A Deepar, a felügyelt tanulási algoritmus a skaláris idősorok előrejelzésére visszatérő neurális hálózatok felhasználásával, elsősorban az Amazon által a Sagemaker AI platformon keresztül kínálja. Ez az algoritmus kiemelkedik, amikor az adatkészletekre alkalmazzák, amelyek sok kapcsolódó idősorból állnak, és egyetlen modellt használnak ki, amely ezen a sorozaton képzett, hogy felülmúlja a hagyományos módszereket, mint például az ARIMA vagy az exponenciális simítás. Használható új idősorok előrejelzéseinek előállítására, amelyek megosztják a hasonlóságokat a képzési adatokkal, és támogatja az opcionális statikus kategorikus tulajdonságokat és a dinamikus időfüggő funkciókat az árnyaltabb modellezéshez. A Sagemaker AI lehetővé teszi a Deepar modellek kiképzését mind a CPU, mind a GPU példányokon, bár a következtetések csak a CPU példányokat támogatják. A modelleket nagyobb példányokra vagy klaszterekre lehet méretezni, hogy a komplex vagy nagy adatkészleteket hatékonyan kezeljék.
Ami a Deepar AWS -en túli Cloud Services használatát illeti, mint például a Google Cloud vagy a Microsoft Azure, nincs olyan közvetlen szolgáltatás, amelyben a Deepar -ként márkanév van ezen platformon, hasonlóan az AWS Sagemaker AI ajánlatához. A Google felhő -ökoszisztémája azonban kiterjedt gépi tanulási és adatfeldolgozó eszközöket foglal magában, amelyek az egyedi fejlesztések révén potenciálisan megvalósíthatják a Deeparhoz hasonló modelleket. Például a Google Cloud Platform (GCP) integrációt kínál a TensorFlow-val, egy nyílt forráskódú gépi tanulási keretrendszerrel, amely népszerű a mély tanulási modelleknél, mint például a visszatérő neurális hálózatok. A TensorFlow felhasználható a Deepar-szerű előrejelzési modellek újjáépítésére, a GCP AI és gépi tanulási szolgáltatásainak, például AI platformon, BigQuery ML-hez vagy a DataFlow vagy a Vertex AI-n keresztül hangszerelhető egyedi csővezetékek felhasználásához.
A Microsoft Azure az AI és a gépi tanulási szolgáltatások széles körét is biztosítja, amely támogatja a visszatérő neurális hálózatokat és az idősorok előrejelzését. Az Azure Machine Learning lehetővé teszi a felhasználók számára, hogy olyan egyedi modelleket fejlesszenek ki, mint a TensorFlow vagy a Pytorch, lehetővé téve a Deepar-ekvivalens modellek felépítését. Az Azure AI ökoszisztémája integrálódhat az adattárolási és feldolgozási szolgáltatásokhoz, például az Azure Synapse Analytics és az Azure Databricks -hez az átfogó idősorok adatkezeléséhez, előkészítéséhez és előrejelzéséhez. Az Azure méretezhetősége és hibrid felhő támogatása megkönnyíti az ilyen modellek telepítését a különféle vállalati környezetben.
A Deepar eredendő egy olyan kutatási és végrehajtási megközelítés, amelyet az Amazon közzétett és működtetett, de nem egy olyan tulajdonosi technológia, amely szigorúan az AWS -re korlátozódik. A modell architektúrája és képzési alapelvei elég nyitottak ahhoz, hogy a megfelelő szakértelemmel és erőforrásokkal rendelkező más felhőplatformokon replikálódjanak. A Google gépi tanulási infrastruktúrája, beleértve a TensorFlow és a TPU erőforrásait, hasonló mély autoregresszív modelleket eredményezhet az idősorok előrejelzéséhez, míg a Microsoft Azure az alapvető szolgáltatásokat kínálja az ilyen modellek építéséhez, kiképzéséhez és telepítéséhez. Így, bár az AWS Sagemaker-n kívül nincs a box Deepar szolgáltatás, mind a Google Cloud, mind a Microsoft Azure a szükséges összetevőket kínálja a speciális előrejelzési igényekhez igazított mélyár-szerű munkafolyamatok megvalósításához.
Ezenkívül a Deepar körüli kutatások magukban foglalják a hibrid végrehajtási kereteket, a szél-, eszköz- és felhőalapú számítástechnikai rétegeket. Ezek a keretek fontolóra veszik a neurális hálózati kivégzések megoszlását eszközökön és felhőforrásokon keresztül a teljesítmény optimalizálása érdekében, lehetővé téve az integrációt a multi-felhő vagy a hibrid felhő környezetben. Az ilyen megközelítések jól illeszkednek mind a Google Cloud, mind a Microsoft Azure méretezhető, elosztott képességeihez, különös tekintettel az ipari tárgyak internete vagy mobil forgatókönyvekre vonatkozó élektől-felhő-alkalmazásokhoz.
Összegezve, a Deepar mint védjegyű vagy csomagolt szolgáltatás jelenleg közvetlenül elérhető az AWS Sagemaker AI -n. Ennek ellenére az alapjául szolgáló mély autoregresszív előrejelzési módszertant a Google Cloud vagy a Microsoft Azure gépi tanulási szolgáltatásai felhasználásával lehet megvalósítani, ha egyéni modelleket építenek, a tensorflow -t vagy más mély tanulási kereteket, valamint ezeknek a felhő -szolgáltatók adatainak és AI infrastruktúrájának felhasználásával. Ez a megközelítés megköveteli az ML mérnöki szakértelmét, de teljes rugalmasságot és integrációs lehetőségeket kínál azokban a felhőkörnyezetekben, amelyek támogatják a Deeparhoz hasonló kifinomult idősoros előrejelzési megoldásokat.
Használt hivatkozások:- Amazon Sagemaker Deepar dokumentáció és algoritmus részletei
- A Google Cloud AI és a gépi tanulási szolgáltatási képességek és az integrációs minták
- Összehasonlítás és információk a Cloud Platform AI szolgáltatásokról, beleértve az Azure -t
- Kutatási irodalom, amely leírja a Deepar módszertant és a hibrid felhő végrehajtási kereteket