用例
让ai从概念走向现实
用mlops扩展机器学习
实现探索性数据科学
让人工智能从概念走向现实
减少实现价值的时间,让人工智能应用程序起步。
无论你从事什么行业,商业挑战比以往任何时候都来得更快。越来越多地需要AI和ML工具来跟上步伐。你可能会感到有压力,要提出一项将人工智能应用付诸实践的战略。CML与CDP是统一的数据平台,将帮助您将AI从实验室转移到工厂。
![CML放大器用例](http://www.studiofcn.com/content/dam/www/marketing/images/banners/products/thumb-product-cml-amps-use-case.jpg)
用MLOPS扩展机器学习
受益于mlop提高的透明度、协作和ROI。
MLOps可以帮助您利用早期的成功并进行扩展,遵循步骤使现有模型保持最新,并建立控制以在整个生产ML生命周期中维护数据安全和治理。
![电子书缩略图](http://www.studiofcn.com/content/dam/www/marketing/images/promos/support-graphics/thumb-ebook-expand-production-ml-with-mlops.png)
实现探索性数据科学
压缩数据探索和业务行动之间的空间。
Cloudera提供了一个完整的平台,为数据科学团队提供“经过认证的数据集”,以及一致且健壮的工具,以尽可能快地进行数据探索、临时数据科学和洞察生成。
![数据可视化产品截图](http://www.studiofcn.com/content/dam/www/marketing/images/screenshots/product-dv-analysis-screenshot.png)
只需几次点击就可以部署机器学习工作区,让数据科学团队访问项目环境,并自动弹性计算资源,无需等待端到端ML。
通过CDP机器学习,管理员和数据科学团队可以从数据源到生产环境的完全可见性—实现透明的工作流程和轻松的跨团队安全协作。
数据科学家不应该在发现、查询和可视化数据集的工具之间切换。CML通过数据发现和可视化特性提供了所有这些功能,一个单一的UI可以满足所有探索性数据科学需求
amp是可以从Cloudera Machine Learning直接单击部署的ML项目。amp使数据科学家能够在很短的时间内从一个想法变成一个完全可用的ML用例。它为即时构建、部署和监视业务就绪的ML应用程序提供了端到端框架
Cloudera Machine Learning的MLOps功能支持一键式模型部署、模型编目和粒度预测监控,以确保模型在生产环境中的安全性和准确性。
提供具有一致且易于使用的体验的见解,具有直观且易于访问的拖放仪表板和自定义应用程序创建。
部署选项
将CDP机器学习部署在任何地方,在任何地方提供原生云、可移植和一致的体验。
CDP公有云
- 多重云准备:不要拘泥于单一的云提供商。用来自任何地方的数据全面推动你的AI计划
- 可扩展:利用仅在使用时付费的可伸缩和自动挂起计算资源
- 全生命周期集成:通过CDP的经验(包括Cloudera数据工程和数据仓库)无缝安全地共享工作负载和输出
CDP私有云
- 成本效益:来自分解存储的优化资源利用在整个集群中提供了成本效益
- 优化的性能:每次使用工作负载隔离和针对关键工作负载的多租户满足您的sla
- 有效协作:在数据生命周期的每个阶段,跨团队安全地共享工作负载、数据和结果
关于CDP机器学习的私有云基础形式因素,请参见Cloudera数据科学工作台.