Contente
Q:
Como a conteinerização pode ser uma boa escolha para um ambiente de projeto de aprendizado de máquina?
UMA:
Algumas empresas estão adotando a contêiner para projetos de aprendizado de máquina, com base em alguns dos benefícios que as configurações de contêiner oferecem em termos de plataformas e ambientes de software.
O aprendizado de máquina é complexo - os próprios algoritmos executam muitas ações muito detalhadas e complicadas nos dados. No entanto, a proposição de valor é, de certa forma, bastante simples - os algoritmos de aprendizado de máquina funcionam com dados provenientes de ambientes de armazenamento.
O uso de contêineres envolve como os engenheiros colocam os dados no ambiente de aprendizado de máquina e como os algoritmos funcionam.
Os engenheiros podem usar a virtualização de contêiner para armazenar os dados ou implantar o código que executa os algoritmos. Embora os contêineres possam ser úteis para os dados, seu principal benefício provavelmente é o uso para abrigar o código do algoritmo.
As arquiteturas de contêiner apresentam aplicativos e bases de código independentes. Cada contêiner obtém seu próprio clone do sistema operacional e obtém um ambiente operacional completo para o conjunto de funções de aplicativo ou código que vive dentro dele.
Como resultado, os aplicativos, microsserviços ou bases de código individuais que estão em cada contêiner podem ser implantados de maneiras muito versáteis. Eles podem ser implantados em diferentes plataformas e ambientes diferentes.
Agora, suponha que você esteja tentando acelerar um projeto de aprendizado de máquina no qual vários algoritmos precisam trabalhar em várias partes de dados de maneira iterativa. Se você se cansar de lidar com desafios entre plataformas ou problemas de dependência ou situações em que a implantação bare-metal é difícil, os contêineres podem ser a solução.
Essencialmente, os contêineres fornecem uma maneira de hospedar o código. Os especialistas falam sobre a implantação dos contêineres contra os dados armazenados para obter bons resultados.
"(Os aplicativos) podem ser combinados e combinados em qualquer número de plataformas, praticamente sem necessidade de portabilidade ou teste" ", escreve David Linthicum em um artigo da TechBeacon que expõe o valor dos contêineres para projetos de aprendizado de máquina," porque eles existem em contêineres , eles podem operar em um ambiente altamente distribuído e você pode colocar esses contêineres próximos aos dados que os aplicativos estão analisando. ”
Linthicum continua falando sobre a exposição de serviços de aprendizado de máquina como microsserviços. Isso permite que aplicativos externos - baseados em contêineres ou não - aproveitem esses serviços a qualquer momento sem precisar mover o código dentro do aplicativo.
Em um sentido muito básico, a implantação de contêiner visa tornar a funcionalidade do programa de aprendizado de máquina mais adaptável - eliminando silos e conexões desnecessárias - e novamente dependências - que podem prejudicar um projeto. Para um projeto enxuto e médio de aprendizado de máquina, se as partes individuais dos algoritmos, aplicativos ou funcionalidades estiverem alojadas em contêineres, é fácil gerenciar essas partes independentes e criar projetos complexos de produtos de aprendizado de máquina de acordo.