المحتوى
Q:
كيف يمكن أن يكون النقل بالحاويات اختيارًا جيدًا لبيئة مشروع التعلم الآلي؟
أ:
تتجه بعض الشركات نحو استخدام الحاويات في مشاريع التعلم الآلي ، استنادًا إلى بعض المزايا التي توفرها أدوات إعداد الحاويات من حيث الأنظمة الأساسية وبيئات البرامج.
التعلم الآلي معقد - الخوارزميات نفسها تؤدي الكثير من الإجراءات المفصلة والمعقدة للغاية على البيانات. ومع ذلك ، فإن اقتراح القيمة بسيط ، في بعض النواحي ، خوارزميات التعلم الآلي تعمل على البيانات الواردة من بيئات التخزين.
يتضمن استخدام الحاويات كيفية قيام المهندسين بوضع البيانات في بيئة التعلم الآلية ، وكيفية عمل الخوارزميات.
يمكن للمهندسين استخدام المحاكاة الافتراضية للحاوية إما لتخزين البيانات ، أو لنشر الكود الذي يقوم بتشغيل الخوارزميات. على الرغم من أن الحاويات يمكن أن تكون مفيدة للبيانات ، إلا أن الفائدة الرئيسية لها تأتي في استخدامها لتضمين رمز الخوارزمية.
تتميز أبنية الحاوية بتطبيقات وقواعد بيانات قائمة بذاتها. تحصل كل حاوية على نظام تشغيل خاص بها ، وتحصل على بيئة تشغيل كاملة للتطبيق أو مجموعة وظائف الكود التي تعيش بداخلها.
نتيجة لذلك ، يمكن نشر التطبيقات الفردية أو الخدمات المصغرة أو قواعد الشفرة الموجودة في كل حاوية بطرق متعددة الاستخدامات. يمكن نشرها في منصات مختلفة وبيئات مختلفة.
الآن ، لنفرض أنك تحاول تكثيف مشروع تعلم الآلة الذي يجب أن تعمل فيه خوارزميات مختلفة على أجزاء مختلفة من البيانات بطريقة تكرارية. إذا مللت من التعامل مع تحديات الأنظمة الأساسية أو مشكلات التبعية أو المواقف التي يكون فيها نشر العارية المعدنية أمرًا صعبًا ، فقد تكون الحاويات هي الحل.
في الأساس ، توفر الحاويات طريقة لاستضافة التعليمات البرمجية. يتحدث الخبراء عن نشر الحاويات مقابل البيانات المخزنة للحصول على نتائج جيدة.
"(يمكن خلط التطبيقات) ومطابقتها في أي عدد من المنصات ، مع عدم وجود أي حاجة إلى النقل أو الاختبار" ، يكتب David Linthicum في مقال TechBeacon يعرض قيمة الحاويات لمشاريع التعلم الآلي ، "لأنها موجودة في الحاويات ، يمكن أن تعمل في بيئة موزعة بشكل كبير ، ويمكنك وضع هذه الحاويات بالقرب من البيانات التي تقوم التطبيقات بتحليلها. "
يستمر لينثيكوم في الحديث عن تعريض خدمات التعليم الآلي كخدمات ميكروية. يتيح ذلك للتطبيقات الخارجية - المستندة إلى الحاوية أو لا - الاستفادة من هذه الخدمات في أي وقت دون الحاجة إلى نقل الكود داخل التطبيق.
بمعنى أساسي للغاية ، يتعلق نشر الحاوية بجعل وظيفة برنامج التعلم الآلي أكثر قابلية للتكيف - التخلص من الصوامع والتوصيلات غير الضرورية - ومرة أخرى ، التبعيات - التي يمكن أن تشل المشروع. بالنسبة لمشروع التعلم الآلي الهزيل ، إذا كانت الأجزاء الفردية من الخوارزميات أو التطبيقات أو الوظيفة موجودة داخل حاويات ، فمن السهل أن تدار هذه القطع القائمة بذاتها بسهولة وأن تنشئ مشاريع منتجات تعلم الآلة المعقدة وفقًا لذلك.