La nuova offerta Cloudera semplifica i flussi di lavoro del machine learning grazie a un’esperienza unificata di data engineering e data science su Kubernetes
Cloudera annuncia in anteprima una nuova piattaforma di machine learning cloud-native di nuova generazione sviluppata su Kubernetes. La nuova Cloudera Machine Learning arricchisce le attuali offerte Cloudera di data science in modalità self-service studiate per le aziende offrendo provisioning rapido e scalabilità automatica, oltre a un’elaborazione containerizzata e distribuita su elaborazioni eterogenee. Cloudera Machine Learning garantisce anche un accesso sicuro ai dati grazie a un’esperienza unificata in ambienti on-premise, cloud pubblici e ambienti ibridi.
A differenza degli strumenti di data science che interessano solo alcune parti del flusso di lavoro del machine learning, o che sono disponibili unicamente per il cloud pubblico, Cloudera Machine Learning combina data engineering e data science su qualunque tipo di dato e in qualunque tipo di ambiente. Inoltre, scompone silos di dati semplificando e accelerando il flusso di lavoro del machine learning end-to-end. Le aziende possono richiedere l’accesso alla versione in anteprima del Cloudera Machine Learning qui a partire da oggi.
I container e l’ecosistema di Kubernetes abilitano l’agilità del cloud in ambienti diversi con un’esperienza coerente, sbloccando la fornitura di servizi scalabili per l’IT attraverso distribuzioni ibride e multi-cloud. Allo stesso tempo, le imprese cercano di rendere operativi e scalabili i flussi di lavoro del machine learning end-to-end. Cloudera Machine Learning consente alle aziende di accelerare il machine learning dalla ricerca alla produzione, consentendo agli utenti di eseguire facilmente il provisioning degli ambienti e gestire al meglio le risorse in modo da poter dedicare meno tempo alle infrastrutture e più tempo all’innovazione.
Le funzionalità includono:
- Portabilità continua su cloud privato, cloud pubblico e cloud ibrido basato su Kubernetes
- Cloud provisioning e autoscaling veloci
- Scalabilità del data engineering e del machine learning con gestione senza interruzioni fornita da container Python, R e Spark-on-Kubernetes
- Deep learning ad alta velocità basato su pianificazione e training GPU distribuiti
- Accesso sicuro ai dati grazie a HDFS, archivi di oggetti cloud e database esterni
“Rendere i team maggiormente produttivi è fondamentale per scalare le funzionalità del machine learning. Questo richiede un nuovo tipo di piattaforma che crei e distribuisca i modelli in modo coerente grazie a infrastrutture trasparenti altamente scalabili che diano la possibilità di attingere ai dati in qualunque ambiente”, ha dichiarato Hilary Mason, general manager Machine Learning di Cloudera. “Cloudera Machine Learning unisce le funzionalità critiche del data engineering, l’esplorazione collaborativa, la formazione e l’implementazione dei modelli in una piattaforma cloud nativa che viene utilizzata laddove necessario, il tutto integrando le funzionalità di sicurezza, governance e gestione richieste dai clienti.”
“In Akamai sviluppiamo soluzioni di sicurezza web che si basano su un’analisi e un’elaborazione completa dei dati e riteniamo che velocità e dimensioni siano fattori chiave per eseguire il rilevamento delle anomalie Internet-scale”, ha affermato Oren Marmor, DevOps Manager, Web Security di Akamai. “L’agilità che Docker e Kubernetes riescono a garantire ad Apache Spark è per noi un elemento fondamentale, sia in termini di data science, sia in termini di data engineering. Siamo entusiasti di assistere all’arrivo della nuova piattaforma Cloudera Machine Learning: la capacità della piattaforma di semplificare il sistema operativo e le librerie necessarie rappresenta senza dubbio uno sviluppo promettente.”
Con Cloudera Machine Learning, oltre alla ricerca e alla guida esperta dei Cloudera Fast Forward Labs, Cloudera offre un approccio completo per accelerare l’industrializzazione dell’IA per i clienti.
Per aiutare i clienti a sfruttare l’IA in tutto il mondo, il team di ricerca applicata di Cloudera ha recentemente introdotto il Federated Learning per l’implementazione di modelli di machine learning dal cloud all’edge networking, garantendo la riservatezza dei dati e riducendo il sovraccarico delle comunicazioni di rete. La relazione fornisce una spiegazione tecnica dettagliata del tipo di approccio, oltre a consigli pratici di engineering, che illustrano casi di utilizzo per mobile, assistenza sanitaria e produzione, inclusa la manutenzione predittiva IoT-driven.
“Il Federated learning semplifica l’utlizzo del machine learning in settori aziendali altamente regolamentati e competitivi. Siamo lieti di poter aiutare i nostri clienti a fare un balzo in avanti nell’industrializzazione dell’IA grazie al Federated learning”, ha dichiarato Mike Lee Williams, ingegnere ricercatore presso i Cloudera Fast Forward Labs.
