IBM、マルチクラウド プラットフォームで実行される AI モデル用の CodeFlare フレームワークをオープンソース化

IBM は、ハイブリッド クラウド上でのビッグ データと人工知能のワークフローの統合と効率的な拡張を簡素化するように設計された、CodeFlare と呼ばれるオープン ソース フレームワークを発表しました。紹介文によると、CodeFlare は、機械学習アプリケーション向けの新興オープンソース分散コンピューティング フレームワークである Ray 上に構築されています。 CodeFlare は特定の要素を追加することで Ray の機能を拡張し、ワークフローの拡張を容易にします。

[[410431]]

IBM は、データと機械学習分析がほぼすべての業界に浸透するにつれて、タスクがますます複雑になっていると指摘しました。 AI 研究には大規模なデータセットとより多くのシステムを設計することが重要ですが、これらのワークフローの数が増えるにつれて、研究者はデータ サイエンスを行うよりもセットアップの構成に多くの時間を費やすようになっています。

現在、機械学習モデルの作成は集中的な手作業です。研究者はモデルをトレーニングして最適化する必要があり、これにはデータのクリーニング、特徴の抽出、モデルの最適化などのタスクが含まれます。 CodeFlare はこのプロセスを簡素化するのに役立ちます。 Python プログラミング言語に基づくインターフェースを使用してパイプラインを作成し、データの統合、並列化、共有を容易にします。 CodeFlare フレームワークの目的は、データ サイエンティストが新しいワークフロー言語を学習することなく、複数のプラットフォーム間でパイプライン ワークフローを統合することです。

CodeFlare パイプラインは、新しい IBM Cloud Code Engine (サーバーレス プラットフォーム) や Red Hat OpenShift など、あらゆるクラウド インフラストラクチャにデプロイできます。 CodeFlare はイベント トリガー用のアダプターも提供しているため、パイプラインを他のクラウド ネイティブ エコシステムと統合してブリッジすることができます。さらに、クラウド オブジェクト ストレージ、データ レイク、分散ファイル システムなどのさまざまなソースからのデータの読み込みとパーティション分割もサポートします。

CodeFlare を使用すると、開発者は作業を重複して行う必要がなくなり、特定のパイプラインを実行するために同僚が過去に何をしたかを把握するのに苦労する必要もなくなります。 「CodeFlare の目標は、データ サイエンティストに、より一貫して使用できる豊富なツールと API を提供し、構成や展開の複雑さを軽減して、実際の研究に集中できるようにすることです。」

IBMは、このフレームワークにより、ハイブリッドクラウドへの展開のためのパイプラインを作成する際の開発者の時間と労力を大幅に節約できることを期待していると述べた。たとえば、同社のユーザーの 1 社は、CodeFlare フレームワークを適用して 100,000 のパイプラインを分析および最適化し、機械学習モデルをトレーニングして、各パイプラインの実行時間を 4 時間から 15 分に短縮することに成功しました。

詳細は公式ブログをご確認ください。

この記事はOSCHINAから転載したものです

記事タイトル: IBM、マルチクラウド プラットフォームで実行される AI モデル用の CodeFlare フレームワークをオープンソース化

この記事のアドレス: https://www.oschina.net/news/149690/ibm-open-sources-codeflare