Bi rastî, ew dikare. Di Google Cloud Machine Learning de, taybetmendiyek bi navê Cloud Machine Learning Engine (CMLE) heye. CMLE ji bo perwerdekirin û bicihkirina modelên fêrbûna makîneyê di ewr de platformek hêzdar û berbelav peyda dike. Ew dihêle bikarhêneran daneyan ji hilanîna Cloud bixwînin û ji bo encamgirtinê modelek perwerdekirî bikar bînin.
Dema ku dor tê ser xwendina daneya ji hilanînê Cloud, CMLE bi vebijarkên hilanînê yên cihêreng, tevî Google Cloud Storage, entegrasyona bêkêmasî pêşkêşî dike. Bikarhêner dikarin daneyên perwerdehiya xwe, û her weha pelên din ên têkildar, di kepçeyên hilanîna Cloud de hilînin. Dûv re CMLE dikare bigihîje van kelûpelan û di pêvajoya perwerdehiyê de daneyan bixwîne. Ev rê dide rêveberiya daneya bikêr û rehet, û her weha şiyana ku bikar bîne danûstendinên mezin ên ku dibe ku ji kapasîteya hilanîna herêmî derbas bibin.
Di warê karanîna modelek perwerdekirî de, CMLE bikarhêneran dihêle ku modelek perwerdekirî ya ku di hilanîna Cloud de hatî hilanîn ji bo karên pêşbîniyê diyar bikin. Gava ku modelek li hilanînê Cloud hate perwerdekirin û hilanîn, ew dikare bi hêsanî were gihîştin û ji hêla CMLE ve ji bo çêkirina pêşbîniyên li ser daneyên nû were bikar anîn. Ev bi taybetî bikêr e dema ku pêdivî ye ku modelek perwerdekirî were bicîh kirin û di hawîrdorek hilberînê de pêşbîniyên rast-dem-ê çêbikin.
Ji bo ronîkirina vê têgehê, senaryoyek ku modelek fêrbûna makîneyê ji bo dabeşkirina wêneyan hatî perwerde kirin binihêrin. Modela perwerdekirî di kelek hilanîna Cloud de tê hilanîn. Bi CMLE re, bikarhêner dikarin cîhê modela perwerdekirî di hilanîna Cloud-ê de diyar bikin û wê wekî xalek dawî bi cih bikin. Dûv re ev xala dawî dikare were bikar anîn da ku wêneyên nû ji bo dabeşkirinê bişîne. CMLE dê modela perwerdekirî ji hilanîna Cloud bixwîne, hesabên pêwîst pêk bîne, û li ser bingeha wêneyên têketinê pêşbîniyan peyda bike.
CMLE bi rastî jêhatî ye ku daneyên ji hilanînê Cloud bixwîne û ji bo encamnameyê modelek perwerdekirî diyar bike. Ev taybetmendî rê dide rêveberiya daneya bikêrhatî û bicîhkirina modelên perwerdekirî di serîlêdanên cîhana rastîn de.
Pirs û bersivên din ên vê dawiyê di derbarê Di Fêrbûna Makîneyê de pêşve diçin:
- Di fêrbûna makîneyê de di xebata bi daneyên mezin de çi sînor hene?
- Ma fêrbûna makîneyê dikare hin arîkariya diyalogê bike?
- Qada lîstikê ya TensorFlow çi ye?
- Ma moda dilşewat rê li ber fonksiyona hesabkirina belavkirî ya TensorFlow digire?
- Ma dikare çareseriyên ewr ên Google-ê were bikar anîn da ku hesabkirinê ji hilanînê veqetîne ji bo perwerdehiyek bikêrtir a modela ML bi daneyên mezin re?
- Ma motora Fêrbûna Makîneya Ewrê ya Google (CMLE) wergirtina çavkaniyê û veavakirina otomatîkî pêşkêşî dike û piştî ku perwerdehiya modelê qediya girtina çavkaniyê bi rê ve dibe?
- Ma gengaz e ku meriv modelên fêrbûna makîneyê li ser komikên daneya kêfî yên mezin û bê hicup perwerde bike?
- Dema ku CMLE bikar bînin, çêkirina guhertoyek hewce dike ku çavkaniyek modelek derhanîn diyar bike?
- Ma Tensorflow dikare ji bo perwerdekirin û destnîşankirina torên neuralî yên kûr (DNN) were bikar anîn?
- Algorîtmaya Boostkirina Gradient çi ye?
Pir pirs û bersivan di Pêşveçûna Fêrbûna Makîneyê de bibînin