Afbeeldingsbron: auteur
Cloud computing is een belangrijke term voor alle liefhebbers van datawetenschap en machine learning. Het is onwaarschijnlijk dat u het misschien niet bent tegengekomen, zelfs niet als beginner. Maar waarom is het belangrijk, zou men kunnen vragen. Een eenvoudige verklaring hiervoor is dat naarmate de dataset groter wordt, dat wil zeggen dat er meer voorbeelden en functies worden toegevoegd, het machine learning-model complexer wordt. Dergelijke modellen vereisen dan meer rekenkracht, en daarom zijn de meesten van ons de beroemde geheugen vol fout voor sommige van onze notebooks.
Hoe gaan we dan om met deze beperking? Een high-end stuk hardware zoals de dure machines speciaal voor Machine Learning en Deep Learning klinkt misschien de investering waard, maar is altijd niet mogelijk. Welnu, Cloud Services is het antwoord. Een gemakkelijke oplossing voor de toegenomen computerbehoeften voor iedereen. Ja dat klopt! Zowel bedrijven als particulieren kunnen gebruikmaken van deze cloudservices tegen betaalbare prijzen voor hun vereisten. Er zijn verschillende opties beschikbaar die we in het laatste deel van dit artikel zullen bespreken.
Voordat we ingaan op de details van het selecteren van een cloudservice voor machine learning, moeten we eerst begrijpen wat cloudservices precies zijn, met name cloudcomputing, en waarom het bestaat.
Wat is cloudservice precies?
Clouddiensten zijn momenteel een trend in de IT-industrie die is blijven bestaan. Deze bieden de mogelijkheid om gegevens op te slaan op externe servers die met internet zijn verbonden. Met clouddiensten kan men profiteren van cloudcomputing, dat een groot aantal diensten aan de gebruiker biedt. Deze diensten variëren van servertoegang, meer opslagruimte voor Big Data met betere back-ups, de mogelijkheid om geavanceerde analytische tools voor AI & BI uit te voeren – overal op internet. Bovendien zijn deze services veel betrouwbaarder, sneller, betaalbaarder, flexibeler en schaalbaarder volgens de behoeften van de gebruiker. Door efficiënt gebruik te maken van deze diensten kunnen gebruikers hun kosten optimaliseren.
Simpel gezegd, in Cloud Computing koopt een gebruiker geen nieuwe serverhardware, maar huurt deze zo lang als gewenst. Het is mogelijk om cloud computing te huren, zelfs voor enkele runs, die soms maar een paar minuten zijn. Verder hoeven gebruikers de besturingssystemen en de aanverwante webservices niet te beheren; de cloudserviceproviders beheren ze in plaats daarvan.
Soorten Cloud Computing
Er zijn tegenwoordig verschillende cloudservices op de markt en elk biedt een voordeel dat verschillende gebruikers kan aanspreken. Om de juiste oplossing te kiezen, kunnen gebruikers kiezen uit verschillende modellen, typen en services. De selectie is gebaseerd op de type cloudimplementatie vereist verwijzend naar de locatie waar deze diensten zouden worden geïmplementeerd. De modellen kunnen op drie verschillende manieren worden ingezet door gebruik te maken van een openbare cloud, een privécloud of een hybride cloud.
Public Cloud Diensten zijn cloudservices die worden gedeeld door een breed scala aan mensen. Dit type service wordt vaak gebruikt voor openbare toegang en de gegevens worden opgeslagen op een externe server. Terwijl, Privécloud of cloudservices op locatie zijn doorgaans gereserveerd voor organisaties die meer controle willen over de beveiliging, beschikbaarheid en prestaties van hun gegevens. Private clouds stellen bedrijven in staat om hun gegevens op een lokale server op te slaan, omdat het hen volledige controle geeft over de beveiliging van hun gegevens en toegankelijkheid. Een hybride cloud combineert het beste van zowel openbare als privéclouds en maakt het delen van gegevens voor applicaties mogelijk. Dit maakt een hybride cloud flexibeler in vergelijking met de andere twee.
Soorten cloudservices
Er zijn drie hoofdtypen cloud computing-services die belangrijk zijn om te leren.
-
Infrastructuur-as-a-Service (IaaS): Hier is het mogelijk om de IT-infrastructuur zoals servers, virtuele machines met opslag, netwerken en besturingssystemen te huren die volledig worden geleverd en beheerd door de cloudprovider. Gebruikers kunnen betalen voor wat ze gebruiken.
-
Platform-as-a-Service (PaaS): Deze service is een on-demand service waarbij gebruikers een volledige ontwikkelomgeving kunnen krijgen die vereist is voor softwaretoepassingen. PaaS kan door ontwikkelaars worden gebruikt om snel web- of mobiele apps te maken, te testen en uit te voeren.
