ש:
כיצד יכול מכולה להיות בחירה טובה לסביבת פרויקטים של למידת מכונה?
ת:חברות מסוימות עוברות לקונטיינציה לפרויקטים של למידת מכונות, על סמך חלק מהיתרונות שמציעות מערכי מכולות מבחינת פלטפורמות וסביבות תוכנה.
למידת מכונה מורכבת - האלגוריתמים עצמם מבצעים הרבה פעולות מאוד מפורטות ומסובכות על נתונים. עם זאת, הצעת הערך היא, במובנים מסוימים, די פשוטה - אלגוריתמי למידת המכונה עובדים על נתונים המגיעים מסביבות אחסון.
| הורדה חינם: למידת מכונה ולמה זה חשוב |
השימוש במכולות כרוך באופן בו מהנדסים מכניסים את הנתונים לסביבת הלמידה של המכונה, וכיצד פועלים האלגוריתמים.
מהנדסים יכולים להשתמש בווירטואליזציה של מכולות כדי להכיל את הנתונים, או לפרוס את הקוד שמריץ את האלגוריתמים. למרות שמכולות יכולות להועיל לנתונים, ככל הנראה היתרון העיקרי שלהן הוא בשימוש בקוד האלגוריתמים.
ארכיטקטורות מכולות כוללות אפליקציות ובסיסי קוד עצמאיים. כל מכולה מקבלת שיבוט של מערכת הפעלה משלה, והיא מקבלת סביבת הפעלה מלאה עבור מערך האפליקציה או הקוד שקיים בתוכה.
כתוצאה מכך, ניתן לפרוס את היישומים, השירותים המיקרו-בסיסיים או הקוד הבודדים הנמצאים בכל מיכל בדרכים מאוד מגוונות. ניתן לפרוס אותם בפלטפורמות שונות וסביבות שונות.
כעת, נניח שאתה מנסה לפתח פרויקט למידת מכונות בו אלגוריתמים שונים צריכים לעבוד על פיסות נתונים שונות באופן איטרטיבי. אם נמאס לכם להתמודד עם אתגרים חוצי פלטפורמות או בעיות תלות או מצבים בהם פריסת מתכת חשופה קשה, מכולות יכולות להיות הפיתרון.
בעיקרו של דבר, המכולות מספקות דרך לארח קוד. מומחים מדברים על פריסת המכולות מול הנתונים המאוחסנים כדי להשיג תוצאות טובות.
"(היישומים) ניתן לערבב ולהתאים אותם בכל מספר פלטפורמות, ולמעשה כמעט ללא צורך בפורט או בבדיקה", כותב דייוויד לינת'יקום במאמר TechBeacon שמתייחס לערך המכולות לפרויקטים של למידת מכונה, "מכיוון שהם קיימים במכולות, הם יכולים לפעול בסביבה מבוזרת מאוד ותוכלו למקם את המכולות הללו קרוב לנתונים שהניתוח מנתח. "
Linthicum ממשיך לדבר על חשיפת שירותי למידת מכונות כשירותי מיקרו. זה מאפשר לאפליקציות חיצוניות - מבוססות מכולות או לא - למנף שירותים אלה בכל עת מבלי להזדקק להזזת הקוד בתוך היישום.
במובן בסיסי מאוד, פריסת מכולות עוסקת בהפיכת הפונקציונליות של תוכנית הלמידה למכונה להתאמה יותר - סילוק ממגורות וחיבורים מיותרים - ושוב, תלות - שיכולים לפגוע בפרויקט. עבור פרויקט לימוד מכונה רזה, מרושע, אם החלקים האישיים באלגוריתמים או ביישומים או בפונקציונליות שוכנים בתוך מכולות, קל לבצע מיקרו-ניהול של חלקים אלו המוכנים באופן עצמאי וליצור פרויקטים מורכבים של למידת מכונה בהתאם.
