Datu analīzi un mašīnmācīšanos arvien biežāk izmanto katru dienu un uzņēmumi, kas mēģina piedzīvojumu, arī saskaras ar integrācijas problēmām kopumā. Lai risinātu šīs problēmas, IBM tikko ieviesa CodeFlare, atvērtā pirmkoda sistēma, kas ir balstīta uz RISE laboratorijas Ray izplatīto sistēmu no Kalifornijas Universitātes Bērklijā mašīnmācīšanās modeļiem.
codeflare mērķis ir vienkāršot AI atkārtošanas procesu ar īpašiem elementiem plūsmas mērogošanai no datu darba un izauga no projekta IBM grupā, kas atbild par vienas no pirmajām pasaulē 2 nanometru prototipa mikroshēmu izveidi.
IBM saka, ka CodeFlare palīdz vienkāršot lielo datu un mākslīgā intelekta darbplūsmu integrāciju un efektīvu mērogošanu daudzu mākoņu infrastruktūrās.
"CodeFlare lieto vienkāršotas mašīnmācīšanās jēdzienu ... vēl vienu soli tālāk, pārsniedzot atsevišķus soļus, lai vienmērīgi integrētu gala gala cauruļvadus ar datu zinātniekiem draudzīgu saskarni, piemēram, Python, nevis konteineriem," Priya Nagpurkar, Principal Hybrid Cloud IBM Research platforma, sacīja VentureBeat pa e-pastu ... atšķir sevi, vienkāršojot visu cauruļvadu integrāciju un mērogošanu ar vienotu izpildlaika un programmēšanas saskarni.
Emuāra ziņā IBM paskaidroja, ka mūsdienās mašīnmācīšanās modeļu izveide ir intensīvi manuāls uzdevums.. Pētniekiem vispirms ir jāapmāca un jāoptimizē modelis, kas ietver tādus uzdevumus kā datu tīrīšana, funkciju iegūšana un pēc tam modeļa optimizācija, un tieši šeit IBM teica, ka CodeFlare palīdz vienkāršot šo darbu.
Tā kā CodeFlare cauruļvada izveidošanai izmanto saskarni, kuras pamatā ir Python programmēšanas valoda, caur kuru ir vieglāk integrēt, paralēlizēt un koplietot datus. Pēc tam CodeFlare var izmantot, lai apvienotu cauruļvadu darbplūsmas vairākās mākoņdatošanas platformās, nemācot jaunu darbplūsmas valodu katram infrastruktūras veidam.
IBM teica cauruļvadi var izvietot jebkurā mākoņu infrastruktūrā, ieskaitot jauno IBM mākoņa koda dzinēju, kas ir bez servera platforma un Red Hat OpenShift, kā arī tas nodrošina arī adapterus notikumu izraisītājiem, piemēram, jauna faila ienākšanai, kas nozīmē, ka caurules var integrēt un izveidot savienojumu ar citām mākoņdatošanas ekosistēmām, sacīja IBM.
Turklāt tas arī ļauj datus ielādēt un sadalīt no daudziem avotiem, piemēram, mākoņu objektu krātuvēm, datu ezeriem un izplatītām failu sistēmām.
Galvenais ieguvums no CodeFlare izmantošanas jaunu mašīnmācīšanās projektu izveidē ir ātrums. Uzņēmums apgalvoja, ka tad, kad viens no tā lietotājiem lietoja CodeFlare, lai analizētu un optimizētu 100,000 15 cauruļvadu, lai apmācītu mašīnmācīšanās modeļus, tas samazināja katra darbības laiku no četrām stundām līdz tikai XNUMX minūtēm.
Ātrums ir svarīgs, paskaidroja IBM, jo datu kopas kļūst arvien lielākas, tas nozīmē, ka mašīnmācīšanās darbplūsmas kļūst arvien sarežģītākas. Tādējādi pētnieki tērē vairāk laika, lai konfigurētu savus iestatījumus, pirms viņi var paveikt lietas.
"IBM to cenšas, izmantojot CodeFlare atvērtā pirmkoda kodu kā sistēmu datu darbiniekiem un izstrādātājiem, lai izveidotu mākslīgā intelekta modeļus, kas var darboties uz jebkura mākoņa," sacīja Muellers. "CodeFlare darbojas ar RedHat OpenShift un no turienes sasniedz vairāku mākoņu iespējas."
IBM teica, ka:
CodeFlare šodien izmanto atvērto pirmkodu, un tas ir pieejams IBM repozitorijā vietnē GitHub, kā arī izlaiž vairākus CodeFlare cauruļvadu paraugus, kurus tā ir izveidojusi un kuri darbojas IBM Cloud un Red Hat OpenShift.
Beidzot ja jūs interesē uzzināt vairāk par to vai arī varat pārskatīt CodeFlare pirmkodu, to varat izdarīt no šīs saites.