P:
Com pot ser la containerització una bona opció per a un entorn de projectes d'aprenentatge de màquines?
R:Algunes empreses avancen cap a la containerització per a projectes d'aprenentatge automàtic, basats en alguns dels avantatges que ofereixen les configuracions de contenidors en termes de plataformes i entorns de programari.
L’aprenentatge automàtic és complex: els propis algoritmes duen a terme moltes accions molt detallades i complicades sobre les dades. Tanmateix, la proposta de valor és, d’algunes maneres, bastant simple: els algorismes d’aprenentatge automàtic funcionen en dades que provenen d’entorns d’emmagatzematge.
| Descàrrega gratuïta: Aprenentatge automàtic i per què és important |
L’ús de contenidors implica com els enginyers incorporen les dades a l’entorn d’aprenentatge de màquines i com funcionen els algoritmes.
Els enginyers poden utilitzar la virtualització de contenidors o bé per allotjar les dades o per implementar el codi que executa els algoritmes. Tot i que els contenidors poden ser de gran ajuda per a les dades, el seu principal benefici és probablement el fet d’utilitzar el codi d’algorisme.
Les arquitectures de contenidors presenten aplicacions i codis de base autònoms. Cada contenidor obté el seu propi clon del sistema operatiu i obté un entorn operatiu complet per al conjunt de funcions d'aplicacions o de codi que hi viu.
Com a resultat, es poden desplegar de manera molt versàtil les aplicacions, microservis o bases de codis que hi ha a cada contenidor. Es poden desplegar en diferents plataformes i entorns diferents.
Ara, suposem que esteu intentant desenvolupar un projecte d'aprenentatge de màquines en el qual diversos algoritmes hagin de treballar diverses peces de dades de manera iterativa. Si us heu cansat de fer front a reptes multiplataforma o problemes de dependència o situacions en què el desplegament de metall nu és difícil, els contenidors poden ser la solució.
Essencialment, els contenidors proporcionen una forma d’acollir codi. Els experts parlen de desplegar els contenidors amb les dades emmagatzemades per obtenir bons resultats.
"(Les aplicacions) es poden barrejar i fer coincidir en qualsevol nombre de plataformes, sense pràcticament cap portatge ni proves necessàries", escriu David Linthicum en un article de TechBeacon que exposa el valor dels contenidors per als projectes d'aprenentatge automàtic, "perquè existeixen en contenidors., poden operar en un entorn molt distribuït i podeu situar aquests contenidors a prop de les dades que analitzen les aplicacions. "
Linthicum continua parlant d'exposar serveis d'aprenentatge de màquines com a microservicis. Això permet que aplicacions externes (basades en contenidors o no) puguin aprofitar aquests serveis en cap moment sense haver de moure el codi dins de l’aplicació.
En un sentit molt bàsic, el desplegament de contenidors consisteix a fer que la funcionalitat del programa d’aprenentatge automàtic sigui més adaptable (eliminant les sitges i connexions innecessàries) i, de nou, les dependències, que puguin paralitzar un projecte. Per a un projecte d’aprenentatge automàtic mig, magre, si les parts individuals dels algorismes o aplicacions o funcionalitats s’allotgen dins dels contenidors, és fàcil microdominar aquestes peces autònomes i crear en conseqüència projectes complexos de productes d’aprenentatge automàtic.
