Cloudera加速推进企业机器学习从研究走向生产

作者: 佚名 2018-05-25 19:45:44

为云计算优化的机器学习和分析现代化平台供应商Cloudera(纽约证券交易所代码:CLDR)近日宣布一系列创新,以提高数据科学家和数据工程师的工作效率,帮助企业将数据洞察快速应用到实际生产中。新的机器学习能力让数据科学家能够更加轻松高效更有信心地训练和部署模型并且降低风险。Cloudera现代化数据平台的性能、规模和能力均获得了大幅提升,能够有效帮助企业跟上业务数据爆炸性增长和多样化趋势。这些新功能让数据团队可以更加高效地协作,提高在生产环境中部署模型的速度,从而可以在内部数据中心或者公共云端安全访问企业规模的高性能数据并且进行计算。

Cloudera首席执行官Tom Reilly说道:"我们相信,数据可以让今天的不可能在明天成为可能。此次发布的新软件产品和云服务进一步增强了机器学习、分析和云计算能力,将有助于我们的客户在数据经济中更快地获得竞争优势。这些改进充分体现了Cloudera的愿景:通过市场领先的创新产品,让企业能够安全地将复杂的数据转化为清晰可行的洞察,从而加快其数字化转型步伐。"

今天宣布的改进包括:

Cloudera数据科学工作台 1.4 帮助数据科学家提高日常工作效率

视频链接:https://v.qq.com/x/page/s0665k07n7o.html

Cloudera数据科学工作台1.4使自助机器学习平台真正走向了实际生产环境。通常,数据科学团队在实际工作操作时总是困难重重,在精确复制或部署经过训练的模型时中总是效率很低且无法避免易错的反复操作。凭借本次新版本,数据科学家可以运行和跟踪试验版本,仅需一次点击即可将模型部署为REST API。数据团队现在拥有统一的工作流,可以在任何位置运行的通用安全平台上构建、训练、对比模型并将其部署到生产环境中。

Cloudera机器学习总经理Hilary Mason说道:"我们非常激动此次发布了Cloudera数据科学工作台的新功能,这些新功能可以提高数据科学家的日常工作效率,包括试验管理和模型部署,同时提供保障数据安全和数据管理的无缝体验。"

Cloudera数据科学工作台1.4将于今年夏季面世。

Cloudera Altus支持在微软Azure上的机器学习

视频链接:https://v.qq.com/x/page/i06652tyb7l.html

今天,我们无比激动地宣布, Cloudera Altus现已在微软Azure上可获,使Altus成为行业首个支持多云、多功能的PaaS产品。Cloudera Altus为Azure提供数据工程,通过降低复杂性来简化并提高数据ETL(提取、转换和加载)、数据处理以及批量机器学习速度,使工程师和开发者能够向数据科学家、分析团队和下游的数据产品交付更加多样化的数据。Azure客户还可以利用Cloudera Altus SDX (测试版)中的共享数据目录功能,这些功能可以保留业务元数据以及安全管理政策,使得云端数据处理和分析工作均遵守这些安全管理政策。

德国电信公司是Azure平台上Cloudera Altus数据工程的客户和测试版用户。该公司负责物联网业务的Ingo Hofacker博士说道:"我们正在建立基于云计算的平台,该平台将支持欧洲最大、发展势头最猛的物联网数据市场之一,而Cloudera将继续是我们的战略伙伴。通过利用Azure平台上Cloudera Altus的数据工程,我们能够轻松自如并且更快地建立和运行数据管道,来支持任务关键型机器学习和分析应用。"

Cloudera Altus分析型数据库是首个将仓库带向数据的数据仓库云服务,现已登陆微软Azure云(测试版)。它能够向任何人轻松、可靠和安全地提供即时自助商业智能(BI)和SQL分析。此外,通过Altus SDX,分析师、数据科学家、数据工程师和其他人都可以使用各自喜欢的工具(SQL、Python、R)获取相同的数据和目录,而无需进行数据迁移。

