Deepar, vedúci vzdelávací algoritmus na predpovedanie skalárnych časových radov pomocou opakujúcich sa neurónových sietí, ponúka Amazon predovšetkým prostredníctvom svojej platformy Sagemaker AI. Tento algoritmus vyniká, keď sa aplikuje na súbory údajov pozostávajúcich z mnohých súvisiacich časových radov, využívajúci jeden model vyškolený v týchto sériách na prekonanie tradičných metód, ako je Arima alebo exponenciálne vyhladenie. Môže sa použiť na generovanie prognóz nových časových radov, ktoré zdieľajú podobnosti s údajmi o školeniach, a podporuje voliteľné statické kategorické vlastnosti a dynamické funkcie závislé od časov pre modelové modelovanie. Sagemaker AI umožňuje výcvik Deepar Modely na inštanciách CPU aj GPU, hoci inferencia podporuje iba inštancie CPU. Modely sa môžu rozšíriť na väčšie inštancie alebo zhluky, aby sa efektívne spracovali komplexné alebo veľké súbory údajov.
Pokiaľ ide o používanie spoločnosti Deepar s cloudovými službami za AWS, ako napríklad Google Cloud alebo Microsoft Azure, na týchto platformách sa na týchto platformách podobá AWS Sagemaker AI. Cloudový ekosystém spoločnosti Google však zahŕňa rozsiahle nástroje strojového učenia a spracovania údajov, ktoré by potenciálne mohli implementovať modely podobné Deepar prostredníctvom vlastného vývoja. Napríklad platforma Google Cloud Platform (GCP) ponúka integráciu s Tensorflow, rámcom s otvoreným zdrojovým strojom, ktorý je obľúbený pre modely hlbokého vzdelávania, ako sú opakujúce sa neurónové siete. TensorFlow je možné využiť na obnovenie predpovedajúcich modelov podobných Deepar, využívanie AI a služby strojového učenia GCP, ako sú platforma AI, BigQuery ML alebo Custom Pipelines organizované prostredníctvom DataFlow alebo Vertex AI.
Spoločnosť Microsoft Azure tiež poskytuje širokú sadu služieb AI a strojového učenia podporujúce opakujúce sa neurónové siete a predpovedanie časových radov. Azure Machine Learning umožňuje používateľom vyvíjať vlastné modely pomocou rámcov, ako je TensorFlow alebo Pytorch, čo umožňuje konštrukciu modelov s hlbokým ekvivalentom. Ekosystém AIS AISUR sa môže integrovať so svojimi službami ukladania a spracovania údajov, ako je analytika Azure Synapse Analytics a Azure Databricks pre komplexné správy, príprava a predpovedanie údajov o časových radoch. Škálovateľnosť a hybridná cloudová podpora Azure uľahčuje nasadenie týchto modelov v rôznych podnikových prostrediach.
Deepar Inhereenly je prístup k výskumu a implementácii, ktorý Amazon uverejnil a prevádzkoval, ale nie patentovaná technológia obmedzená prísne na AWS. Princípy architektúry a výcviku modelu sú dostatočne otvorené na replikáciu na iných cloudových platformách so správnymi odbornými znalosťami a zdrojmi. Infraštruktúra strojovej učenia spoločnosti Google vrátane zdrojov TensorFlow a TPU dokáže poháňať podobné hlboké autoregresívne modely pre predpovedanie časových radov, zatiaľ čo Microsoft Azure ponúka základné služby na vytváranie, školenie a nasadenie takýchto modelov v rámci svojho ekosystému. Aj keď mimo AWS Sagemaker neexistuje hlboká služba mimo boxu, spoločnosť Google Cloud a Microsoft Azure ponúkajú potrebné komponenty na implementáciu pracovných tokov podobných Deepar prispôsobené konkrétnym potrebám predpovedania.
Výskum v oblasti Deepar ďalej zahŕňa hybridné vykonávacie rámce, ktoré využívajú vrstvy okrajov, zariadení a cloudových výpočtov. Tieto rámce zvažujú rozdelenie vykonávania neurónových sietí naprieč zariadeniami a cloudovými zdrojmi na optimalizáciu výkonu, čo umožňuje integráciu do viacerých cloudových prostredí alebo hybridných cloudových prostredí. Takéto prístupy sú v poriadku s škálovateľnými distribuovanými schopnosťami spoločnosti Google Cloud a Microsoft Azure, najmä pre aplikácie od okraja-cloud v priemyselných internetu vecí alebo mobilných scenároch.
Na záver možno povedať, že Deepar ako ochranná známka alebo zabalená služba je v súčasnosti k dispozícii priamo na AWS Sagemaker AI. Jeho základná metodika hlbokej autoregresívnej predpovedania je však možné implementovať pomocou služieb strojového učenia spoločnosti Google alebo Microsoft Azure vybudovaním vlastných modelov, využívaním TensorFlow alebo inými hlbokými vzdelávacími rámcami a využívaním údajov týchto poskytovateľov cloudu a infraštruktúry AI. Tento prístup si vyžaduje odborné znalosti ML, ale ponúka možnosti úplnej flexibility a integrácie v týchto cloudových prostrediach, ktoré podporujú sofistikované časové série predpovedajúce riešenia podobné Deeparovi.
Použité referencie:- Amazon Sagemaker Deepar Dokumentácia a podrobnosti o algoritme
- Cloudové AI a strojové služby v službe služby Google a vzory integrácie a integrácie
- Porovnanie a informácie o službách AI Cloud Platform vrátane Azure
- Výskumná literatúra popisujúca metodológiu Deepar a rámce hybridného cloudu