機械学習クラウド プラットフォームにはどのような機能が必要ですか?

[[344159]]

効果的なディープラーニング モデルを作成するには、モデルを効果的にトレーニングするための大量のデータが必要です。次に、モデルがインストールされ、ドリフトが監視され、必要に応じて再トレーニングされ、このプロセスが繰り返されます。

モデルのトレーニングには大量のコンピューティング リソースが必要ですが、大規模なコンピューティング リソースに投資している場合は、この作業をすべてローカルで実行できます。ただし、これらのコンピューティング リソースは、ほとんどの時間非アクティブになっている場合があります。上記のアクティビティは、クラウド プラットフォームで実行すると、よりコスト効率が高くなる可能性があります。

ほとんどのクラウド プロバイダーは、機械学習のライフサイクル全体をサポートするために、機械学習プラットフォームの構築に多大な労力を費やしています。すべてのエンドツーエンドの機械学習プラットフォームはどのような機能を提供する必要がありますか?

トレーニングデータモデル

大量のトレーニング データがある場合、このデータを移行することは望ましくありません。このプロセスには通常非常に長い時間がかかるため、その間は何もできません。大規模なデータセットの場合、データがすでに存在するモデルを作成し、大規模なデータ移行を回避するのが理想的です。

ETLまたはELTをサポート

ETL (エクスポート、変換、ロード) と ELT (エクスポート、ロード、変換) は、データベース分野でよく使用される 2 つのデータ構成手法です。機械学習とディープラーニングでは、特に変換部分にこれらのツールが非常に必要です。

オンラインモデルトレーニングをサポート

優れた機械学習モデルやディープラーニングモデルを構築するには、大量のデータが必要です。モデルのトレーニングのためにこのデータをすべてローカルにダウンロードするのは、非常に時間のかかるプロセスです。さらに、データ規模が一定の大きさに達すると、このデータを保存するためのローカル リソースを見つけることが困難になるため、オンライン モデル トレーニングのサポートはクラウド プラットフォームの必須機能となります。

スケールアップとスケールアウトのトレーニングをサポート

クラウド プラットフォームを活用して複数の大規模な仮想マシンまたはコンテナー環境を生成し、ローカル ノートブックで実行されるトレーニング アクティビティを高速化することで、トレーニング時間が大幅に短縮されます。

最適化されたAIサービスの提供

クラウド プラットフォームは、画像検出だけでなく、多くのアプリケーション向けに堅牢で最適化された AI サービスやソリューションを提供します。これらには、言語翻訳、音声テキスト変換、テキスト音声変換、予測、推奨などが含まれます。これらのサービスは、企業が通常利用できるデータ セットよりもはるかに多くのデータ セットでトレーニングおよび検査されています。これらは、アクセラレータなどの十分なコンピューティング リソースを備えたサービス エンドポイントにもインストールされ、グローバル負荷下での良好な応答時間を確認します。