Big Data, Science des données, aide à la décision en entreprise, business intelligence, data warehouse, reporting, OLAP, web analytics, data visualization, data mining, internet des objets, informatique cognitive, intelligence artificielle...

Abonnez-vous gratuitement à Decideo !


Decideo

 


MapR lance une nouvelle Quick Start Solution pour accélérer le déploiement des applications de Deep Learning


Rédigé par Communiqué de MapR le 13 Juillet 2017

La solution fournit un framework permettant de déployer des applications de deep learning (apprentissage profond) en production et de façon continue.



MapR Technologies, fournisseur de la Converged Data Platform permettant aux entreprises de créer des applications intelligentes qui intègrent l’analytique avec les processus opérationnels en temps réel, annonce à l’occasion de Strata London une nouvelle Quick Start Solution (QSS) dédiée aux applications de deep learning. MapR Distributed Deep Learning Quick Start Solution est une offre de produits et de services permettant d’entraîner des algorithmes complexes de deep learning (c’est-à-dire des réseaux neuronaux, convolutifs ou récurrents) à grande échelle. Cette QSS offre un environnement d’apprentissage continu, permet d’expérimenter des bibliothèques de deep learning et fournit un framework de production pour la mise en œuvre rapide d’applications de deep learning.

MapR Distributed Deep Learning Quick Start Solution s’appuie sur l’expertise de MapR en matière de déploiement d’environnements avancés de machine learning (apprentissage automatique). Cette nouvelle offre donne accès à des bibliothèques de deep learning distribué (comme TensorFlow, Caffe, mxnet, etc.), fournit un framework qui assure la commutation intelligente du stockage et des workflows entre le processeur central (CPU) et les processeurs graphiques (GPU) et s’appuie sur la stabilité, l’évolutivité et la performance de la Converged Data Platform pour former la base d’applications avancées, pilotées par les données. Parmi les cas d’usage des technologies de deep learning distribué :

● Extraction d’informations depuis des images/vidéos : optimisation du traitement et de l’analyse des images et vidéos provenant des caméras à ultrasons, caméras embarquées, drones, satellites, caméras de surveillance, etc.


● Compréhension et prévision des séquences d’événements : la prévision des comportements ou la compréhension des schémas d’après l’analyse de fichiers audio séquencés, de modèles linguistiques (traitement du langage naturel), de textes écrits et de publications sur les réseaux sociaux, ainsi que de données chronologiques, permettront aux entreprises d’anticiper les résultats escomptés. Celles-ci pourront alors exploiter ces connaissances afin de mieux prévoir la réaction des clients face à certains événements, de leur proposer des recommandations plus pertinentes, d’optimiser les opérations, etc.


● Classification et prévisions : précision et fiabilité accrues des modèles statistiques et prédictifs existants grâce à des algorithmes plus complexes et à une modélisation avancée. La mise en œuvre de réseaux neuronaux profonds produit des prévisions plus fiables et de meilleures analyses à partir d’un apprentissage automatisé.


« Les algorithmes de deep learning peuvent apporter des opportunités de transformation fondamentale pour une entreprise », commente Anil Gadre, chief product officer, MapR Technologies. « Notre expertise dans les déploiements d’apprentissage automatique avancé, alliée à la conception unique de la plateforme MapR, constitue le socle de notre nouvelle offre. Cette QSS va permettre aux entreprises de tirer rapidement parti d’architectures modernes à base de GPU et de les mettre sur la bonne voie pour déployer leurs projets dans le domaine du deep learning. »




Nouveau commentaire :
Facebook Twitter

Vous pouvez commenter ou apporter un complément d’information à tous les articles de ce site. Les commentaires sont libres et ouverts à tous. Néanmoins, nous nous réservons le droit de supprimer, sans explication ni préavis, tout commentaire qui ne serait pas conforme à nos règles internes de fonctionnement, c'est-à-dire tout commentaire diffamatoire ou sans rapport avec le sujet de l’article. Par ailleurs, les commentaires anonymes sont systématiquement supprimés s’ils sont trop négatifs ou trop positifs. Ayez des opinions, partagez les avec les autres, mais assumez les ! Merci d’avance. Merci de noter également que les commentaires ne sont pas automatiquement envoyés aux rédacteurs de chaque article. Si vous souhaitez poser une question au rédacteur d'un article, contactez-le directement, n'utilisez pas les commentaires.