Cloudera представляет облачный сервис машинного обучения для тех, кто работает с ИИ

Cloudera, компания-эксперт по корпоративным облачным данным, представляет Cloudera Machine Learning - сервис машинного обучения для новой платформы Cloudera Data Platform. Новинка позволяет ИТ-специалистам легко реализовать для бизнеса самообслуживание при работе с данными в большом масштабе.

Сервис Cloudera Machine Learning обеспечивает обработку и анализ корпоративных данных в облако

"С помощью сервиса Cloudera Machine Learning предприятия могут несколькими щелчками мышью быстро развернуть для групп специалистов новые рабочие среды ML Workspaces или среды машинного обучения на базе виртуальных машин, предоставив им самообслуживаемый доступ к общим данным и инструментам, необходимым для организации комплексных рабочих процессов машинного обучения в любом месте, - пояснил Приянк Патель (Priyank Patel), руководитель отдела продуктов машинного обучения компании Cloudera. - Снижая барьеры для инноваций и дифференциации бизнеса с помощью машинного обучения, Cloudera Machine Learning предоставляет группам специалистов по обработке и анализу данных возможности быстрой адаптации и проведения гибких экспериментов в большом масштабе".

Новый сервис машинного обучения на платформе Cloudera Data Platform предоставляет специалистам по обработке и анализу данных, инженерам по данным и специалистам по машинному обучению:

1. Мгновенную рабочую среду - развертывание новых рабочих сред машинного обучения для групп специалистов в несколько кликов с доступом к проектным средам и ресурсам, которые им необходимы для комплексного процесса машинного обучения.
2. Быструю репликацию - равноправный доступ к реплицируемым наборам данных в гибридных и мультиоблачных средах, сохраняя при этом средства управления безопасностью и управлением данными предприятия.
3. Возможность выбора собственных инструментов - группы специалистов по данным получают доступ к предпочитаемым ими открытым инструментам обработки и анализа данных. При этом сохраняется требуемый уровень безопасности, минимизируются издержки администрирования.
4. Гибкие, автоматически приостанавливаемые ресурсы - группам специалистов по данным предоставляются необходимые масштабируемые, разнородные вычислительные ресурсы для быстрого выполнения работ с поддержкой настраиваемых изолированных сред, которые помогают ИТ-специалистам легко управлять и оптимизировать ресурсы и затраты на инфраструктуру ИТ.
5. Комплексный и согласованный пользовательский опыт - разработка моделей данных, обучение моделей, отслеживание результатов экспериментов, а также развертывание и управление рабочими моделями в единой, цельной среде без необходимости переключения между процессами или объединения рабочих процессов с помощью нескольких инструментов.
6. Мобильность и согласованность - свобода перемещения данных и инфраструктуры в любое место без создания разрозненных хранилищ и без изменения согласованного пользовательского опыта, на который опираются команды специалистов по обработке и анализу данных для создания надежных рабочих процессов и процессов комплексного машинного обучения.

Сервис Cloudera Machine Learning полностью интегрирован с платформой Cloudera Data Platform (CDP), включающей в себя хранилище данных Cloudera Data Warehouse и Data Hub, что обеспечивает быструю доставку новой многофункциональной аналитики и машинного обучения в любом облаке. Это позволяет компаниям создавать и масштабировать интеллектуальные приложения, основанные на данных, и управлять ими где угодно - от периферийных систем до систем ИИ. Машинное обучение Cloudera Machine Learning также полностью использует возможности обмена данными (Shared Data Experience, SDX), предоставляемые CDP. Cloudera SDX обеспечивает надежную защиту данных, управление и контроль во всех многофункциональных аналитических системах, предоставляя безопасный доступ к данным в режиме самообслуживания и средства обнаружения данных в масштабе предприятия.

Сервис Cloudera Machine Learning предоставляет комплексный опыт для обработки данных и организации рабочих процессов машинного обучения. Цены рассчитываются по потреблению ресурсов и на каждого пользователя.