Taip, „DeepAR“ galima integruoti su debesų paslaugomis, tokiomis kaip „Google Cloud“ ir „Microsoft Azure“. Štai keli būdai, kuriais DeepAR galima naudoti su šiomis debesų platformomis:
Google Cloud
1. „Google“ debesies integravimo paslaugos: „Google Cloud“ siūlo integravimo paslaugas, kurias galima naudoti norint prijungti DeepAR modelius prie įvairių duomenų šaltinių ir programų. Tai apima tokias paslaugas kaip „Google Cloud Data Fusion“, „Google Cloud Dataflow“ ir „Google Cloud Pub/Sub“, kurias galima naudoti norint integruoti ir apdoroti duomenis iš įvairių šaltinių ir programų[1].2. „Google Cloud AI“ platforma: „Google Cloud AI Platform“ teikia valdomą mašininio mokymosi modelių diegimo ir valdymo paslaugą. Tai apima DeepAR modelių palaikymą, kuriuos galima apmokyti ir įdiegti naudojant platformos įrankius ir paslaugas[1].
3. „Google Cloud Storage“: „Google Cloud Storage“ yra keičiamo dydžio ir patvarus didelių duomenų rinkinių saugyklos sprendimas. Tai gali būti naudojama saugoti ir tvarkyti duomenis, naudojamus mokant ir diegiant DeepAR modelius[1].
Microsoft Azure
1. Microsoft Azure Machine Learning: Microsoft Azure Machine Learning teikia valdomą paslaugą, skirtą mašininio mokymosi modeliams diegti ir valdyti. Tai apima DeepAR modelių palaikymą, kuriuos galima apmokyti ir įdiegti naudojant platformos įrankius ir paslaugas[1].2. „Microsoft Azure Data Factory“: „Microsoft Azure Data Factory“ teikia debesyje pagrįstą duomenų integravimo paslaugą, kurią galima naudoti duomenims iš skirtingų šaltinių ir programų integruoti ir apdoroti. Tai apima DeepAR modelių integravimo su įvairiais duomenų šaltiniais ir programomis palaikymą[1].
3. „Microsoft Azure Storage“: „Microsoft Azure Storage“ yra keičiamo dydžio ir patvarus didelių duomenų rinkinių saugyklos sprendimas. Tai gali būti naudojama saugoti ir tvarkyti duomenis, naudojamus mokant ir diegiant DeepAR modelius[1].
Bendra integracija
1. Debesis pagrįstas duomenų apdorojimas: tiek „Google Cloud“, tiek „Microsoft Azure“ teikia debesimis pagrįstas duomenų apdorojimo paslaugas, kurios gali būti naudojamos dideliems duomenų rinkiniams apdoroti ir „DeepAR“ modeliams integruoti su įvairiais duomenų šaltiniais ir programomis[1].2. Valdomos paslaugos: abi platformos siūlo valdomas mašininio mokymosi modelių diegimo ir valdymo paslaugas, įskaitant DeepAR modelių palaikymą[1].
3. Integravimas su kitomis paslaugomis: abi platformos teikia platų paslaugų spektrą, kurias galima integruoti su DeepAR modeliais, įskaitant duomenų integravimo, duomenų apdorojimo ir duomenų saugojimo paslaugas[1].
Apibendrinant galima pasakyti, kad „DeepAR“ gali būti integruotas su debesų paslaugomis, tokiomis kaip „Google Cloud“ ir „Microsoft Azure“, naudojant įvairias integravimo paslaugas, valdomas paslaugas ir duomenų apdorojimo galimybes. Tai leidžia keičiamo dydžio ir efektyviai diegti ir valdyti DeepAR modelius įvairiose debesų platformose.
Citatos:[1] https://cloud.google.com/integration-services
[2] https://community.dynamics.com/forums/thread/details/?threadid=9c6fdf00-60c4-41f2-8c1b-78dbfaacefa0
[3] https://www.sfu.ca/~fangxinw/Papers/19-NI-DeePar.pdf
[4] https://www.linkedin.com/posts/berkowski_big-digital-and-deepar-join-forces-to-amplify-activity-7194327554223161345-t4EY
[5] https://blog.dataiku.com/deep-learning-time-series-forecasting