现在即可在微软Azure云上开始Cloudera Altus为期30天的免费试用。

Cloudera用于机器学习和分析的最强大平台

视频链接:https://v.qq.com/x/page/r0665qeaads.html

Cloudera企业版6.0在性能和企业级质量方面有重大改进,在搜索、流传输、扩展和控制方面均体现出创新性,这些改进将帮助企业加快实施数据洞察的速度。Cloudera会继续投入时间和专家来测试、规划和贡献客户认为有价值的项目。最新发布的产品是Cloudera最强大的任务关键型机器学习和分析应用平台,可以在内部数据中心、云端或者任何有数据存在的环境中运行。6.0版本还在集群和Hive优化中引入GPU支持,使机器学习和数据工程应用速度相比上一版产品得到显著提升--提高了最终用户生产力并进一步降低了基础设施成本。

Ovum公司IT部门首席分析师Tony Baer说道:"业务领导者已经认识到了数据的内在价值,但是对于他们来说,通过传统、单一目的的分析平台来利用机器学习、实时流等最新创新变得越来越难,甚至毫无可能。与此同时,公有云服务供应商已经通过混合和匹配资源的可能性来解决这一问题,从而搅动了整个市场。然而,公有云服务供应商没有能力提供覆盖从内部数据中心到公有云平台的统一共享的治理环境。"

纽约证券交易所母公司洲际交易所集团的首席数据官Steve Hirsch说道:"数据是我们企业和整个行业的命脉。Cloudera帮助我们加速数据处理和分析,创建平台规模化能够匹配我们的数据增长,并且对企业来说能够简易安全地获取即时数据。"

企业 机器学习 研究
上一篇:订单收入超7亿元,百分点为什么能够爆发式增长? 下一篇:2018年十大人工智能技术趋势,人工智能的进步对未来的巨大影响
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

高位截瘫患者重新行走:靠意念指挥外骨骼,法国脑机接口新突破

依靠介入头部的 2 个传感器,法国里昂的一名瘫痪男子 Thibault 实现了操控外骨骼装备来助力行走。

孙滔 ·  1天前
2008 年预测 2020 年生活方式:基本都实现了

美国皮尤研究中心曾在 2008 年预测 2020 年的生活方式,目前来看,该研究的预测基本已经实现。而对于未来 10 年,也就是 2030 年左右人们的生活,在 2017 年底的世界经济论坛上,800 多名信息和通讯技术领域的技术高管和专家给出了如下预测。

佚名 ·  1天前
机器学习的正则化是什么意思?

正则化的好处是当特征很多时,每一个特征都会对预测y贡献一份合适的力量;所以说,使用正则化的目的就是为了防止过拟合。

佚名 ·  1天前
为什么我的CV模型不好用?没想到原因竟如此简单……

机器学习专家 Adam Geitgey 近日发布了一篇文章探讨了这一简单却又让很多人头痛的问题,并分享了他为解决这一问题编写的自动图像旋转程序。

机器之心 ·  1天前
机器学习与预测分析的区别在何处? 精选

如今,认知学习的应用比以往更为普遍。通常意义上讲,认知学习与认知计算就是涉及AI技术与信号处理的操作过程或技术平台。

读芯术 ·  1天前
大盘点:8月Github上7个值得关注的数据科学项目

本文带你来看看GitHub上创建于2019年8月的7个数据科学项目。笔者所选项目的范围十分广泛,涉及从机器学习到强化学习的诸多领域。

读芯术 ·  1天前
非监督学习最强攻略

本次主要讲解的内容是机器学习里的非监督学习经典原理与算法,非监督,也就是没有target(标签)的算法模型。

SAMshare ·  1天前
PyTorch终于能用上谷歌云TPU,推理性能提升4倍,该如何薅羊毛?

Facebook在PyTorch开发者大会上正式推出了PyTorch 1.3,并宣布了对谷歌云TPU的全面支持,而且还可以在Colab中调用云TPU。

晓查 ·  2天前
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载