Нээрээ ч чадна. Google Cloud Machine Learning-д Cloud Machine Learning Engine (CMLE) нэртэй функц байдаг. CMLE нь үүлэн дээр машин сургалтын загваруудыг сургах, ашиглах хүчирхэг, өргөтгөх боломжтой платформоор хангадаг. Энэ нь хэрэглэгчдэд Cloud сангаас өгөгдлийг уншиж, дүгнэлт гаргахын тулд бэлтгэгдсэн загварыг ашиглах боломжийг олгодог.
Клоуд сангаас өгөгдөл унших тухайд CMLE нь Google Cloud Storage гэх мэт төрөл бүрийн хадгалах сонголтуудтай тасралтгүй нэгтгэх боломжийг санал болгодог. Хэрэглэгчид сургалтын мэдээлэл болон бусад холбогдох файлуудыг Cloud хадгалах санд хадгалах боломжтой. Дараа нь CMLE эдгээр хувин руу хандаж, сургалтын явцад өгөгдлийг унших боломжтой. Энэ нь өгөгдлийн үр ашигтай, тохиромжтой менежментийг хийхээс гадна орон нутгийн хадгалах багтаамжаас хэтэрсэн том өгөгдлийн багцыг ашиглах боломжийг олгодог.
Сургалтанд хамрагдсан загварыг ашиглахын тулд CMLE нь хэрэглэгчдэд урьдчилан таамаглах ажилд зориулж Cloud хадгалах санд хадгалагдсан бэлтгэгдсэн загварыг зааж өгөх боломжийг олгодог. Загварыг сургаж, Cloud хадгалах санд хадгалсны дараа CMLE түүнд хялбархан хандаж, шинэ өгөгдөл дээр таамаглал гаргахад ашиглах боломжтой. Энэ нь үйлдвэрлэлийн орчинд бэлтгэгдсэн загварыг ашиглах, бодит цагийн таамаглал гаргах шаардлагатай үед ялангуяа ашигтай байдаг.
Энэ үзэл баримтлалыг харуулахын тулд зургийг ангилахын тулд машин сургалтын загварыг сургасан хувилбарыг авч үзье. Сургалтанд хамрагдсан загвар нь Cloud хадгалах саванд хадгалагддаг. CMLE-ийн тусламжтайгаар хэрэглэгчид Cloud хадгалах санд бэлтгэгдсэн загварын байршлыг тодорхойлж, түүнийг төгсгөлийн цэг болгон байрлуулах боломжтой. Энэ төгсгөлийн цэгийг дараа нь ангиллын шинэ зургийг илгээхэд ашиглаж болно. CMLE нь Cloud хадгалалтаас бэлтгэгдсэн загварыг уншиж, шаардлагатай тооцооллыг хийж, оролтын зураг дээр үндэслэн таамаглал гаргах болно.
CMLE нь үнэхээр Cloud сангаас өгөгдлийг уншиж, дүгнэлт гаргахад бэлтгэгдсэн загварыг тодорхойлох чадвартай. Энэ функц нь өгөгдлийн үр ашигтай менежмент, бэлтгэгдсэн загваруудыг бодит хэрэглээний програмуудад ашиглах боломжийг олгодог.
Сүүлийн үеийн бусад асуулт, хариулт Машин сургалтанд ахиц дэвшил гаргах:
- Цөм нь өгөгдөлтэй, эх хувь нь хувийнх байх үед сэрээтэй нь олон нийтэд нээлттэй байж болох уу, хэрэв тийм бол нууцлалын зөрчил биш үү?
- Машин сургалтын явцад том өгөгдлийн багцтай ажиллахад ямар хязгаарлалт байдаг вэ?
- Машины сургалт нь харилцан ярианы тусламж үзүүлж чадах уу?
- TensorFlow тоглоомын талбай гэж юу вэ?
- Хүсэл эрмэлзэлтэй горим нь TensorFlow-ийн тархсан тооцооллын функцийг саатуулдаг уу?
- Google үүлэн шийдлүүдийг том өгөгдөлтэй ML загварыг илүү үр дүнтэй сургах үүднээс тооцоололыг хадгалах сангаас салгахад ашиглаж болох уу?
- Google Cloud Machine Learning Engine (CMLE) нь загварын сургалт дууссаны дараа нөөцийг автоматаар олж авах, тохируулах, мөн нөөцийг зогсоохыг санал болгодог уу?
- Машин сургалтын загваруудыг дур зоргоороо том өгөгдлийн багц дээр ямар ч саадгүй сургах боломжтой юу?
- CMLE-г ашиглах үед хувилбар үүсгэхэд экспортлогдсон загварын эх сурвалжийг зааж өгөх шаардлагатай юу?
- Tensorflow-ийг гүн мэдрэлийн сүлжээг (DNN) сургах, дүгнэлт хийхэд ашиглаж болох уу?
Бусад асуулт, хариултыг "Machine Learning-д ахиц дэвшил" хэсгээс үзнэ үү