Deepar, podřízený algoritmus učení pro předpovídání skalárních časových řad pomocí opakujících se neuronových sítí, nabízí Amazon primárně prostřednictvím své platformy AI SAGEMAKER. Tento algoritmus vyniká, když se aplikuje na datové sady sestávající z mnoha souvisejících časových řad, využívající jediný model vyškolený v těchto sériích, aby překonal tradiční metody, jako je Arima nebo exponenciální vyhlazení. Lze jej použít k generování prognóz pro nové časové řady, které sdílejí podobnosti s daty školení, a podporuje volitelné statické kategorické funkce a dynamické časově závislé funkce pro více nuanční modelování. Sagemaker AI umožňuje školení modelů Deepar v instancích CPU i GPU, i když inferenční podporuje pouze instance CPU. Modely mohou být zmenšeny ve větších instancích nebo klastrech pro efektivní zpracování komplexních nebo velkých datových sad.
Pokud jde o použití Deepar s Cloud Services mimo AWS, jako je Google Cloud nebo Microsoft Azure, neexistuje žádná přímá služba jako Deepar na těchto platformách podobných nabídce AWS Sagemaker AI. Cloudový ekosystém společnosti Google však zahrnuje rozsáhlé nástroje pro strojové učení a zpracování dat, které by potenciálně mohly implementovat modely podobné Deepar prostřednictvím vlastního vývoje. Například společnost Google Cloud Platform (GCP) nabízí integraci s TensorFlow, open-source strojové učení oblíbené pro modely hlubokého učení, jako jsou opakující se neuronové sítě. Tensorflow lze použít k obnovení modelů prognózy Deepar, které využívají služby AI a strojového učení GCP, jako je platforma AI, BigQuery ML nebo vlastní potrubí organizované prostřednictvím Dataflow nebo Vertex AI.
Microsoft Azure také poskytuje širokou sadu služeb AI a strojového učení podporujícího opakující se neuronové sítě a prognózu časových řad. Azure Machine Learning umožňuje uživatelům vyvíjet vlastní modely pomocí rámců, jako je Tensorflow nebo Pytorch, což umožňuje konstrukci Deepar-ekvivalentních modelů. Azureův AI ekosystém se může integrovat do svých služeb pro ukládání a zpracování dat, jako je analýza Azure Synapse Analytics a Azure Databricks pro komplexní správu dat, přípravu a prognózu dat v časových řadách. Škálovatelnost společnosti Azure a podpora hybridního cloudu usnadňují nasazení těchto modelů v různých podnikových prostředích.
Deepar je neodmyslitelně výzkumný a implementační přístup publikovaný a provozovaný společností Amazon, ale nikoli proprietární technologie omezená přísně na AWS. Modelové architektury a principy školení jsou dostatečně otevřené pro replikaci na jiných cloudových platformách se správnou odborností a zdroji. Infrastruktura strojového učení společnosti Google, včetně zdrojů TensorFlow a TPU, může napájet podobné hluboké autoregresivní modely pro předpovědi časové řady, zatímco Microsoft Azure nabízí základní služby pro vytváření, trénink a nasazení takových modelů v rámci svého ekosystému. Ačkoli tedy neexistuje žádná služba Deepar Out-of-The-Box mimo AWS SageMaker, Google Cloud i Microsoft Azure nabízejí potřebné komponenty k implementaci Deepar-podobných pracovních toků přizpůsobených konkrétním prognózovacím potřebám.
Výzkum kolem Deepar dále zahrnuje hybridní provádění rámců využívajících hrany, zařízení a cloud computation. Tyto rámce zvažují rozdělení provádění neuronové sítě napříč zařízeními a cloudovými zdroji pro optimalizaci výkonu, což umožňuje integraci v více-cloudových nebo hybridních cloudových prostředích. Takové přístupy dobře zapadají do škálovatelných, distribuovaných schopností Google Cloud a Microsoft Azure, zejména pro aplikace k cloud v průmyslových internetových nebo mobilních scénářích.
Závěrem lze říci, že Deepar jako ochranná známka nebo zabalená služba je v současné době k dispozici přímo na AWS Sagemaker AI. Přesto může být jeho základní metodika hlubokého autoregresivního prognózy implementována pomocí služeb strojového učení Google nebo Microsoft Azure budováním vlastních modelů, využíváním tensorflow nebo jiných hlubokých učebních rámců a využitím dat těchto cloudových poskytovatelů a infrastruktury AI. Tento přístup vyžaduje odborné znalosti ML, ale nabízí plnou možnosti flexibility a integrace v těchto cloudových prostředích a podporuje sofistikovaná řešení prognózy časových řad podobných Deepar.
Použité odkazy:- Amazon SageMaker Deepar Dokumentace a algoritmus podrobnosti
- Google Cloud AI a Servisní schopnosti a integrační vzorce strojového učení
- Srovnání a informace o službách AI platformy Cloud Platform včetně Azure
- Výzkumná literatura popisující Deepar Metodiku a hybridní rámce provádění cloudu