Zaista, može. U Google Cloud Machine Learning postoji funkcija koja se zove Cloud Machine Learning Engine (CMLE). CMLE pruža moćnu i skalabilnu platformu za obuku i primenu modela mašinskog učenja u oblaku. Omogućava korisnicima da čitaju podatke iz Cloud skladišta i koriste obučeni model za zaključivanje.
Kada je u pitanju čitanje podataka iz Cloud memorije, CMLE nudi besprijekornu integraciju s različitim opcijama pohrane, uključujući Google Cloud Storage. Korisnici mogu pohraniti svoje podatke o obuci, kao i sve druge relevantne datoteke, u Cloud pohranu. CMLE tada može pristupiti ovim segmentima i čitati podatke tokom procesa obuke. Ovo omogućava efikasno i praktično upravljanje podacima, kao i mogućnost korišćenja velikih skupova podataka koji mogu premašiti lokalni kapacitet skladištenja.
U smislu korištenja obučenog modela, CMLE omogućava korisnicima da specificiraju obučeni model pohranjen u Cloud skladištu za zadatke predviđanja. Nakon što je model obučen i spremljen u Cloud skladište, CMLE mu može lako pristupiti i koristiti ga za predviđanje novih podataka. Ovo je posebno korisno kada postoji potreba za implementacijom obučenog modela i predviđanjem u realnom vremenu u proizvodnom okruženju.
Da biste ilustrirali ovaj koncept, razmotrite scenario u kojem je model mašinskog učenja obučen da klasifikuje slike. Obučeni model je pohranjen u Cloud skladištu. Uz CMLE, korisnici mogu odrediti lokaciju obučenog modela u Cloud skladištu i implementirati ga kao krajnju točku. Ova krajnja tačka se zatim može koristiti za slanje novih slika na klasifikaciju. CMLE će pročitati obučeni model iz Cloud skladišta, izvršiti potrebna izračunavanja i pružiti predviđanja na osnovu ulaznih slika.
CMLE zaista ima sposobnost čitanja podataka iz Cloud skladišta i specificiranja obučenog modela za zaključivanje. Ova funkcija omogućava efikasno upravljanje podacima i primenu obučenih modela u realnim aplikacijama.
Ostala nedavna pitanja i odgovori u vezi Napredak u mašinskom učenju:
- Kada je kernel forkiran sa podacima, a original je privatan, može li račvani biti javan i ako jeste, to nije povreda privatnosti?
- Koja su ograničenja u radu s velikim skupovima podataka u mašinskom učenju?
- Može li mašinsko učenje pomoći u dijaloškom smislu?
- Šta je TensorFlow igralište?
- Da li eager mode sprječava funkcionalnost distribuiranog računanja TensorFlow-a?
- Mogu li se Google rješenja u oblaku koristiti za razdvajanje računarstva od skladišta za efikasniju obuku ML modela sa velikim podacima?
- Nudi li Google Cloud Machine Learning Engine (CMLE) automatsku akviziciju i konfiguraciju resursa i upravlja li gašenjem resursa nakon što se obuka modela završi?
- Da li je moguće trenirati modele mašinskog učenja na proizvoljno velikim skupovima podataka bez problema?
- Kada koristite CMLE, da li kreiranje verzije zahtijeva navođenje izvora izvezenog modela?
- Može li se Tensorflow koristiti za obuku i zaključivanje dubokih neuronskih mreža (DNN)?
Pogledajte više pitanja i odgovora u Napredak u mašinskom učenju