Deepatar, un algoritm de învățare supravegheat pentru prognozarea seriilor de timp scalare folosind rețele neuronale recurente, este oferit în principal de Amazon prin intermediul platformei sale de sagemaker AI. Acest algoritm excelează atunci când este aplicat la seturi de date constând din multe serii de timp conexe, utilizând un singur model instruit în aceste serii pentru a depăși metodele tradiționale precum ARIMA sau netezirea exponențială. Poate fi utilizat pentru a genera prognoze pentru noi serii de timp care împărtășesc asemănări cu datele de instruire și acceptă caracteristici categorice statice opționale și caracteristici dinamice dependente de timp pentru o modelare mai nuanțată. SAGEMAKER AI permite formarea modelelor Deepar atât în instanțele CPU, cât și în GPU, deși inferența acceptă doar cazuri de procesor. Modelele pot fi extinse pe cazuri sau clustere mai mari pentru a gestiona eficient seturi de date complexe sau mari.
În ceea ce privește utilizarea lui Deepar cu Cloud Services dincolo de AWS, cum ar fi Google Cloud sau Microsoft Azure, nu există un serviciu direct marcat ca Deepar pe aceste platforme asemănătoare cu oferta AWS Sagemaker AI. Cu toate acestea, ecosistemul cloud Google implică instrumente extinse de învățare automată și prelucrare a datelor care ar putea implementa modele similare cu Deepar prin dezvoltări personalizate. De exemplu, Google Cloud Platform (GCP) oferă integrare cu TensorFlow, un cadru de învățare automată open-source popular pentru modele de învățare profundă, cum ar fi rețele neuronale recurente. TensorFlow poate fi utilizat pentru a recrea modele de prognoză asemănătoare Deepar, utilizând AI-ul GCP și serviciile de învățare automată, cum ar fi platforma AI, BigQuery ML sau conductele personalizate orchestrate prin DataFlow sau Vertex AI.
Microsoft Azure oferă, de asemenea, o suită largă de AI și servicii de învățare automată care susțin rețele neuronale recurente și previziuni ale seriilor de timp. Azure Machine Learning permite utilizatorilor să dezvolte modele personalizate folosind cadre precum TensorFlow sau Pytorch, permițând construcția de modele echivalente. Ecosistemul AI Azure se poate integra cu serviciile sale de stocare și procesare a datelor, cum ar fi Azure Synapse Analytics și Azure Databricks pentru gestionarea, pregătirea și prognozarea datelor complete ale seriilor de timp. Scalabilitatea Azure și suportul hibrid în cloud facilitează implementarea unor astfel de modele în diverse medii de întreprindere.
Deepatar este în mod inerent o abordare de cercetare și implementare publicată și operaționalizată de Amazon, dar nu o tehnologie proprie, limitată strict la AWS. Principiile de arhitectură și instruire model sunt suficient de deschise pentru replicarea pe alte platforme cloud cu expertiza și resursele potrivite. Infrastructura de învățare automată a Google, inclusiv TensorFlow și TPU Resources, poate alimenta modele autoregresive profunde pentru prognozele seriilor de timp, în timp ce Microsoft Azure oferă serviciile fundamentale pentru a construi, instrui și implementa astfel de modele în ecosistemul său. Astfel, deși nu există un serviciu deepar în afara casetei în afara AWS SAGEMAKER, atât Google Cloud, cât și Microsoft Azure oferă componentele necesare pentru a implementa fluxuri de lucru asemănătoare cu deep, adaptate nevoilor specifice de prognoză.
Mai mult, cercetările din jurul DeePAR includ cadre de execuție hibridă care utilizează straturi de margine, dispozitiv și calcul de cloud. Aceste cadre iau în considerare partiționarea execuțiilor de rețea neuronală pe dispozitive și resurse cloud pentru a optimiza performanța, permițând integrarea în medii cloud multi-cloud sau hibrid. Astfel de abordări se potrivesc bine cu capacitățile scalabile și distribuite atât ale Google Cloud, cât și ale Microsoft Azure, în special pentru aplicațiile Edge-to-Cloud în scenarii IoT industriale sau mobile.
În concluzie, Deepar ca un serviciu comercial sau ambalat este disponibil în prezent direct pe AWS Sagemaker AI. Cu toate acestea, metodologia sa de prognoză autoregresivă profundă poate fi implementată folosind serviciile Google Cloud Cloud sau Microsoft Azure, prin construirea de modele personalizate, utilizând tensorflow sau alte cadre de învățare profundă și utilizând datele acestor furnizori de cloud și infrastructura AI. Această abordare necesită expertiză în domeniul ingineriei ML, dar oferă posibilități depline de flexibilitate și integrare în acele medii cloud, sprijinind soluții de prognoză sofisticate de prognoză de timp.
Referințe utilizate:- Documentația și detaliile algoritmului Amazon Sagmaker Deepar
- AI -ul Cloud -Cloud și capacitățile de servicii de învățare automată și modele de integrare
- Comparație și informații despre serviciile AI cu platformă cloud, inclusiv Azure
- Literatura de cercetare care descriu metodologia deepar și cadrele de execuție a cloudului hibrid