Runtime para machine learning
Ambiente de machine learning otimizado pronto para uso
O Machine Learning Runtime (MLR) fornece aos data scientists e técnicos de ML clusters escaláveis com frameworks populares, AutoML integrado e otimizações para desempenho inigualável.
Benefícios
Frameworks de escolha
Os frameworks de ML evoluem em um ritmo vertiginoso, e os técnicos precisam gerenciar uma média de oito bibliotecas. Com um clique, o ML Runtime fornece acesso a uma distribuição confiável e eficiente dos frameworks de ML mais populares, mas também a ambientes de ML personalizados por meio de contêineres pré-construídos.
Machine learning ampliado
Acelere o machine learning, desde a preparação de dados até a inferência, com recursos AutoML integrados, como ajuste de hiperparâmetros ou busca de modelos usando Hyperopt e MLflow.
Escalabilidade simplificada
Mude sem esforço para big data com uma infraestrutura de cluster escalonável e autogerenciável. O Machine Learning Runtime também contém aprimoramentos de desempenho exclusivos para os algoritmos mais populares, bem como HorovodRunner, uma API simples para deep learning distribuído.
Recursos
Frameworks de ML: as bibliotecas e frameworks de ML mais populares estão incluídas como padrão, como TensorFlow, Keras, PyTorch, MLflow, Horovod, GraphFrames, scikit-learn, XGboost, numpy, MLeap e Pandas.
Como funciona
O Machine Learning Runtime é uma sobreposição atualizada a cada atualização de versão do Databricks Runtime. Ele está disponível em toda a linha de produtos Databricks, incluindo: Azure Databricks, nuvem AWS, clusters de GPU e clusters de CPU.
Para usar o ML Runtime, basta selecionar a versão do ML do runtime ao criar seu cluster.
