Публикации |
|
2023 г. – новый этап практического применения CXL, статья |
|
VMware сдвигает акцент в проекте Capitola на CXL, статья |
|
Dell Validated Design for Analytics — Data Lakehouse: интегрированное хранилище данных, статья |
|
OCP Global Summit: решения для Computational Storage и компонуемых масштабируемых архитектур, статья |
|
Samsung CXL MemoryySemantic SSD: 20M IOPs, статья |
|
UCIe – открытый протокол для взаимосвязи чиплетов и построения дезагрегированных инфраструктур, статья |
|
Omni-Path Express – открытый интерконнект для экзафлопных HPC/AI-систем, статья |
|
GigaIO: CDI_решение на базе AMD для высшего образования, статья |
|
Энергоэффективные ЦОД на примерах решений Supermicro, Lenovo, Iceotope, Meta, статья |
|
От хранилищ данных и “озер данных” к open data lakehouse и фабрике данных, статья |
|
EuroHPC JU развивает НРС-экосистему на базе RISC-V, статья |
|
LightOS™ 2.2 – программно-определяемое составное блочное NVMe/TCP хранилище, статья |
|
End-to-end 64G FC NAFA, статья |
|
Computational Storage, статья |
|
Технология KIOXIA Software-Enabled Flash™, статья |
|
Pavilion: 200 млн IOPS на стойку, статья |
|
CXL 2.0: инновации в операциях Load/Store вводаавывода, статья |
|
Тестирование референсной архитектуры Weka AI на базе NVIDIA DGX A100, статья |
|
Fujitsu ETERNUS CS8000 – единая масштабируемая платформа для резервного копирования и архивирования, статья |
|
SmartNIC – новый уровень инфраструктурной обработки, статья |
|
Ethernet SSD, JBOF, EBOF и дезагрегированные хранилища, статья |
|
Compute, Memory и Storage, статья |
|
Lenovo: CXL – будущее серверов с многоуровневой памятью
, статья |
|
Liqid: компонуемые дезагрегированные инфраструктуры для HPC и AI, статья |
|
Intel® Agilex™ FPGA, статья |
|
Weka для AI-трансформации, статья |
|
Cloudera Data Platform – “лучшее из двух миров”, статья |
|
Fujitsu ETERNUS DSP - разработано для будущего, статья |
|
Технологии охлаждения для следующего поколения HPC-решений, статья |
|
Что такое современный HBA?, статья |
|
Fugaku– самый быстрый суперкомпьютер в мире, статья |
|
НРС – эпоха революционных изменений, статья |
|
Новое поколение СХД Fujitsu ETERNUS, статья |
|
Зональное хранение данных, статья |
|
За пределами суперкомпьютеров, статья |
|
Применение Intel® Optane™ DC и Intel® FPGA PAC, статья |
|
Адаптивные HPC/AI-архитектуры для экзаскейл-эры, статья |
|
DAOS: СХД для HPC/BigData/AI приложений в эру экзаскейл_вычислений, статья |
|
IPsec в пост-квантовую эру, статья |
|
LiCO: оркестрация гибридныхНРС/AI/BigData_инфраструктур, статья |
|
Обзоры |
|
Все обзоры в Storage News |
|
Тематические публикации |
|
Flash-память |
|
Облачные вычисления/сервисы |
|
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных |
|
Современные СХД |
|
Информационная безопасность (ИБ), борьба с мошенничеством |
|
Рынки |
|
Hitachi Vantara Labs представляет новые решения по управлению моделями машинного обучения
14, март 2018
Новые возможности позволяют мониторить, тестировать, переобучать и перестраивать модели машинного обучения. Это повышает прозрачность алгоритмов и дает возможность быстрее получить результаты.
Компания Hitachi Vantara, дочернее предприятие Hitachi Ltd., объявила о создании новых решений по управлению процессами машинного обучения . Они помогут специалистам по обработке и анализу данных тестировать и перестраивать модели машинного обучения в сфере производства . Инновационные разработки Hitachi Vantara Labs подключаются к конвейеру данных , созданному Pentaho. Это позволяет повысить результативность бизнеса и сократить риски за счет упрощения процесса обновления моделей .
В процессе цифровых преобразований алгоритмизация становится важнейшим конкурентным преимуществом . В то же время она несет в себе потенциальные риски . После запуска модели машинного обучения необходимо постоянно осуществлять ее мониторинг , тестирование и переобучение в соответствии с меняющимися условиями среды , а после этого запускать повторно . Это трудоемкая ручная работа, которая выполняется достаточно редко . Есть и еще один минус: после перезапуска модели заметно снижается точность прогнозирования , что отрицательно сказывается на доходности бизнеса .
