Was ist das Unified AI Framework?
Erfahren Sie, wie einheitliche Plattformen Datenaufbereitung, Modelltraining und Produktionsbereitstellung über verschiedene KI-Frameworks hinweg zusammenführen.
Summary
- Verstehen Sie, was Unified AI ist und wie es sich aus der Kombination von forschungs- und anwendungsorientierten Deep-Learning-Frameworks entwickelt hat.
- Erfahren Sie, wie Unified Analytics über die Framework-Integration hinausgeht und den gesamten KI-Lebenszyklus von der Datenaufbereitung bis zur Produktion abdeckt.
- Entdecken Sie, wie Databricks mehrere KI-Frameworks wie Spark MLlib, TensorFlow, PyTorch und Caffe2 auf einer einzigen Plattform unterstützt.
Auf der diesjährigen F8 hat Facebook Unified Artificial Intelligence (UAI) angekündigt. Hiermit werden zwei spezielle Deep-Learning-Frameworks zusammengeführt, die Facebook entwickelt und ausgelagert hat: PyTorch widmete sich schwerpunktmäßig der Forschung und benötigte Zugang zu umfassenden Rechenressourcen, während es bei Caffe um die Bereitstellung von Modellen auf Android- und Raspberry Pi-Geräten ging. Im Gegensatz zum engen Anwendungsbereich von Facebooks Unified AI ist Unified Analytics eine Kategorie von Lösungen, die den gesamten KI-Lebenszyklus abdecken – von der Aufbereitung von Datasets über das Feature Engineering, die Modellentwicklung und das Training bis hin zur Implementierung der Modelle in die Produktion. Dies ist eine echte Zusammenführung von Daten und KI über den gesamten Lebenszyklus, also von der Entwicklung bis zur Produktion. Die einheitliche Analyseplattform von Databricks basierend auf Apache Spark versetzt Unternehmen in die Lage, Innovationen zu beschleunigen, denn sie kombiniert Daten- und KI-Technologien, verbessert die Zusammenarbeit zwischen Data Engineers und Data Scientists und vereinfacht die Datenaufbereitung sowie das Trainieren von Modellen und deren Einführung in die Produktion. Bei der Databricks-Plattform können Data Scientists aus einer breiten Palette von KI-Frameworks auswählen. Verfügbar sind Spark MLlib, TensorFlow, Pytorch, Caffee2 und weitere.
