구글 클라우드가 Capital Online을 통해 중국에 진출할까? AutoML을 사용할 준비가 되었나요?
Super Neuro에서
Google 검색에 답변하기도 전에 Google Cloud가 중국에 진출한다는 소식을 접했습니다.
AutoML을 편리하게 사용할 수 있을까요?Google Cloud가 나오나요?
오늘 오후, Capital Online의 공식 WeChat 공개 계정이 공개되었습니다. 구글 클라우드, 캐피탈 온라인 통해 중국 진출소식.
몇 달 전, 구글 임원진이 중국을 자주 방문하여 인공지능 연구소를 설립하고 중국 시장을 포기한 적이 없다고 밝힌 이후, 많은 사람들이 구글 관련 제품의 귀환을 기대하고 있습니다.
Capital Online은 기사가 게재된 직후 해당 기사를 삭제했지만 비공개적으로 다음과 같이 밝혔습니다. "Capital Online은 기사에 언급된 것처럼 중국이 아닌 해외에만 대리점 계약을 맺었습니다."
하지만 이 기사의 어조는 긍정적이고 표현도 명확합니다. 해당 기사를 삭제하고 부인한 이유는 여전히 고민해 볼 가치가 있습니다.
Google Cloud가 중국에 순조롭게 진출할 수 있을지는 확실하지 않고, AutoML을 편리하게 사용하기까지는 시간이 걸릴 수 있지만, 여전히 비슷한 서비스가 많이 있습니다.AutoML 외에는? AI 모델 구축 비용을 직접 줄이는 데 사용할 수 있는 기성형 머신 러닝 모델 프레임워크가 많이 있고, 많은 회사에서는 자체 ML 도구를 오픈 소스로 공개하기도 했습니다.
하지만 이러한 프레임워크는 아직 이전과 동일한 표준을 달성할 수 없습니다. 프레임워크를 상호 운용하는 것이 어렵고, 현재 ML 프레임워크를 모든 애플리케이션에 연결할 수 있는 효과적인 솔루션은 없습니다. 기업이 여러 ML 모델 프레임워크를 동시에 사용해야 하는 경우에도 여전히 많은 엔지니어링 작업을 직접 완료해야 합니다.
이 문제를 해결하기 위해 Salesforce와 Oracle은 다양한 애플리케이션에서 이러한 오픈 소스 ML 모델 프레임워크를 연결할 수 있는 도구를 개발했습니다.
이전에는 Python-JSON API와 같이 상호 연결된 API를 구축하는 등 위의 문제에 대한 솔루션이 시장에 존재했지만, 이 솔루션은 도킹을 구현하는 동안 ML 모델 프레임워크의 성능을 저하시킵니다.
ML 모델이 API를 통해 도킹 문제를 일시적으로 해결하더라도, 기업이 상업적으로 활용하려면 전용 모델 서버를 구축해야 합니다. 서버를 구축하는 것은 비용이 많이 들 뿐만 아니라 매우 복잡합니다. 예를 들어, TensorFlow 서비스의 GPU 버전을 빌드하는 데는 며칠이 걸릴 수 있습니다.
따라서 현재 ML 모델 프레임워크의 광범위한 사용을 방해하는 주요 문제는 표준화된 애플리케이션 프로그래밍 인터페이스가 부족하고 모델 서버를 구축하기 위한 높은 임계값이 있다는 것입니다.
결과적으로, 다양한 애플리케이션에서 이러한 ML 모델을 연결할 수 있는 프레임워크가 등장했습니다. TransmogrifAI: 클라우드의 ML 프레임워크 TransmogrifAI는 Apache Spark 엔진을 기반으로 하는 ML 프레임워크로, 기능 엔지니어링, 기능 선택 및 모델 학습을 수행할 수 있습니다. 기업이 별도의 모델 서버를 만들 필요 없이, 모든 애플리케이션에 가장 비용 효율적인 ML 모델을 찾아 기존 ML 모델을 통합할 수도 있습니다.
이 프레임워크는 Salesforce에서 개발되었습니다. 이 노련한 기업 서비스 회사는 현 상황에 만족하지 않고 AI 트렌드를 빠르게 따라잡았습니다.
최근 그들은 TransmogrifAI를 오픈 소스로 공개했습니다.
이 회사가 만든 AI 플랫폼 Einstein은 업계에서 가장 큰 머신 러닝 프로젝트 중 하나로, 고급 머신 러닝 알고리즘, 자연어 처리, 지능형 데이터 마이닝 기능을 갖추고 있습니다. 이 플랫폼은 이제 시중에 나와 있는 대부분의 ML 모델에 연결하여 이를 단순화할 수 있습니다.
아인슈타인이 이 모든 것을 할 수 있게 해주는 것은 바로 TransmogrifAI입니다.
TransmogrifAI는 AutoML의 원칙을 활용하여 머신 러닝 작업 프로세스를 단순화하고 개발자의 효율성을 향상시킵니다. TransmogrifAI에는 모듈성, 컴파일 안전, 투명성, 자동화라는 4가지 기본 원칙이 있습니다.
이러한 네 가지 원칙은 간단한 프로그래밍 모델로 변환되었으며, 엔지니어는 데이터 정리, 기능 엔지니어링, 모델 선택 등의 작업을 완료하기 위해 몇 줄의 코드만 작성하면 됩니다. 그래프파이프 GraphPipe는 TensorFlow, MXNet, Caffe 2, PyTorch 등의 인기 있는 프레임워크로 만든 머신 러닝 모델을 클라우드에서 제공할 수 있습니다.
목적은 ML 모델 사용에 대한 임계값을 낮춰 AI 모델을 모바일 애플리케이션, IoT 기기, 웹에서 사용할 수 있도록 하는 것입니다.
원격/프로세스 간의 머신 러닝 데이터 전송을 단순화하고 표준화하는 효율적인 네트워크 프로토콜로, 사용자가 기존 프레임워크 내에서 적절한 머신 러닝 모델을 유연하게 선택할 수 있도록 해줍니다. 즉, 개발자는 AI 모델에 연결하기 위해 특별히 API를 구축할 필요가 없고, AI 모델을 만드는 데 어떤 ML 프레임워크가 더 나은지 연구할 필요도 없습니다.
또한 GraphPipe는 TensorFlow와 같은 인기 있는 프레임워크를 위한 AI 개발자를 위한 일련의 오픈 소스 도구를 출시했습니다.
현재 TransmogrifAI와 GraphPipe는 GitHub에서 무료로 제공됩니다.슈퍼 뉴로 백과사전
TransmogrifAI 아키텍처:
https://www.colabug.com/4152476.html머신 러닝 - 기능 처리:https://blog.csdn.net/kanbuqinghuanyizhang/article/details/78993386
GraphPipe 소개:
https://blogs.oracle.com/developers/introducing-graphpipeOracle 오픈소스 Graphpipe:
Salesforce는 TransmogrifAI를 오픈 소스로 공개했습니다.
특징 추론: