Runtime de machine learning
Environnement de machine learning optimisé et prêt à l'emploi
Le Runtime pour le Machine Learning (MLR) fournit aux data scientists et aux techniciens du ML des clusters évolutifs comprenant des frameworks populaires, des optimisations et une fonction AutoML intégrées pour des performances inégalées.
Avantages
DES FRAMEWORKS DE CHOIX
Les frameworks de ML évoluent à un rythme effréné et les techniciens doivent gérer en moyenne 8 bibliothèques. En un clic, le Runtime ML permet d'accéder à un panel fiable et performant de frameworks ML parmi les plus populaires, mais aussi à des environnements de ML personnalisés via des conteneurs pré-construits.
MACHINE LEARNING AUGMENTÉ
Accélérez le machine learning, depuis la préparation des données jusqu'à l'inférence, grâce à des fonctionnalités AutoML intégrées comme l'ajustement des hyperparamètres ou la recherche de modèle à l'aide de Hyperopt et de MLflow.
ÉVOLUTION SIMPLIFIÉE
Passez sans effort au big data grâce à une infrastructure de cluster évolutive et auto-gérée. Le Runtime pour le Machine Learning contient des améliorations de performances exclusives pour les algorithmes les plus populaires, ainsi que HorovodRunner, une API toute simple pour le deep learning distribué.
Fonctionnalités
Frameworks de ML : les bibliothèques et frameworks de ML les plus populaires sont inclus en standard, notamment TensorFlow, Keras, PyTorch, MLflow, Horovod, GraphFrames, scikit-learn, XGboost, numpy, MLeap et Pandas.
Comment ça marche
Le runtime pour le Machine Learning est une surcouche mise à jour lors de chaque montée de version. Il est disponible sur toute la gamme de produits Databricks, notamment : Azure Databricks, AWS cloud, clusters GPU et clusters CPU.
Pour utiliser le runtime pour le ML, sélectionnez tout simplement la version ML du runtime au moment de créer votre cluster.