A Deep, um algoritmo de aprendizado supervisionado para prever séries temporais escalares usando redes neurais recorrentes, é oferecido principalmente pela Amazon por meio de sua plataforma de IA da Sagemaker. Esse algoritmo se destaca quando aplicado a conjuntos de dados que consistem em muitas séries temporais relacionadas, aproveitando um único modelo treinado nessas séries para superar métodos tradicionais como ARIMA ou suavização exponencial. Ele pode ser usado para gerar previsões para novas séries temporais que compartilham semelhanças com os dados de treinamento e suporta recursos categóricos estáticos opcionais e recursos dinâmicos dependentes do tempo para modelagem mais sutil. A Sagemaker AI permite o treinamento de modelos profundos nas instâncias da CPU e da GPU, embora a inferência apoie apenas instâncias da CPU. Os modelos podem ser ampliados em instâncias ou clusters maiores para lidar com conjuntos de dados complexos ou grandes com eficiência.
Em relação ao uso da Deep com os serviços em nuvem além da AWS, como o Google Cloud ou o Microsoft Azure, não há serviço direto como profundo nessas plataformas semelhantes à oferta da AWS Sagemaker AI. No entanto, o ecossistema em nuvem do Google envolve ferramentas extensas de aprendizado de máquina e processamento de dados que podem implementar modelos semelhantes ao Deeptar por meio de desenvolvimentos personalizados. Por exemplo, o Google Cloud Platform (GCP) oferece integração com o TensorFlow, uma estrutura de aprendizado de máquina de código aberto popular para modelos de aprendizado profundo, como redes neurais recorrentes. O TensorFlow pode ser utilizado para recriar modelos de previsão do tipo profunda, aproveitando os serviços de AI e aprendizado de máquina do GCP, como plataforma de IA, ML BigQuery ou pipelines personalizados orquestrados via Dataflow ou Vertex AI.
O Microsoft Azure também fornece um amplo conjunto de serviços de IA e aprendizado de máquina que suporta redes neurais recorrentes e previsão de séries temporais. O Azure Machine Learning permite que os usuários desenvolvam modelos personalizados usando estruturas como Tensorflow ou Pytorch, permitindo a construção de modelos equivalentes a profundas. O ecossistema de AI do Azure pode se integrar aos seus serviços de armazenamento e processamento de dados, como o Azure Synapse Analytics e o Azure Databricks, para gerenciamento abrangente de dados, preparação e previsão abrangentes de dados temporais. A escalabilidade e o suporte à nuvem híbrida do Azure facilitam a implantação de tais modelos em diversos ambientes corporativos.
O Deeptar inerentemente é uma abordagem de pesquisa e implementação publicada e operacionalizada pela Amazon, mas não uma tecnologia proprietária confinada estritamente à AWS. A arquitetura do modelo e os princípios de treinamento estão abertos o suficiente para replicação em outras plataformas em nuvem com a experiência e os recursos certos. A infraestrutura de aprendizado de máquina do Google, incluindo recursos TensorFlow e TPU, pode alimentar modelos autoregressivos profundos semelhantes para previsão de séries temporais, enquanto o Microsoft Azure oferece os serviços fundamentais para construir, treinar e implantar esses modelos em seu ecossistema. Assim, embora não exista um serviço profundo do AWS Sagemaker, tanto o Google Cloud quanto o Microsoft Azure oferecem os componentes necessários para implementar fluxos de trabalho do tipo profunda, adaptados a necessidades específicas de previsão.
Além disso, a pesquisa em torno do Deeptar inclui estruturas de execução híbridas que alavancam camadas de borda, dispositivo e computação em nuvem. Essas estruturas consideram particionar as execuções de redes neurais em dispositivos e recursos em nuvem para otimizar o desempenho, permitindo a integração em ambientes de nuvem de várias nuvens ou híbridas. Essas abordagens se encaixam bem com os recursos escaláveis e distribuídos do Google Cloud e Microsoft Azure, especialmente para aplicativos de ponta a nuvem em IoT industrial ou cenários móveis.
Em conclusão, o Deeptar como um serviço de marca registrada ou embalada está atualmente disponível diretamente na AWS Sagemaker AI. Ainda assim, sua metodologia de previsão autorregressiva profunda subjacente pode ser implementada usando os serviços de aprendizado de máquina do Google Cloud ou Microsoft Azure, criando modelos personalizados, alavancando o tensorflow ou outras estruturas de aprendizado profundo e empregando a infraestrutura de dados e IA desses provedores de nuvem. Essa abordagem requer experiência em engenharia de ML, mas oferece possibilidades completas de flexibilidade e integração nesses ambientes em nuvem, apoiando soluções sofisticadas de previsão de séries temporais semelhantes ao Deeptar.
Referências usadas:- Amazon Sagemaker Deepar
- Cloud AI do Google e recursos de serviço de aprendizado de máquina e padrões de integração
- Comparação e informações sobre os serviços da plataforma em nuvem, incluindo o Azure
- Literatura de pesquisa descrevendo a metodologia Deeftar e estruturas de execução em nuvem híbridas