Revenir au contenu principal

Runtime de machine learning

Environnement de machine learning optimisé et prêt à l'emploi

Illustration

Le Runtime pour le Machine Learning (MLR) fournit aux data scientists et aux techniciens du ML des clusters évolutifs comprenant des frameworks populaires, des optimisations et une fonction AutoML intégrées pour des performances inégalées.

Avantages

graphic

DES FRAMEWORKS DE CHOIX

Les frameworks de ML évoluent à un rythme effréné et les techniciens doivent gérer en moyenne 8 bibliothèques. En un clic, le Runtime ML permet d'accéder à un panel fiable et performant de frameworks ML parmi les plus populaires, mais aussi à des environnements de ML personnalisés via des conteneurs pré-construits.

graphic

MACHINE LEARNING AUGMENTÉ

Accélérez le machine learning, depuis la préparation des données jusqu'à l'inférence, grâce à des fonctionnalités AutoML intégrées comme l'ajustement des hyperparamètres ou la recherche de modèle à l'aide de Hyperopt et de MLflow.

secondary-icon-graphic-17

ÉVOLUTION SIMPLIFIÉE

Passez sans effort au big data grâce à une infrastructure de cluster évolutive et auto-gérée. Le Runtime pour le Machine Learning contient des améliorations de performances exclusives pour les algorithmes les plus populaires, ainsi que HorovodRunner, une API toute simple pour le deep learning distribué.

Fonctionnalités

Comment ça marche

Le runtime pour le Machine Learning est une surcouche mise à jour lors de chaque montée de version. Il est disponible sur toute la gamme de produits Databricks, notamment : Azure Databricks, AWS cloud, clusters GPU et clusters CPU.

Pour utiliser le runtime pour le ML, sélectionnez tout simplement la version ML du runtime au moment de créer votre cluster.

Témoignage de client