Raznolikost vitalnih digitalnih usluga – uključujući streaming uslugu s smiješno velikim katalogima video sadržaja, ili tu uslugu podataka koja pruža informacije o njezinoj analitici – iskorištava višestruke ovisne sustave ili strojeve koji se ponašaju kao klupovi pod krovom distribuiranog računanja. Međutim, s tom sposobnošću dolazi do troškova – distribuirani sustavi su prekomjerno inženjerirani ili jednostavno prekomjerno inženjerirani – oni mogu, u stvari, biti izuzetno neučinkoviti. Strojno učenje nije samo fancy buzzword; strojno učenje je koristan alat za predviđanje potražnje, poboljšanje postojećih poslovnih procesa, i na kraju razviti distribuirane sustave koji ne samo da rade, ali rade. The Data Deluge: Too Much Information, Too Little Time Poplava podataka: Previše informacija, premalo vremena Tijekom posljednjeg desetljeća, količina digitalnih podataka koje generiramo dramatično se povećala. Svakog dana generiramo više od 2,5 kvintilijuna bajta podataka! Više ne možemo analizirati, pohranjivati ili razumjeti podatke na isti način na koji smo se navikli ili na ovoj ljestvici. Razmišljanje, rad i razumijevanje podataka na ovoj veličini i strukturi predstavljaju nam niz tehničkih problema koje ćemo morati razmotriti dugoročno i trebali bismo razviti rješenja koja će nam omogućiti da aktivno iskoristimo ih za obuku naših modela. Rad unutar distribuiranih sustava komplicira naše pokušaje povezivanja; ne samo da imamo veličinu podataka na koje se trebamo odnositi, već se odnosimo i na distribuiranu sliku - s organizacijama višestrukih strojeva ili jamstva, viš Breaking Down Data Silos Razbijanje podatkovnih silosa Silo podataka, gdje se podaci drže u jednom ili drugom sustavu koji upravlja onim što taj jedan sustav može ili ne može učiniti izvan tog sustava. Postavke podataka iz svih izvora mogu sigurno imati vrlo nedosljedne razlike u kvaliteti bazne linije ili proizvoda. Pritisak na (tradicionalne) metode analize predstavljat će znatne izazove vašoj platformi za analizu podataka i naporima, što će na kraju rezultirati prisiljavanjem da se prijavite u potencijalni rizik osiguravanja pristupa samo "dobrim" ili dobrim podacima! Takvi podaci često izazivaju konvencionalne pristupe učenju pomoću jednog stroja. Jedan način razmišljanja o tim podacima bio bi distribuirano strojno učenje. Zamislite da podijelite znanje jednoj skupini studenata – ili potencijalno mnogima – u učionici, za razliku od svakog učenika po jednom. Smarter Data Centers: Intelligent Decisions Drive Sustainability Podatkovni centri su vitalna komponenta povezanog svijeta, što omogućuje povećanje globalnog pristupa aplikacijama i uslugama kroz povećanu potrošnju resursa i energije. Povijesno, upravljanje operacijama dovelo je do usredotočenosti na radno vrijeme, a sada vidimo prijelaz na održiviji model upravljanja operacijama. Edge computing – koji je po definiciji procesiranje bliže rubu stvaranja – predstavlja veću priliku za učinkovitost između iskorištavanja resursa, optimizacije i otpornosti / održivosti. Edge computing omogućuje obradu i tumačenje podataka na rubu, bliže točki stvaranja, tako da ne treba premjestiti toliko podataka u cloud data centre, čime se smanjuju troškovi povezane s energijom i latencijom. Optimizing Resource Allocation Optimizacija raspodjele resursa ML modeli mogu predvidjeti radna opterećenja koja će biti potrebna za obradu CPU-a; osim toga, mogu preporučiti postavljanje radnih opterećenja kako bi se smanjila potrošnja energije i optimizirala ukupna iskorištenost – umjesto rada u uvjetima „slijeposti“ i nepotrebnog dodavanja dodatnih resursa, sve u obradi CPU-a. Final Thoughts: From Science Fiction to Engineering Reality Završne misli: od znanstvene fantastike do inženjerske stvarnosti Budućnost je zapravo sada; strojno učenje i gigabitno distribuirano računanje su stvarni.Mi smo dobro iskusni u nagađanju i predočavanju.Algoritmi uče, prilagođavaju se i optimiziraju u realnom vremenu – svugdje. Strojno učenje je iznad samo učinkovitosti. U stvari, strojno učenje mijenja način na koji razmišljamo o računanju. Strojno učenje donosi raspodijeljenim sustavima veću brzinu, inteligenciju i razmišljanje. Dimenzija inteligencije će biti odlučujuća za to tko će uspjeti ili se boriti kada počnemo graditi digitalne ekosustave koji imaju različite inteligentne, višedimenzionalne elemente. Budućnost se događa – sada, u sadašnjosti.
