Übersicht
Die Freiheit, die Data Science Teams auf einer Plattform benötigen, und die für die IT in Frage kommt.
Enterprise-Data-Science-Teams benötigen Zugriff auf Geschäftsdaten sowie auf die Tools und Computerressourcen, die für umfassende maschinelle Lern-Workflows erforderlich sind, während die IT und das Unternehmen Daten-Governance wahren und die Kosten für Infrastruktur kontrollieren müssen. Cloudera Machine Learning verleiht Self-Service-Workflows für maschinelles Lernen die Flexibilität und Wirtschaftlichkeit einer Cloud mit geregelten Geschäftsdaten und Tools, die Data-Science-Teams überall benötigen.
Anwendungsfälle
Schulungen für maschinelle Lernmodelle in der Cloud
Umfassende Batchverarbeitung in der Cloud
Umfassendes maschinelles Lernen mit Cloud-nativen Daten
Schulungen für maschinelle Lernmodelle in der Cloud
Die lokale Infrastruktur ist zu ausgelastet, um maschinelle Lernverfahren für Modellschulungen zu übernehmen. Mit Cloudera Machine Learning können die IT-Abteilungen mühelos geregelte Geschäftsdaten vom Standort in die Cloud replizieren und neue ML-Arbeitsbereiche für Teams mit einer vorkonfigurierten Sicherung für den Ressourcenverbrauch bereitstellen. Hierüber wird der Zugriff auf die Daten, Tools und Computerressourcen geregelt, die für die Modellschulung und die Bereitstellung unter Verwendung von standorteigenen Daten erforderlich sind.
Umfassende Batchverarbeitung in der Cloud
Wenn die Schulung von ML-Modellen am Standort erfolgt, Inferenzdaten jedoch in der Cloud gespeichert sind, ermöglicht Cloudera Machine Learning die Batchverarbeitung großer Datenmengen, z. B. Bild- oder Sensordaten, die sich im Cloud-Speicher befinden. Die IT-Abteilung kann ML-Arbeitsbereiche mit vorkonfigurierten Sicherungen für die Ressourcennutzung bereitstellen, sodass Data-Science-Teams Daten mithilfe von Auto-Scaling und Auto-Suspending von TensorFlow- oder Spark-Jobs im Handumdrehen ohne unkalkulierbare Kostensteigerungen verarbeiten können.
Umfassendes maschinelles Lernen mit Cloud-nativen Daten
Manchmal entstehen Daten für maschinelle Lernprojekte in der Cloud. Mit Cloudera Machine Learning kann die IT-Abteilung neue ML-Arbeitsbereiche mit vorkonfigurierten Sicherungen für die Ressourcennutzung bereitstellen, die Zugriff auf die Tools und Computerressourcen bieten, die für eine Modellschulung und -bereitstellung mithilfe Cloud-nativer Daten erforderlich sind.
Mit Cloudera Machine Learning können Administratoren mit wenigen Klicks neue Arbeitsbereiche für maschinelles Lernen für Teams bereitstellen, sodass Data-Science-Teams ohne Wartezeit auf die Projektumgebungen und Ressourcen zugreifen können, die sie für End-to-End-ML benötigen.
Mit Cloudera Machine Learning können Administratoren im Handumdrehen geregelte Datensätze in Hybrid- und Multi-Cloud-Umgebungen replizieren, um Data-Science-Teams den Self-Service-Zugriff auf die Geschäftsdaten zu ermöglichen, die sie benötigen, und gleichzeitig die Datensicherheit und Governance-Kontrollen des Unternehmens aufrechtzuerhalten.
Neben Python, R und Scala for Spark benötigen moderne Data-Science-Teams die neuesten Open-Source-Tools und -Bibliotheken, um Innovationen hervorzubringen und die Zusammenarbeit beim Arbeiten an ihrer bevorzugten IDE zu ermöglichen. Cloudera Machine Learning bietet Anwendern die Freiheit, ihre bevorzugten Tools zu verwenden und dabei Sicherheit, Effizienz und Skalierbarkeit ohne administrativen Aufwand zu bewahren.
Innovation kann unvorhersehbar, sollte aber unaufhaltsam sein. Cloudera Machine Learning bietet Data-Science-Teams Zugriff auf die skalierbaren heterogenen Computerressourcen, die sie benötigen, um ihre Arbeit schnell zu erledigen. Dabei sollten anpassbare Schutzbarrieren beibehalten werden, mit deren Hilfe die IT-Abteilung die Ressourcen und Kosten einer Infrastruktur einfach verwalten und optimieren kann.
Maschinelles Lernen kann erst beginnen, wenn Daten vorliegen, aber ist nach erfolgter Schulung in einem Modell noch nicht beendet. Maschinelles Lernen in Unternehmen erfordert Data Engineering, Modellschulungen und Experiment Tracking sowie die Bereitstellung und Verwaltung von Modellen in der Produktion. Und für all das bietet Cloudera Machine Learning Teams die Werkzeuge in einer einheitlichen Umgebung ohne Switching und Stitching.
Sollte Ihre ML-Plattform in einer Hybrid- oder gar Multi-Cloud-Welt nicht portabel sein? Mit Cloudera Machine Learning kann das Unternehmen ihre Daten und Infrastruktur überall hin verlagern, ohne getrennte Silos zu erstellen und das einheitliche Benutzererlebnis zu ändern, auf das sich Data-Science-Teams verlassen, um robuste Workflows und Prozesse für End-to-End-ML zu erstellen.
Sicherheit und Governance auf Unternehmensniveau
Sichern und regulieren Sie Plattform- und Metadaten und steuern Sie Funktionen mit dedizierten, integrierten Schnittstellen, um sie zu verwalten. Richtlinien für Datensicherheit, Governance und Kontrolle werden einmal festgelegt und überall konsequent durchgesetzt, um Betriebskosten und Geschäftsrisiken zu minimieren und gleichzeitig eine vollständige Auswahl und Flexibilität der Infrastruktur zu ermöglichen.
Erstklassige Schulungen, Support & Services
Erfahren Sie von unseren Experten, wie Sie reale Lösungen entwickeln.
Lernen, teilen und genießen Sie unsere Community
Tauchen Sie ein in die Produkte von Cloudera
Laden Sie Ihre favorisierten Produkte herunter