Confira as sessões sob demanda do Low-Code /No-Code Summit para aprender como inovar com sucesso e obter eficiência aprimorando e dimensionando desenvolvedores cidadãos. Assista agora.
Dimensionando o os recursos necessários para cargas de trabalho de aprendizado de máquina (ML) e inteligência artificial (IA) podem ser uma tarefa complexa.
construindo mais modelos – muitos dos quais nunca chegam à produção. Um relatório do Gartner divulgado em agosto de 2022 descobriu que apenas 54% dos modelos de IA passam da fase piloto para a produção.
Entre as muitas ferramentas que as organizações podem usar para dimensionar projetos de IA e ML e potencialmente colocar mais modelos em produção é com a estrutura Ray de código aberto, que atingiu seu marco 2.0 em agosto. Anyscale
, que é o criador de Ray, vai um passo além dos principais recursos abertos da plataforma de código aberto com sua Anyscale Platform gerenciada e agora está ampliando ainda mais esses recursos.
O novo lançamento da empresa, Anyscale Workspaces, está disponível hoje em uma pré-visualização. Ele fornece aos usuários um ambiente de desenvolvedor gerenciado em nuvem para criar e dimensionar IA em uma abordagem repetível.
Evento
“Estamos tentando chegar ao ponto em que, se os desenvolvedores souberem programar em seus laptops e conhecerem Python, isso é tudo que eles precisam saber, a fim de fazer aprendizado de máquina para criar aplicativos escaláveis”, disse Robert Nishihara, CEO e cofundador da Anyscale, à VentureBeat.
A chave para o escalonamento de ML é a reprodutibilidade
De acordo com Nishihara, cientistas de dados e desenvolvedores hoje estão acostumados a projetar modelos de ML usando Python em sistemas locais.
Anyscale Workspaces estende essa mesma experiência que os desenvolvedores estão acostumados em seus próprios sistemas individuais em que estão desenvolvendo e a estende para a nuvem. Os usuários obtêm o benefício da Anyscale Platform, que pode suportar centenas de GPUs e milhares de CPUs.
Com o Workspaces, Nishihara disse que o objetivo é ajudar os desenvolvedores a iterar mais rapidamente nos modelos, que, por fim, chegará aos casos de uso de produção.
O serviço Workspaces é executado dentro de contêineres na nuvem e é altamente personalizável. As organizações podem especificar quais ferramentas de IA ou ML e ciência de dados desejam instalar. Os espaços de trabalho também podem ser clonados, tornando mais fácil para as organizações reproduzir o mesmo ambiente de desenvolvimento para todos os usuários.
A reprodutibilidade do ambiente de desenvolvimento é crucial para uma iteração rápida, de acordo com Nishihara. Com um ambiente de desenvolvimento comum e reproduzível de IA e ML, fica mais fácil para os desenvolvedores colaborar no desenvolvimento do modelo e também permite que novos desenvolvedores continuem projetos existentes.
“Você não queremos que os desenvolvedores tenham que perder tempo lutando para configurar a infraestrutura ou deixá-la do jeito que funcionavam anteriormente”, disse ele. “Agora, uma vez que alguém tenha o ambiente de desenvolvimento funcionando da maneira que quiser, ele pode ser reutilizado.”
Nishihara explicou que, antes do Workspaces, o desenvolvimento interativo de IA/ML na plataforma Anyscale , por sua própria admissão, foi ‘mais doloroso’. Não era tão fácil ter um ambiente de desenvolvimento persistente que pudesse ser facilmente customizado ou reproduzido.
A configuração mais rápida do cluster acelera a iteração do modelo
A capacidade de configurar rapidamente um cluster para treinamento também está sendo acelerada por Anyscale.
Com novas atualizações chegando à plataforma Anyscale, a empresa afirma que agora pode iniciar um cluster de treinamento até cinco vezes mais rápido do que com a versão regular de código aberto do Ray. Nishira disse que um cluster complexo pode ser configurado em um ou dois minutos, o que permite aos desenvolvedores iterar em modelos mais rapidamente.
Por exemplo, ele disse que se levar 10 minutos para um resultado apareça porque é o tempo que leva para um cluster inicializar, então um desenvolvedor gastará um bom tempo apenas esperando que as coisas aconteçam.
“Se eu enviar o trabalho, e ele começa a funcionar imediatamente, e eu obtenho os resultados, então posso fazer isso indefinidamente”, disse Nishihara. “Portanto, embora, em teoria, os usuários ainda possam fazer as mesmas coisas que faziam antes, é uma virada de jogo quando se trata apenas de produtividade.”
Missão do VentureBeat é ser uma praça da cidade digital para tomadores de decisão técnicos obterem conhecimento sobre tecnologia empresarial transformadora e realizarem transações. Conheça os nossos Briefings.