Decideo - Actualités sur le Big Data, Business Intelligence, Data Science, Data Mining

Abonnez-vous gratuitement à Decideo !


Decideo

 


Cloudera Machine Learning : la nouvelle plate-forme de machine learning cloud native, pensée pour accélérer l’industrialisation de l’intelligence artificielle


Rédigé par Communiqué de Cloudera le 6 Décembre 2018

La nouvelle offre Cloudera simplifie les processus de machine learning grâce à une expérience unifiée en matière d’ingénierie et de science des données sur Kubernetes.



Cloudera, Inc., (NYSE: CLDR), la plateforme moderne de machine learning et d’analytics optimisée pour le Cloud présente en avant-première, une plate-forme de machine learning cloud native nouvelle génération fonctionnant sur Kubernetes. La future plate-forme vient enrichir l'offre de Cloudera en matière de data science en libre-service pour les entreprises. Elle assure un provisionnement et une mise à l'échelle automatique rapides, ainsi qu'un traitement distribué conteneurisé sur des calculs hétérogènes. Cloudera Machine Learning garantit également un accès sécurisé aux données avec une expérience unifiée sur site comme dans des environnements cloud public et hybride.

Contrairement aux outils de data science qui ne traitent qu’une partie des processus machine learning, ou qui ne sont disponibles que dans le cloud public, Cloudera Machine Learning combine ingénierie et informatique des données, pour toutes les données, et ce, n'importe où. En outre, il casse les silos de données pour simplifier et accélérer les processus de machine learning de bout en bout. Les entreprises qui le souhaitent, peuvent d’ores et déjà demander l'accès à une version préliminaire de Cloudera Machine Learning.

Les conteneurs et l'écosystème Kubernetes permettent une certaine agilité du cloud dans plusieurs environnements pour une expérience cohérente, offrant ainsi des services évolutifs pour les équipes informatiques lors de déploiements hybrides et multi-cloud. Parallèlement, les entreprises cherchent à opérationnaliser et mettre à l'échelle les processus de machine learning de bout en bout. Cloudera Machine Learning leur permet de les accélérer, de la recherche à la production, permettant aux utilisateurs de créer facilement des environnements et de redimensionner les ressources afin de passer moins de temps sur l'infrastructure et plus de temps à l'innovation.

Les fonctionnalités permettent notamment :

● Portabilité sans interruption sur le cloud privé, public et hybride optimisée par Kubernetes
● Mise en service rapide du cloud et mise à l'échelle automatique
● Ingénierie de données évolutive et machine learning avec une gestion sans interruption des dépendances fournie par Python, R et Spark-on-Kubernetes en conteneur
● Deep learning à grande vitesse optimisé par la planification et la formation sur GPU distribuées
● Accès sécurisé aux données via HDFS, le stockage d'objets dans le cloud et les bases de données externes

« Rendre les équipes plus productives est essentiel pour faire évoluer les possibilités de machine learning en entreprise. Cela nécessite un nouveau type de plate-forme pour créer et déployer de manière cohérente des modèles dans une infrastructure transparente et évolutive, exploitant les données n'importe où », explique Hilary Mason, general manager, Machine Learning chez Cloudera. « Cloudera Machine Learning rassemble les capacités critiques d'ingénierie de données, d'exploration collaborative, de formation et de déploiement de modèle sur une plate-forme cloud native qui fonctionne là où vous en avez besoin - le tout avec les fonctionnalités de sécurité, de gouvernance et de gestion intégrées que nos clients exigent. »

Avec Cloudera Machine Learning, les recherches et l’expertise du Cloudera Fast Forward Labs, Cloudera est en mesure d’offrir une approche complète pour accélérer l'industrialisation de l'IA pour ses clients.

Pour aider les clients à exploiter l'IA partout dans le monde, l'équipe de recherche appliquée de Cloudera a récemment présenté Federated Learning, qui permet de déployer des modèles d'apprentissage automatique du cloud à la périphérie du réseau, tout en garantissant la confidentialité des données et en réduisant les coûts de communication. Le rapport fournit une explication technique détaillée de l'approche, ainsi que des recommandations d'ingénierie pratiques qui traitent des cas d'utilisation concernant les applications mobiles, les soins de santé et la fabrication, y compris la maintenance prédictive pilotée par l'IoT.

« L’apprentissage fédéré élimine les obstacles pour la mise en application du machine learning en entreprise dans des secteurs hautement réglementés et concurrentiels. Nous sommes ravis de pouvoir aider nos clients à prendre le départ de l'industrialisation de l'intelligence artificielle grâce à l'apprentissage fédéré », commente Mike Lee Williams, ingénieur recherche chez Cloudera Fast Forward Labs.




Nouveau commentaire :
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.