सामग्री
- प्रवेगक शिक्षण
- कोणतीही दोष नाही, तणाव नाही - आपले जीवन नष्ट न करता जीवन-बदलणारे सॉफ्टवेअर तयार करण्यासाठी चरण चरण बाय चरण
- एआय आता, नंतर नाही
स्रोत: Weerapat1003 / ड्रीम्सटाईल.कॉम
टेकवे:
तंत्रज्ञानातील दोन सर्वात मोठे ट्रेंड - मशीन शिक्षण आणि मेघ - एकत्रित बनले आहेत आणि यामुळे उद्यमात काही नावीन्य (आणि काही व्यत्यय) आणण्याची खात्री आहे.
ढगांचा संक्षिप्त इतिहास बर्‍याच मोजक्या मोजण्यासाठी आणि सर्वात कमी किंमतीच्या ठिकाणी संग्रहण सेवा प्रदान करण्याच्या शर्यतीद्वारे दर्शविला गेला आहे. असा विचार केला गेला की एकदा पारंपारिक डेटा पायाभूत सुविधांना स्वस्त पर्याय म्हणून एंटरप्राइझची मेघला सवय झाली की, नंतर अधिक उत्पन्न मिळविणार्‍या अधिक विशेष सेवा वापरण्याच्या मार्गावर जाईल.
नवीन वर्षाच्या दिशेने जाताना, बहुतेक लोकांच्या अपेक्षेपेक्षा ही रणनीती चांगली किंमत देत असल्याचे दिसते. एंटरप्राइझ केवळ गंभीर कामाचे ओझे ढगांकडे हलविण्यासाठी इच्छुक झाले आहे असे नाही, तर ते बौद्धिक आणि संज्ञानात्मक सेवांचे वाढते वैविध्यपूर्ण पोर्टफोलिओ टॅप करण्याचा देखील विचार करीत आहे जे या क्षणी फक्त कोठेच नसून मेघ आहे.
प्रवेगक शिक्षण
Pointमेझॉनची पी 3 उदाहरणे म्हणजे प्रकरणात कंपनीने अलीकडेच नवीन एनव्हीडिया वोल्टा जीपीयूमध्ये सुधारणा केली आहे. एचपीसी वायरने सांगितले की, अ‍ॅमेझॉन व्होल्टा 100 च्या बाजूने प्रवेगकांच्या वर्तमान पास्कल लाईनला बायपास करीत आहे, जे खोल शिक्षण प्रशिक्षण आणि अनुमान यासारख्या अनुप्रयोगांसाठी पास्कलच्या 12 पट थ्रूपूट देते. प्रत्येक पी 3 उदाहरण आता इंटेल झीऑन ई 5 आणि आठ व्ही 100 पर्यंत समर्थित आहे, त्यापैकी प्रत्येकास 125 टेराफ्लॉप्स आणि मिश्रित-परिशुद्धता कार्यप्रदर्शनासाठी 5,000 हून अधिक सीयूडीए कोर तसेच 640 टेन्सर कोर प्रदान करतात. पी 3 उदाहरणे सध्या यू.एस. पूर्व आणि पश्चिम क्षेत्रांमध्ये तसेच ईयू आणि आशिया पॅसिफिक क्षेत्रांमध्ये ऑन-डिमांड खरेदी किंवा आरक्षित किंवा स्पॉट किंमतीद्वारे उपलब्ध आहेत.
दरम्यान, हेल्थकेअरसारख्या मुख्य उद्योगातील अनुलंब हेतूंसाठी गूगल आपले एआय सामर्थ्य तयार केलेल्या सोल्यूशनकडे वळवित आहे. कंपनी आपला लाँचपॅड स्टुडिओ मशीन लर्निंग प्लॅटफॉर्म असूनही आपल्या दृष्टिकोनातून - स्थापित केलेल्या व्यवसायाच्या आधारे विपुल सुधारण्याची - किंवा व्यत्यय आणण्याची क्षमता असलेल्या स्टार्ट-अप्स जोपासण्याचा प्रयत्न करीत असूनही, की अ‍ॅप्लिकेशन्स डेव्हलपर्सशी संबंध स्थापित करीत आहे. पहिल्या घेणा Among्यांमध्ये ऑग्मेडिक्स आहेत, जे प्रिस्क्रिप्शन प्रक्रिया स्वयंचलित करण्यासाठी गुगल ग्लास प्लॅटफॉर्म वापरत आहे आणि ब्रेनक्यू, जो मेंदू आणि पाठीच्या जखमांच्या उपचारांचे सानुकूलित करण्यासाठी तंत्रिका नेटवर्क आणि मशीन लर्निंग वापरत आहे. इतर प्रकल्पांमध्ये प्लग-अँड-प्ले घालण्यायोग्य तंत्रज्ञानातील प्रगती आणि वर्धित संगणक दृष्टी क्षमता समाविष्ट आहेत जी संशोधकांना संक्रमणाचे बायोमेकॅनिक्स समजण्यास मदत करू शकतात. (मशीन लर्निंग 101 मधील मशीन लर्निंगची मूलभूत माहिती मिळवा.)
