Публикации по теме 'ml-platform'
Сравнительное исследование вычислительных платформ Azure
Хотите знать, что лучше всего подходит для вашего приложения машинного обучения в Microsoft Azure? Это исследование может помочь вам выбрать наиболее подходящую платформу для ваших целей.
Параметры вычислений в Azure
Azure предоставляет разные вычислительные платформы для разных сценариев использования. Вот список доступных опций в Azure:
Azure Databricks Пакет Azure Вычисления Azure ML
Эти платформы созданы, чтобы помочь пользователям быстро наладить работу. Помимо..
MLOps для улучшения конвейеров машинного обучения в фрагментированной системе
Фрагментация является серьезной проблемой в этой отрасли. Специалисты по данным тратят около 80% своего времени на управление данными и их подготовку к анализу. Об этом свидетельствуют данные опроса Forbes. Это время можно было бы лучше потратить на создание лучших моделей и их интеграцию в готовые к использованию приложения. Если бы эта проблема была решена, это привело бы к значительному развитию отрасли. Существует недостаточно инструментов MLOps, на которые могут положиться..
Совместный процесс создания платформы машинного обучения
В этом посте я расскажу о своем опыте разработки платформы машинного обучения (ML), о том, как мы подходим к этому в Adevinta , а также об усилиях и совместных усилиях, которые это требует. С того момента, как мы начали работать над собственной платформой машинного обучения, у нас было ясно одно: общение является ключевым моментом. Мы придерживались этого принципа на протяжении всего процесса, и я уверен, что вы поймете это к концу этого блога.
Машинное обучение набирает обороты в..
Обслуживайте от сотен до тысяч моделей машинного обучения — архитектуры из отрасли
Записки из промышленности
Обслуживайте от сотен до тысяч моделей машинного обучения — отраслевых архитектур
Когда у вас есть только одна или две модели для развертывания, вы можете просто поместить свои модели в обслуживающую среду и развернуть свои модели на нескольких экземплярах/контейнерах. Однако, если ваши варианты использования машинного обучения расширяются или вы создаете отдельные модели для многих сегментов ваших данных (например, модели для каждого клиента), вам может в..