推动AI工业化——Cloudera推出云原生机器学习平台的预览版

2018年12月5日，Cloudera公司，为云计算优化的机器学习和分析的现代平台，宣布推出由Kubernetes支撑的新一代云原生机器学习平台的预览。即将推出的Cloudera Machine Learning是Cloudera为企业提供的自助数据科学产品的新成员。它提供快速配置和自动扩展以及异构计算上的容器化分布式处理。Cloudera Machine Learning还通过跨内部部署、公共云和混合环境的统一体验，确保安全的数据访问。

与仅涉及机器学习部分工作流程或仅适用于公共云的其它数据科学工具不同，Cloudera Machine Learning将数据工程和数据科学结合在任何地方的任何数据上。此外，它还打破了数据孤岛，简化和加速了端到端机器学习工作流程。

容器和Kubernetes的生态系统通过一致的体验实现云在各种环境中的灵活性，为混合和多云部署中的IT提供可扩展的服务交付。 与此同时，企业也在寻求如何操作化和扩展端到端机器学习工作流程。Cloudera Machine Learning使企业能够加快从研究到生产的机器学习，使用户能够轻松配置环境并扩展资源，从而减少基础架构上花费的时间，将更多时间用于创新。

“基于全面的数据分析和处理，在Akamai我们建立了成熟的网络安全系统，我们认识到速度和规模对于运行互联网规模的异常检测至关重要，”Akamai网络安全DevOps经理Oren Marmor说。 “Docker和Kubernetes为Apache Spark带来的敏捷性对于我们来说是一个重要的构建模块，无论是数据科学还是数据工程。我们很高兴看到即将推出的Cloudera Machine Learning平台的预览。该平台简化操作系统和库依赖管理的能力是一项很有前景的发展。”

功能包括

• 通过Kubernetes提供的跨私有云，公共云和混合云的无缝移植性
• 快速云配置和自动扩展
• 通过容器化的Python，R和Spark-on-Kubernetes提供的无缝依赖管理横向扩展数据工程和机器学习
• 通过分布式GPU调度和训练达到高速率深度学习
• 跨HDFS，云对象存储和外部数据库的安全数据访问

 Cloudera高级产品总监Matt Brandwein介绍新一代云原生机器学习平台助力企业规模的机器学习研发和实施

借助Cloudera Machine Learning以及Cloudera Fast Forward Labs的研究和专家指导，Cloudera提供了一种综合方法来加速客户的AI工业化。

为了帮助客户能够在任何地方利用AI，Cloudera的应用研究团队最近介绍了Federated Learning（联合学习），用于将机器学习模型从云部署到网络边缘，同时确保了数据隐私并减少网络通信开销。该报告提供了该方法的详细技术说明，以及针对手机、医疗保健和制造业用例的实际工程建议，包括物联网驱动的预测性维护。

“联合学习为高度监管和竞争激烈的行业中机器学习的企业应用扫除了障碍。我们很高兴能够帮助我们的客户利用联合学习迈向AI工业化重要一步。”

—— 研究工程师Mike Lee Williams

---

//本文转自至Cloudera博客