मायक्रोसॉफ्ट सारख्या कंपनीसाठी, ज्यात क्लाऊड आणि डेटा सेंटर या दोन्ही ठिकाणी जोरदार उपस्थिती आहे, एआय हे ग्राहकांना हायब्रीड पायाभूत सुविधांचा जास्तीत जास्त वापर करण्यात मदत करणारे एक प्रभावी साधन आहे. EWeek ने अहवाल दिला की कंपनीने लिनक्स समर्थन आणि डेवॉप्स-अनुकूल अनुप्रयोग आणि कंटेनर साधनांसह एसक्यूएल सर्व्हर 2017 प्लॅटफॉर्मवर एआय क्षमता जोडल्या आहेत. त्याच वेळी जनरल मॅनेजर जॉन चिरापुराथ ज्याला “डेटा प्लस एआय” धोरण म्हणतात त्यामध्ये उच्च-स्तरीय वर्कलोड घेण्यासाठी अझर ढग उपलब्ध आहे. हडूप आणि इतर मोठ्या डेटा वर्कलोड्सच्या समर्थनार्थ एज्योर मशीन लर्निंग सारख्या सेवांचा लाभ घेण्याचे उद्दीष्ट आहे ज्यायोगे एंटरप्राइझला त्यांच्या गरजा भागविण्यासाठी सर्वात योग्य वाटणा .्या पायाभूत सुविधांवर आयओटी आणि डिजिटल ट्रान्सफॉर्मेशन रणनीती त्वरेने वाढविली जाऊ शकते. (क्लाऊड मधील क्लाऊडमधील मोठ्या डेटाबद्दल अधिक जाणून घ्या: बिग डेटा यशस्वीतेसाठी अंतिम साधन.)
भूतकाळातील “रेस टू तळाशी” किंमतींची युद्धे करणारे नेतेही अधिक बुद्धिमान सेवा स्तराचे फायदे पाहू लागले आहेत. स्टोरेज स्पेशलिस्ट बॉक्सने अलीकडेच बॉक्स रिपॉझिटरीजमध्ये ठेवलेल्या डेटाचे मूल्य वाढविण्यात ग्राहकांना मदत करण्यासाठी डिझाइन केलेले नवीन बॉक्सस्कील्स फ्रेमवर्क अनावरण केले. सिस्टम मेडेटाटा व्यवस्थापित करण्यासाठी मशीन लर्निंग आणि इतर साधनांचा वापर करते, वर्कफ्लो ट्रिगर करतात, पॉलिसी गव्हर्नन्स लागू करतात आणि साध्या मोठ्या प्रमाणात स्टोरेजला कार्यात्मक व्यवसाय मालमत्तेत रूपांतरित करण्यासाठी इतर कार्ये करतात. नवीन प्लॅटफॉर्ममधील मुख्य निराकरणे म्हणजे प्रतिमा, ऑडिओ आणि व्हिडिओ बुद्धिमत्ता, सुधारित शोध आणि पुनर्प्राप्तीसाठी अपलोड केलेल्या सामग्रीमध्ये भर घालणारे, तसेच बॉक्स ग्राफ टूल जे लोक अधिक माहितीसाठी वैयक्तिकृत आणि अनुभवी अनुभवांना सक्षम करण्यासाठी संवाद साधतात हे सतत शिकते. .
कोणतीही दोष नाही, तणाव नाही - आपले जीवन नष्ट न करता जीवन-बदलणारे सॉफ्टवेअर तयार करण्यासाठी चरण चरण बाय चरण
जेव्हा कोणालाही सॉफ्टवेअर गुणवत्तेची काळजी नसते तेव्हा आपण आपली प्रोग्रामिंग कौशल्ये सुधारू शकत नाही.
एआय आता, नंतर नाही
निश्चितपणे, एंटरप्राइझ वेळोवेळी स्वतःची एआय क्षमता विकसित करेल, परंतु विविध हार्डवेअर आणि सॉफ्टवेअर प्लॅटफॉर्मच्या सामान्य रीफ्रेश चक्रांमुळे यास थोडा वेळ लागेल. मेघ आता एआय वितरीत करीत आहे आणि दोन्ही प्रमाणात आणि किंमती बिंदूवर जे अगदी लहान व्यवसायांना फॉच्र्युन 100 चे सदस्य असल्यासारखे डेटा क्रंचिंग करण्यास अनुमती देतात.
संस्था अस्तित्त्वात असलेल्या उत्पादनांमध्ये केवळ मूल्यवर्धक म्हणूनच नव्हे तर स्वत: मुख्य उत्पन्न उत्पन्न करणारे म्हणून डिजिटल सेवेवर अवलंबून राहू लागतात तेव्हा प्रतिस्पर्ध्यांचा फायदा टिकवून ठेवताना ते डेटाच्या उपयोगात किती चांगल्या प्रकारे उपयोग करू शकतात हे कमी होईल. आधीपासूनच विक्रमी पातळीवर असलेल्या खंडांमध्ये पुन्हा एकदा स्फोट होणार असल्याने केवळ एक बुद्धिमान, स्वयंचलित आणि अत्यंत ऑर्केस्ट्रेटेड analyनालिटिक्स इकोसिस्टम लोड करण्यास सक्षम असेल.
एंटरप्राइझसाठी, नंतर, मेघामधील एआय हा एकमेव व्यवहार्य पर्याय दर्शवितो, बुद्धीम क्षमता ज्या वेगाने तैनात करणे आवश्यक आहे आणि ज्या प्रमाणात ते ऑपरेट करत आहेत त्या प्रमाणात. आणि मेघ जितके स्मार्ट बनतील तितक्या पुढच्या पिढीतील डेटा सेवा परिभाषित करण्यासाठी येणार्‍या वर्कलोडसाठी ते अधिक आकर्षक आहे.