-
Software-as-a-Service (SaaS): Met SaaS is het mogelijk om softwareapplicaties via internet te leveren, zoals de 'on demand' of 'subscription' diensten. Hier zijn de cloudaanbieders verantwoordelijk voor de hosting, het beheer van zowel de softwareapplicaties als de infrastructuur. Ze zorgen ook voor alle benodigde onderhoudsactiviteiten voor de applicaties, zoals upgrades en beveiligingspatches. Meestal kunnen gebruikers eenvoudig inloggen op de applicatie op hun telefoons of laptops met een webbrowser.
Moet u Cloud Services voor Machine Learning gebruiken?
Ja inderdaad. Cloudservices zijn een goede optie voor iedereen die geheugenintensieve, complexe Machine Learning/Deep Learning-modellen wil trainen en implementeren. Clouddiensten zijn een kosteneffectieve oplossing voor zowel individuele gebruikers als bedrijven. De cloud geeft medewerkers toegang tot bestanden op elk apparaat. Dit geeft hen meer vrijheid en mobiliteit zonder dat ze zich zorgen hoeven te maken over gegevensopslag. Een belangrijk feit om te overwegen is dat deze ook een beter beveiligingssysteem bieden voor machine learning-modellen om hacking en datalekken te voorkomen. Dus zonder de broodnodige expertise om de infrastructuur voor AI-stack op te zetten, kunnen gebruikers en bedrijven tegen een nominale vergoeding cloud computing-webservices gebruiken voor Machine Learning, terwijl ze zich concentreren op hun relevante kerndoelen.
Het huidige scenario en de vergelijking van enkele toonaangevende cloudserviceproviders
De markt voor cloudservices wordt momenteel gedomineerd door vier grote spelers: Google, Microsoft, Amazon en IBM, omdat ze de vereiste webservices voor machine learning bieden. Dit zijn AWS (Amazon Web Services), Azure (Microsoft), Google Cloud en IBM Cloud. Deze gevestigde platforms zijn bedoeld om gebruikers van alle niveaus uit te rusten met verschillende Machine Learning-tools en Deep Learning.
AWS of Amazon Web Services (2006), aangeboden door Amazon, is een van de meest erkende cloud computing-platforms voor Machine Learning. Dit platform bevat producten zoals Amazon SageMaker, Amazon Augmented AI, Amazon Forecast, Amazon Translate, Amazon Personalize, AWS Deep Learning AMI en Amazon Polly voor verschillende Machine Learning-vereisten.
Evenzo is Microsoft Azure (2010), zoals de naam al doet vermoeden, een service die wordt aangeboden door Microsoft. Het is een vrij populaire keuze voor behoeften op het gebied van machine learning en gegevensanalyse. Deze service omvat producten zoals Microsoft Azure Cognitive Service, Microsoft Azure Azure Databricks, Microsoft Azure Bot Service, Microsoft Azure Cognitive Search, Microsoft Azure Machine Learning voor het maken, trainen en implementeren van machine learning-modellen in de cloud.
Google Cloud of Google Cloud Platform GCP (2008) is een cloud computing-platform dat wordt aangeboden door Tech Giant Google. GCP biedt verschillende producten voor machine learning, zoals Google Cloud AutoML, Google Cloud AI Platform, Google Cloud Speech-to-Text, Google Cloud Vision AI, Google Cloud Text-to-Speech, Google Cloud Natural Language voor iedereen Machine Learning op individueel en zakelijk niveau Projecten.
Ten slotte wordt de IBM Cloud-service geleverd door IBM. Het omvat verschillende cloudleveringsmodellen die openbare, privé- en hybride modellen zijn. IBM Cloud biedt verschillende producten voor machine learning, zoals IBM Watson Studio, IBM Watson Speech-to-Text, IBM Watson Text-to-Speech, IBM Watson Natural Language Understanding, IBM Watson Visual Recognition en IBM Watson Assistant om alle Machine Learning te helpen. behoeften.
De volgende tabel geeft een snel overzicht van de services die door deze serviceproviders worden aangeboden en kan interessant zijn voor een ML-beginner.
Afbeeldingsbron: auteur
Dit is op geen enkele manier volledige of uitputtende informatie over de overvloed aan diensten die deze bedrijven leveren. Er is een enorme concurrentie tussen deze topaanbieders, waardoor dit een dynamische markt is. Daarom zullen de services en hun voordelen waarschijnlijk veranderen in de loop van de tijd vanaf het moment dat dit artikel is geschreven. Het is ook waarschijnlijk dat deze leveranciers verschillende prijzen aanbieden op basis van geografische locatie. Dit geeft ook aan dat de huidige aangeboden diensten alleen kunnen worden bevestigd door de website van de leverancier te bezoeken wanneer dergelijke cloudcomputingdiensten vereist zijn.
Wat zijn de voordelen van het gebruik van AI- en ML-cloudservices?
Machine Learning is tegenwoordig de meest gewilde technologie. Met de beschikbare gegevens kunnen veel zakelijke beslissingen slim worden genomen voor de beste resultaten. De domeinen Onderzoek en Technologie kunnen een boost krijgen met Machine Learning en Deep Learning Models. Uiteraard is er veel interesse tussen particulieren en bedrijven om Machine Learning uit te proberen.
