Deepar, nadzorovani algoritem učenja za napovedovanje skalarnih časovnih vrst z uporabo ponavljajočih se nevronskih omrežij, Amazon ponuja predvsem prek platforme SageMaker AI. Ta algoritem se odlikuje, če se nanaša na nabore podatkov, sestavljenih iz številnih povezanih časovnih vrst, pri čemer je uporabil en sam model, usposobljen za te serije, da bi presegel tradicionalne metode, kot sta Arima ali eksponentno glajenje. Uporablja se lahko za ustvarjanje napovedi za nove časovne vrste, ki delijo podobnosti s podatki o usposabljanju, in podpira neobvezne statične kategorične lastnosti in dinamične časovno odvisne funkcije za bolj niansirano modeliranje. SageMaker AI omogoča trening Deepar Models tako v primerkih CPU kot v GPU, čeprav sklepanje podpira samo primere CPU -ja. Modeli se lahko povečajo na večjih primerkih ali grozdih za učinkovito ravnanje s kompleksnimi ali velikimi nabori podatkov.
Kar zadeva uporabo Deeparjeve uporabe s storitvami v oblaku, ki presegajo AWS, kot sta Google Cloud ali Microsoft Azure, ni nobene neposredne storitve, ki bi bila na teh platformah, podobna Deeparju, podobni ponudbi AWS SageMaker AI. Vendar Googlov ekosistem v oblaku vključuje obsežna orodja za strojno učenje in obdelavo podatkov, ki bi lahko z razvojem po meri uporabila modele, podobne Deetarju. Na primer, Google Cloud Platform (GCP) ponuja integracijo s Tensorflow, odprtokodnim okvirom strojnega učenja, ki je priljubljen za modele globokega učenja, kot so ponavljajoče se nevronske mreže. Tensorflow lahko uporabite za poustvarjanje modelov za napovedovanje, ki so podobni poglobljenim, uporabijo GCP-jeve AI in storitve strojnega učenja, kot so platforma AI, BigQuery ML ali cevovodi po meri, ki jih orkestrirajo prek podatkovne ali Vertex AI.
Microsoft Azure ponuja tudi širok nabor storitev AI in strojnega učenja, ki podpirajo ponavljajoče se nevronske mreže in napovedovanje časovnih vrst. Azure Machine Learning uporabnikom omogoča razvijanje modelov po meri z uporabo okvirov, kot sta Tensorflow ali Pytorch, kar omogoča konstrukcijo poglobljenih modelov. Azurejev AI ekosistem se lahko integrira s svojimi storitvami za shranjevanje in obdelavo podatkov, kot sta Azure Synapse Analytics in Azure DataBricks za celovito upravljanje podatkov, priprave in napovedovanje podatkov. Azurejeva razširljivost in hibridna podpora v oblaku olajšata uporabo takšnih modelov v različnih podjetniških okoljih.
Deepar je sam po sebi raziskovalni in izvajalski pristop, ki ga je objavil in operacionaliziral Amazon, vendar ne lastniška tehnologija, ki je bila strogo omejena na AWS. Načela arhitekture in usposabljanja modelov so dovolj odprta za razmnoževanje na drugih oblačnih platformah s pravim strokovnim znanjem in viri. Googlova infrastruktura strojnega učenja, vključno z viri Tensorflow in TPU, lahko poganja podobne globoke avtoregresivne modele za napovedovanje časovnih vrst, Microsoft Azure pa ponuja temeljne storitve za gradnjo, usposabljanje in uvajanje takšnih modelov v svojem ekosistemu. Čeprav zunaj AWS SageMaker ne obstaja večkratna Deepar Service, Google Cloud in Microsoft Azure ponujata potrebne komponente za izvajanje poglobljenih delovnih tokov, prilagojenih posebnim potrebam po napovedi.
Poleg tega raziskave okoli Deeparja vključujejo hibridne okvire za izvajanje robov, naprave in računalniške plasti. Ti okviri upoštevajo delitev nevronskih omrežij v napravah in v oblaku za optimizacijo zmogljivosti, kar omogoča integracijo v več oblaku ali hibridnega oblaka. Takšni pristopi se dobro ujemajo s prilagodljivimi, porazdeljenimi zmogljivostmi Google Cloud in Microsoft Azure, zlasti za aplikacije od roba do oblaka v industrijskih IoT ali mobilnih scenarijih.
Za zaključek je Deepar kot blagovna znamka ali pakirana storitev trenutno na voljo neposredno na AWS SageMaker AI. Kljub temu je mogoče svojo osnovno metodologijo za samodejno progresivno napovedovanje izvajati z uporabo storitev strojnega učenja Google Cloud ali Microsoft Azure z gradnjo modelov po meri, s pomočjo Tensorflow ali drugih okvirov globokega učenja in uporabi podatkov teh ponudnikov in infrastrukture AI. Ta pristop zahteva strokovno znanje o ML in ponuja popolno prilagodljivost in integracijske možnosti v teh oblačnih okoljih, ki podpirajo prefinjene rešitve za napovedovanje časovnih vrst, ki so podobne Deetarja.
Uporabljene reference:- Podrobnosti Amazon SageMaker Deepar Dokumentacije in algoritma
- Googlove zmogljivosti AI v oblaku in storitve strojnega učenja ter vzorci integracije
- Primerjava in informacije o storitvah AI v oblaku, vključno z Azure
- Raziskovalna literatura, ki opisuje poglobljeno metodologijo in hibridne okvire za izvajanje oblakov