מכיוון ש- CodeFlare משתמש בממשק המבוסס על שפת התכנות של פייתון כדי ליצור צינור, דרכו קל יותר לשלב, להקביל ולשתף נתונים. לאחר מכן ניתן להשתמש ב- CodeFlare לאיחוד זרימות עבודה בצנרת על פני מספר פלטפורמות מחשוב ענן, מבלי ללמוד שפת זרימת עבודה חדשה לכל סוג תשתית.
יבמ אמרה כי הצינורות ניתן לפרוס בכל תשתית ענן, כולל מנוע קוד הענן החדש של IBM, שהיא פלטפורמה ללא שרת ו- Red Hat OpenShift, בנוסף היא מספקת מתאמים להפעלת אירועים, כמו למשל הגעת קובץ חדש, מה שאומר שהצינורות יכולים להשתלב ולהתחבר למערכות אקולוגיות אחרות שמקורן בענן, אמר IBM.
יתר על כן, הוא גם מאפשר לטעון ולחלק נתונים ממקורות רבים, כגון חנויות אובייקטים בענן, אגמי נתונים ומערכות קבצים מבוזרות.
היתרון העיקרי בשימוש ב- CodeFlare להקמת פרויקטים חדשים של למידת מכונה הוא מהירות. החברה טענה כי כאשר אחד ממשתמשיה יישם את CodeFlare לניתוח וביצוע אופטימיזציה של 100,000 צינורות להכשרת מודלים של למידת מכונה, היא הפחיתה את זמן ההרצה כל אחד מארבע שעות ל -15 דקות בלבד.
מהירות חשובה, הסבירה יבמ, מכיוון שמערכי הנתונים הולכים וגדלים, מה שאומר שזרימות העבודה של למידת מכונה הופכות מורכבות ומורכבות יותר. ככאלה, חוקרים משקיעים יותר זמן בתצורת ההגדרות שלהם לפני שהם יכולים לבצע דברים.
"יבמ רודפת זאת באמצעות קוד הקוד הפתוח של CodeFlare כמסגרת לעובדי נתונים ומפתחים ליצירת מודלים של בינה מלאכותית שיכולים לפעול בכל ענן", אמר מולר. "CodeFlare פועל ב- RedHat OpenShift ומשיג יכולת רב ענן משם."
יבמ אמרה כי:
CodeFlare עומד להיות קוד פתוח היום והוא זמין במאגר IBM ב- GitHub, בנוסף הוא משחרר כמה דוגמאות של צינורות CodeFlare שהיא יצרה ופועלים ב- IBM Cloud ו- Red Hat OpenShift.
בסופו של דבר אם אתה מעוניין לדעת יותר על כך או להיות מסוגל לעיין בקוד המקור של CodeFlare, אתה יכול לעשות את זה מהקישור הבא.