Аналитика података и машинско учење све се више користе свакодневно а компаније које покушавају авантуру такође се суочавају са проблемима интеграције уопште. Да би се суочили са овим изазовима, ИБМ је управо представио ЦодеФларе, оквир отвореног кода, који заснован је на Раи дистрибуираном систему из РИСЕ лабораторије са Универзитета Калифорнија у Берклију за моделе машинског учења.
ЦодеФларе има за циљ да поједностави поступак итерације АИ са одређеним елементима за скалирање токова података раде и израстао је из пројекта у групи ИБМ одговорној за стварање једног од првих 2-нанометарских прототипских чипова на свету.
ИБМ каже да ЦодеФларе помаже у поједностављивању интеграције и ефикасног скалирања токова великих података и вештачке интелигенције у инфраструктури више облака.
„ЦодеФларе узима појам поједностављеног машинског учења ... корак даље, превазилазећи изоловане кораке да би неприметно интегрисао цевоводе од краја до краја са интерфејсом прилагођеним научницима података као што је Питхон, а не контејнери“, Прииа Нагпуркар, Принципал Хибрид Цлоуд Платформа у ИБМ Ресеарцх-у, рекао је ВентуреБеат путем е-поште ... разликује се поједностављивањем интеграције и скалирања целих цевовода с јединственим интерфејсом за извршавање и програмирање.
У посту на блогу, ИБМ је објаснио да је стварање модела машинског учења данас интензивно ручни задатак.. Истраживачи прво морају обучити и оптимизирати модел, који укључује задатке као што су чишћење података, издвајање карактеристика, а затим оптимизација модела, и ту ИБМ каже да ЦодеФларе помаже у поједностављивању овог рада.
Пошто ЦодеФларе користи интерфејс заснован на програмском језику Питхон за стварање цевовода, путем којих је лакше интегрисати, паралелизовати и делити податке. ЦодеФларе се затим може користити за обједињавање токова цевовода преко више платформи рачунара у облаку, без учења новог језика тока посла за сваку врсту инфраструктуре.
ИБМ је рекао да цевоводи може се применити на било којој облачној инфраструктури, укључујући нови ИБМ Цлоуд Цоде Енгине, која је платформа без сервера и Ред Хат ОпенСхифт, плус такође нуди адаптере за окидаче догађаја, као што је долазак нове датотеке, што значи да се цеви могу интегрисати и повезати са другим екосистемима урођеним у облак, рекао је ИБМ.
Штавише, омогућава и учитавање и раздвајање података из бројних извора, попут складишта објеката у облаку, језера података и дистрибуираних система датотека.
Главна предност употребе ЦодеФларе-а за постављање нових пројеката машинског учења је брзина. Компанија је тврдила да је када је један од њених корисника применио ЦодеФларе за анализу и оптимизацију 100,000 цевовода за обуку модела машинског учења, смањио време извођења сваког са четири сата на само 15 минута.
Брзина је важна, објаснио је ИБМ, јер су скупови података све већи и већи, што значи да токови рада машинског учења постају све сложенији и сложенији. Као такви, истраживачи проводе више времена конфигуришући своја подешавања пре него што заврше посао.
„ИБМ то постиже користећи отворени код ЦодеФларе као оквир за раднике података и програмере за изградњу модела вештачке интелигенције који могу радити на било ком облаку“, рекао је Муеллер. „ЦодеФларе ради на РедХат ОпенСхифт-у и одатле постиже своје могућности у више облака.“
ИБМ је рекао да:
ЦодеФларе данас иде са отвореним кодом, доступан је у ИБМ спремишту на ГитХуб-у, плус такође објављује неколико узорака ЦодеФларе цјевовода које је креирао и раде на ИБМ Цлоуд и Ред Хат ОпенСхифт-у.
Коначно ако сте заинтересовани да сазнате више о томе или можете да проверите изворни код ЦодеФларе-а, можете са следећег линка.