« По данным нашего исследования , две трети организаций не имеют автоматизированного решения , которое позволяло бы обновлять аналитические модели . В результате, менее четверти моделей машинного обучения обновляется ежедневно , около одной трети обновляется еженедельно, и более половины – ежемесячно . При этом использование устаревших моделей может привести к дополнительным рискам», - отметил Дэвид Меннингер (David Menninger), старший вице - президент и директор по исследованиям компании Ventana Research .
Новые возможности управления моделями интеллектуальной обработки данных позволяют усовершенствовать процессы машинного обучения по трем направлениям :
Быстрый запуск моделей в производственной среде
Новые возможности управления моделями машинного обучения помогают правильно их оценить и повысить точность прогнозирования до запуска модели на производстве . Для дальнейшей настройки операционные группы могут тестировать их с использованием различных методик перекрестной проверки и вневыборочной оценки . Подготовка данных с учетом специфики конкретных алгоритмов теперь выполняется автоматически .
Максимальное повышение точности прогнозов
Как правило , после запуска модели на производстве точность ее показаний снижается по мере поступления новых данных . Избежать этого помогает комплекс оценочных средств , выявляющий модели, которые дают неточные показания . Разнообразные средства визуализации и создания отчетов помогают анализировать качество работы и выявлять ошибки . При любых обновлениях или изменениях можно легко провести A/B- тестирование , сопоставив модели друг с другом .
Совместная работа и управление операциями в требуемом масштабе
Организации все чаще стремятся повысить прозрачность алгоритмов принятия решений . Новые возможности , которые предлагает Hitachi Vantara, способствуют более эффективному взаимодействию сотрудников, обеспечивают контроль за происхождением данных , а также прозрачность источников данных и ее первичных функций . Подобный уровень прозрачности облегчает совместное использование данных и конвейеров данных командами , стандартизирует алгоритмы и дает возможность их повторного применения .
« Машинное обучение и искусственный интеллект (ИИ) позволяют оптимизировать все аспекты ведения бизнеса – от взаимодействия с клиентами до операционной деятельности . Средства управления моделями обучения , разработанные Hitachi Vantara, обеспечивают более высокую прозрачность алгоритмов и степень автоматизации , благодаря чему разработчики компании могут сосредоточиться на внедрении инноваций , не опасаясь ухудшения качества работы моделей», - считает Джон Маджи (John Magee), вице - президент по маркетингу Hitachi Vantara.
Новые возможности по управлению моделями машинного обучения доступны на Pentaho Marketplace с 6 марта 2018 года . В настоящее время эти модули доступны в тестовом режиме . Следующие версии будут интегрированы в Pentaho Data Integration (PDI). Более подробную информацию можно получить на сайте Pentaho Labs .
О компании Hitachi Vantara
Hitachi Vantara, дочернее предприятие Hitachi, Ltd., помогает современному бизнесу раскрыть потенциал имеющихся у него данных, делать разумные инвестиции и добиваться поставленных целей. Объединяя технологии, интеллектуальную собственность и отраслевые знания, мы создаем решения для управления данными, которые позволяют компаниям совершенствовать обслуживание клиентов, открывать новые источники дохода и сокращать затраты производства. Только Hitachi Vantara способна расширить ваши инновационные преимущества благодаря глубоким экспертным знаниям в сфере высоких технологий и опыту работы с крупнейшими мировыми компаниями. Посетите наш сайт HitachiVantara.com/ ru .
Информация о Hitachi , Ltd .
Hitachi , Ltd . ( TSE : 6501), штаб-квартира которой находится в Токио (Япония), разрабатывает инновационные решения для актуальных задач, встающих перед обществом. Консолидированные доходы компании за 2016 финансовый год (закончился 31 марта 2017 года) составили 9162,2 миллиарда иен ($81,8 млрд.). В подразделениях компании по всему миру работает около 304 тыс. сотрудников. Hitachi Group является международным лидером в сфере социальных инноваций. В процессе творческого взаимодействия эксперты Hitachi создают решения для заказчиков, работающих в самых разных отраслях экономики, таких как энергетика, промышленное производство, коммунальное хозяйство, городское развитие, а также финансы, государственное и муниципальное управление, здравоохранение. Более подробную информацию можно найти на сайте http :// www . hitachi . ru .
|
|