Eerder was er echter behoefte om veel geld te investeren in Machine Learning om een stack te ontwikkelen voor specifieke use-cases. Dit was te wijten aan het feit dat Machine Learning een enorme infrastructuur vereiste, deskundige programmeurs die bekend waren met ML, dure Data Analytics-tools en een gebrek aan beschikbare gegevens om de modellen te trainen. Maar met de vooruitgang van cloudservices is dit eenvoudiger geworden. Het is mogelijk om services van externe leveranciers te gebruiken voor toegang tot Machine Learning-algoritmen en -technologieën en deze aan te passen aan de individuele/bedrijfsvereisten. Dit grote voordeel van Cloud Services en het gemak van computergebruik in de cloud is wat het aantrekkelijk maakt voor Machine Learning-enthousiastelingen.
Heb ik Cloud Computing nodig als ik een ML-beginner ben?
Het hangt er vanaf. Als je net begint met Machine Learning en als je machine learning-model redelijk snel draait op je lokale machine (laptop/desktop), dan heb je er waarschijnlijk nog geen nodig. Naarmate je verder komt in deze Machine Learning-reis, ga je al snel aan de slag met grotere datasets en bouw je modellen die zowel CPU als GPU-kracht vereisen, terwijl je uren nodig hebt om te trainen en cloudimplementatie nodig hebt. Dan moet je zeker gebruik maken van Cloud Computing.
Hoe kies je een geschikte Cloud Service voor Cloud Computing?
Inmiddels heb je als gebruiker misschien een basiskennis van de Cloud Services gekregen via dit artikel. Als je een machine learning-model kunt bouwen, trainen, afstemmen, evalueren en implementeren of op zijn minst een redelijk goed begrip hebt van hoe dit werkt, dan zou dit eenvoudig moeten zijn. U moet eerst de vereisten voor uw modeltraining en implementatie voltooien. Als uw dataset te complex is of als u meerdere Deep Learning-modellen parallel wilt gebruiken met afbeeldingen, dan is Cloud Computing absoluut iets voor u. Vervolgens kunt u dus een cloudserviceprovider (CSP) kiezen. Bepaal vervolgens wat uw beperkingen zijn. Bijvoorbeeld, hoeveel uur gebruik je normaal gesproken nodig hebt, hoe snel verwacht je dat je modellen trainen en optimaliseren, welke frameworks (TensorFlow, Keras, Theano, etc.) heb je nodig, toegankelijkheid, prijsplannen. Dat is het! Meer informatie over de prijsopties vindt u op de website van de individuele cloudserviceprovider.
Een machine learning-model in de cloud trainen
Ik zal de stappen hier kort schetsen om het artikel beknopt te houden. De stappen blijven hetzelfde, maar de navigatie en gebruikersinterfaces verschillen van serviceprovider tot serviceprovider.
Voor het trainen van een model in de Cloud heeft u een account nodig bij de Cloud Services Provider, samen met de dataset die u van plan bent te gebruiken en uw einddoel om het model te bouwen en te trainen. U kunt Cloud ML-engines ook gebruiken met verschillende bibliotheken zoals Keras, TensorFlow en andere Python ML-bibliotheken (zoals sci-kit learn) rechtstreeks op het Cloud Service Provider-platform om uw modellen te trainen. U moet dus eerst een account aanmaken bij de Cloud Service Provider. Vervolgens logt u in op uw account om een project aan te maken, uw gegevens voor te bereiden, uw code in een notitieblok te schrijven, uw model te trainen en te evalueren, het opnieuw uit te voeren en af te stemmen en ten slotte uw getrainde model in te zetten om voorspellingen te krijgen. U kunt ook verschillende versies van uw getrainde modellen implementeren en controleren.
Conclusie
Dit artikel geeft een uitgebreid overzicht van wat Cloud Services zijn, waarom deze essentieel zijn voor AI- en Machine Learning-vereisten, en suggereert een benadering voor het selecteren van een service als je een beginner bent. Hoewel de meeste van deze leveranciers platforms bieden voor algemene AI- en ML-behoeften, moet een beginner nog steeds een platform kiezen dat gebruiksvriendelijk is, geen cloudexpertise vereist om op te zetten en uit te voeren, betere ondersteuning en tools biedt voor machine learning, waaronder NLP , chatbots of servicebots, evenals Neural Networks for Deep Learning.
auteur Bio
Devashree heeft een M.Eng-graad in Informatietechnologie uit Duitsland en een Data Science-achtergrond. Als ingenieur werkt ze graag met cijfers en ontdekt ze verborgen inzichten in diverse datasets uit verschillende sectoren om prachtige visualisaties te bouwen om interessante machine learning-problemen uit de echte wereld op te lossen.
In haar vrije tijd houdt ze van koken, lezen en schrijven, nieuwe Python-Machine Learning-bibliotheken ontdekken of deelnemen aan codeerwedstrijden.
Je kunt haar volgen op LinkedIn, GitHub, Kaggle, Medium, Twitter.
