推動AI工業化——Cloudera推出雲原生機器學習平臺的預覽版
2018年12月5日，Cloudera公司，為雲端計算優化的機器學習和分析的現代平臺，宣佈推出由Kubernetes支撐的新一代雲原生機器學習平臺的預覽。即將推出的Cloudera Machine Learning是Cloudera為企業提供的自助資料科學產品的新成員。它提供快速配置和自動擴充套件以及異構計算上的容器化分散式處理。Cloudera Machine Learning還通過跨內部部署、公共雲和混合環境的統一體驗，確保安全的資料訪問。
與僅涉及機器學習部分工作流程或僅適用於公共雲的其它資料科學工具不同，Cloudera Machine Learning將資料工程和資料科學結合在任何地方的任何資料上。此外，它還打破了資料孤島，簡化和加速了端到端機器學習工作流程。
容器和Kubernetes的生態系統通過一致的體驗實現雲在各種環境中的靈活性，為混合和多雲部署中的IT提供可擴充套件的服務交付。 與此同時，企業也在尋求如何操作化和擴充套件端到端機器學習工作流程。Cloudera Machine Learning使企業能夠加快從研究到生產的機器學習，使使用者能夠輕鬆配置環境並擴充套件資源，從而減少基礎架構上花費的時間，將更多時間用於創新。
“基於全面的資料分析和處理，在Akamai我們建立了成熟的網路安全系統，我們認識到速度和規模對於執行網際網路規模的異常檢測至關重要，”Akamai網路安全DevOps經理Oren Marmor說。 “Docker和Kubernetes為Apache Spark帶來的敏捷性對於我們來說是一個重要的構建模組，無論是資料科學還是資料工程。我們很高興看到即將推出的Cloudera Machine Learning平臺的預覽。該平臺簡化作業系統和庫依賴管理的能力是一項很有前景的發展。”
功能包括
- 通過Kubernetes提供的跨私有云，公共雲和混合雲的無縫移植性
- 快速雲配置和自動擴充套件
- 通過容器化的Python，R和Spark-on-Kubernetes提供的無縫依賴管理橫向擴充套件資料工程和機器學習
- 通過分散式GPU排程和訓練達到高速率深度學習
- 跨HDFS，雲物件儲存和外部資料庫的安全資料訪問
藉助Cloudera Machine Learning以及Cloudera Fast Forward Labs的研究和專家指導，Cloudera提供了一種綜合方法來加速客戶的AI工業化。
為了幫助客戶能夠在任何地方利用AI，Cloudera的應用研究團隊最近介紹了Federated Learning（聯合學習），用於將機器學習模型從雲部署到網路邊緣，同時確保了資料隱私並減少網路通訊開銷。該報告提供了該方法的詳細技術說明，以及針對手機、醫療保健和製造業用例的實際工程建議，包括物聯網驅動的預測性維護。
“聯合學習為高度監管和競爭激烈的行業中機器學習的企業應用掃除了障礙。我們很高興能夠幫助我們的客戶利用聯合學習邁向AI工業化重要一步。”
—— 研究工程師Mike Lee Williams