MLops спрощує виконання робочих навантажень AI у гібридних хмарах
Не змогли відвідати Transform 2022? Перегляньте всі сесії саміту в нашій бібліотеці за запитом! Подивіться сюди.
Організації, які шукають хмарні або локальні місця для розгортання та запуску робочих навантажень машинного навчання та штучного інтелекту (AI), мають багато варіантів. Однак головною проблемою для багатьох є те, як організувати ці робочі навантаження в багатохмарному та гібридному середовищах.
Сьогодні постачальник оркестровки обчислень штучного інтелекту Run AI оголошує про оновлення своєї платформи Atlas, розроблене, щоб спростити науковцям обробки даних розгортання, запуск і керування робочими навантаженнями машинного навчання в різних цілях розгортання, включаючи хмарних провайдерів і локальні середовища. .
У березні Run AI зібрав 75 мільйонів доларів, щоб допомогти компанії розвивати свої технології та виходити на ринок. В основі платформи компанії лежить технологія, яка допомагає організаціям керувати та планувати ресурси для запуску машинного навчання. Тепер цю технологію вдосконалено, щоб відповідати викликам машинного навчання в гібридній хмарі.
«Зрозуміло, що ІТ-організації матимуть хмарну інфраструктуру та деяку локальну інфраструктуру», — сказав VentureBeat Ронен Дар, співзасновник і технічний директор Run AI. «Зараз компанії розробляють стратегію використання гібридної хмари та думають про свої робочі навантаження та про те, де їх найкраще використовувати».
ПодіяMetaBeat 2022
4 жовтня в Сан-Франциско, штат Каліфорнія, MetaBeat збере лідерів думок, щоб порадити, як технологія метавсесвіту змінить спосіб спілкування та ведення бізнесу в усіх галузях.
зареєструватися тут Дедалі більша конкуренція серед гібридних MLopsРинок послуг MLops стає все більш конкурентоспроможним, оскільки постачальники продовжують розширюватися.
У звіті Forrester Research, спонсорованому компанією Nvidia, виявилося, що дві третини ІТ-посадовців уже інвестували в гібридну підтримку розробки робочого навантаження ШІ. Це тенденція, яку не втрачають для постачальників.
У червні Domino Data Lab оголосила про свій гібридний підхід, який також має на меті допомогти організаціям працювати в хмарі та локально. Компанія Anyscale, яка є головним комерційним спонсором платформи масштабування з відкритим кодом Ray AI, також розробила свої технології, щоб допомогти науковцям працювати з розподіленою апаратною інфраструктурою.
Run AI позиціонує себе як платформу, яка може інтегруватися з іншими платформами MLops, такими як Anyscale, Domino та Weights & Biases. Ліор Балан, директор із продажу та хмарних технологій у Run AI, сказав, що його компанія працює як рішення нижчого рівня в стеку, ніж багато інших платформ MLops, оскільки Run AI підключається безпосередньо до Kubernetes.
Таким чином, Run AI надає рівень абстракції для оптимізації ресурсів Kubernetes. Run AI також надає функціональні можливості для спільного використання та оптимізації ресурсів графічного процесора для машинного навчання, які потім можна використовувати для інших технологій MLops.
Складність розгортання мультихмарних і гібридних хмарПоширеним сьогодні підходом організацій до керування мультихмарними та гібридними хмарами є...
Не змогли відвідати Transform 2022? Перегляньте всі сесії саміту в нашій бібліотеці за запитом! Подивіться сюди.
Організації, які шукають хмарні або локальні місця для розгортання та запуску робочих навантажень машинного навчання та штучного інтелекту (AI), мають багато варіантів. Однак головною проблемою для багатьох є те, як організувати ці робочі навантаження в багатохмарному та гібридному середовищах.
Сьогодні постачальник оркестровки обчислень штучного інтелекту Run AI оголошує про оновлення своєї платформи Atlas, розроблене, щоб спростити науковцям обробки даних розгортання, запуск і керування робочими навантаженнями машинного навчання в різних цілях розгортання, включаючи хмарних провайдерів і локальні середовища. .
У березні Run AI зібрав 75 мільйонів доларів, щоб допомогти компанії розвивати свої технології та виходити на ринок. В основі платформи компанії лежить технологія, яка допомагає організаціям керувати та планувати ресурси для запуску машинного навчання. Тепер цю технологію вдосконалено, щоб відповідати викликам машинного навчання в гібридній хмарі.
«Зрозуміло, що ІТ-організації матимуть хмарну інфраструктуру та деяку локальну інфраструктуру», — сказав VentureBeat Ронен Дар, співзасновник і технічний директор Run AI. «Зараз компанії розробляють стратегію використання гібридної хмари та думають про свої робочі навантаження та про те, де їх найкраще використовувати».
ПодіяMetaBeat 2022
4 жовтня в Сан-Франциско, штат Каліфорнія, MetaBeat збере лідерів думок, щоб порадити, як технологія метавсесвіту змінить спосіб спілкування та ведення бізнесу в усіх галузях.
зареєструватися тут Дедалі більша конкуренція серед гібридних MLopsРинок послуг MLops стає все більш конкурентоспроможним, оскільки постачальники продовжують розширюватися.
У звіті Forrester Research, спонсорованому компанією Nvidia, виявилося, що дві третини ІТ-посадовців уже інвестували в гібридну підтримку розробки робочого навантаження ШІ. Це тенденція, яку не втрачають для постачальників.
У червні Domino Data Lab оголосила про свій гібридний підхід, який також має на меті допомогти організаціям працювати в хмарі та локально. Компанія Anyscale, яка є головним комерційним спонсором платформи масштабування з відкритим кодом Ray AI, також розробила свої технології, щоб допомогти науковцям працювати з розподіленою апаратною інфраструктурою.
Run AI позиціонує себе як платформу, яка може інтегруватися з іншими платформами MLops, такими як Anyscale, Domino та Weights & Biases. Ліор Балан, директор із продажу та хмарних технологій у Run AI, сказав, що його компанія працює як рішення нижчого рівня в стеку, ніж багато інших платформ MLops, оскільки Run AI підключається безпосередньо до Kubernetes.
Таким чином, Run AI надає рівень абстракції для оптимізації ресурсів Kubernetes. Run AI також надає функціональні можливості для спільного використання та оптимізації ресурсів графічного процесора для машинного навчання, які потім можна використовувати для інших технологій MLops.
Складність розгортання мультихмарних і гібридних хмарПоширеним сьогодні підходом організацій до керування мультихмарними та гібридними хмарами є...
What's Your Reaction?
