Deepar, un algoritmo di apprendimento supervisionato per la previsione di serie temporali scalari che utilizzano reti neurali ricorrenti, è offerto principalmente da Amazon attraverso la sua piattaforma AI SageMaker. Questo algoritmo eccelle se applicato a set di dati costituiti da molte serie temporali correlate, sfruttando un singolo modello addestrato in queste serie per sovraperformare metodi tradizionali come ARIMA o livellamento esponenziale. Può essere utilizzato per generare previsioni per le nuove serie temporali che condividono somiglianze con i dati di addestramento e supporta caratteristiche categoriche statiche opzionali e caratteristiche dinamiche dipendenti dal tempo per la modellazione più sfumata. SageMaker AI consente di addestrare i modelli profondi su istanze della CPU e della GPU, sebbene l'inferenza supporti solo le istanze della CPU. I modelli possono essere ridimensionati su istanze o cluster più grandi per gestire in modo efficiente set di dati complessi o di grandi dimensioni.
Per quanto riguarda l'utilizzo di Deepar con i servizi cloud oltre AWS, come Google Cloud o Microsoft Azure, non esiste un servizio diretto marchiato come Deepar su queste piattaforme simile all'offerta di AI Sagemaker AI. Tuttavia, l'ecosistema cloud di Google prevede ampi strumenti di elaborazione dei dati e di elaborazione dei dati che potrebbero implementare modelli simili a Deepar attraverso sviluppi personalizzati. Ad esempio, Google Cloud Platform (GCP) offre integrazione con TensorFlow, un framework di apprendimento automatico open source popolare per modelli di apprendimento profondo come reti neurali ricorrenti. Tensorflow può essere utilizzato per ricreare modelli di previsione a forma di profonda, sfruttando i servizi di AI e di apprendimento automatico di GCP come piattaforma AI, BigQuery ML o condutture personalizzate orchestrate tramite flusso di dati o Vertex AI.
Microsoft Azure fornisce anche un'ampia suite di AI e servizi di apprendimento automatico che supportano reti neurali ricorrenti e previsioni di serie temporali. Azure Machine Learning consente agli utenti di sviluppare modelli personalizzati utilizzando framework come Tensorflow o Pytorch, consentendo la costruzione di modelli profondi equivalenti. L'ecosistema AI di Azure può integrarsi con i suoi servizi di archiviazione e elaborazione dei dati come Azure Synapse Analytics e Azure Databricks per la gestione completa delle serie temporali, la preparazione e la previsione. La scalabilità di Azure e il supporto al cloud ibrido facilitano la distribuzione di tali modelli in diversi ambienti aziendali.
Deepar intrinsecamente è un approccio di ricerca e implementazione pubblicato e reso operativo da Amazon, ma non una tecnologia proprietaria confinata rigorosamente ad AWS. I principi di architettura e formazione del modello sono abbastanza aperti per la replica su altre piattaforme cloud con le giuste competenze e risorse. L'infrastruttura di apprendimento automatico di Google, comprese le risorse TensorFlow e TPU, può alimentare modelli di autoregressivi profondi simili per le previsioni delle serie temporali, mentre Microsoft Azure offre i servizi di base per costruire, formare e distribuire tali modelli all'interno del suo ecosistema. Pertanto, sebbene non esista un servizio profondo fuori dalla scatola al di fuori di AWS SageMaker, sia Google Cloud che Microsoft Azure offrono i componenti necessari per implementare flussi di lavoro a forma di profondità su misura per esigenze di previsione specifiche.
Inoltre, la ricerca su Deepar include framework di esecuzione ibrida che sfruttano il bordo, il dispositivo e i livelli di calcolo del cloud. Questi framework considerano il partizionamento di esecuzioni di rete neurale tra i dispositivi e le risorse cloud per ottimizzare le prestazioni, consentendo l'integrazione in ambienti cloud multi-cloud o ibridi. Tali approcci si adattano bene alle funzionalità scalabili e distribuite di Google Cloud e Microsoft Azure, in particolare per le applicazioni Edge-to-Cloud in IoT industriali o scenari mobili.
In conclusione, Deepar come servizio di marchio o confezionato è attualmente disponibile direttamente su AWS Sagemaker AI. Tuttavia, la sua metodologia di previsione autoregressiva profonda sottostante può essere implementata utilizzando i servizi di apprendimento automatico di Google Cloud o Microsoft Azure costruendo modelli personalizzati, sfruttando Tensorflow o altri quadri di apprendimento profondo e impiegando questi dati dei fornitori di cloud e infrastruttura di intelligenza artificiale. Questo approccio richiede una competenza ingegneristica ML ma offre piena flessibilità e possibilità di integrazione in tali ambienti cloud, supportando sofisticate soluzioni di previsione di serie temporali simili a Deepar.
Riferimenti usati:- Amazon Sagemaker Deepar Documentation e Dettagli algoritmi
- AI cloud di Google e funzionalità di servizio di apprendimento automatico e modelli di integrazione
- Confronto e informazioni sui servizi AI della piattaforma cloud, incluso Azure
- letteratura di ricerca che descrive la metodologia profonda e i quadri di esecuzione del cloud ibrido