Runtime Machine Learning
Ambiente di machine learning ottimizzato pronto all'uso
Machine Learning Runtime (MLR) offre a data scientist e tecnici ML cluster scalabili che comprendono i framework più diffusi, AutoML integrato e ottimizzazioni per prestazioni senza paragoni.
Vantaggi
FRAMEWORK A SCELTA
I framework di ML si evolvono molto rapidamente e i tecnici devono saper gestire mediamente 8 librerie. ML Runtime offre accesso con un solo clic a una distribuzione affidabile e performante dei framework di ML più diffusi, oltre ad ambienti di ML personalizzati tramite contenitori predefiniti.
MACHINE LEARNING AUMENTATO
Il ciclo di machine learning, dalla preparazione dei dati all'inferenza, può essere accelerato con funzionalità di ML integrate, fra cui sintonizzazione degli iperparametri e ricerca di modelli utilizzando Hyperopt e MLflow.
SCALABILITÀ SEMPLIFICATA
Il passaggio da piccoli volumi di dati ai Big Data viene agevolato dall'infrastruttura di cluster autogestita e scalabile. Machine Learning Runtime comprende anche migliorie esclusive delle prestazioni per gli algoritmi più diffusi e HorovodRunner, una semplice API per deep learning distribuito.
Funzioni
ML Framework: Le librerie e i framework di ML più diffusi vengono forniti "pronti all'uso", ad esempio TensorFlow, Keras, PyTorch, MLflow, Horovod, GraphFrames, scikit-learn, XGboost, numpy, MLeap e Pandas.
Come funziona
Machine Learning Runtime è basato su Databricks Runtime e viene aggiornato a ogni nuova release. È disponibile per tutte le offerte di prodotti Databricks, fra cui Azure Databricks, AWS cloud, cluster GPU e cluster CPU.
Per utilizzare ML Runtime basta selezionare la versione di ML del runtime quando si crea il cluster.
