قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
كوبرنيتيس للتعلم الآلي
تنسيق حاويات كوبرنيتيس المخصص لأحمال عمل التعلم الآلي، بما في ذلك إدارة وحدات معالجة الرسوميات، والتوسع الأفقي للتدريب الموزع، والنشر التلقائي لنماذج الاستدلال.
تجميع وحدات معالجة الرسوميات
تجميع وحدات معالجة الرسوميات المتعددة في نظام حوسبي موحد يسمح بالتوازي للبيانات والنماذج لتسريع تدريب الشبكات العصبية العميقة واسعة النطاق.
التدريب الموزع
تقنية تدريب نماذج التعلم الآلي التي توزع الحمولة الحسابية على عدة عقد، باستخدام استراتيجيات مثل توازي البيانات أو توازي النموذج لتقليل وقت التقارب.
تجميع الموارد
افتراضية ومشاركة ديناميكية للموارد الحسابية (وحدة المعالجة المركزية، وحدات معالجة الرسوميات، الذاكرة) بين مهام التعلم الآلي المختلفة، مما يحسن الاستخدام ويقلل تكاليف البنية التحتية.
التحجيم التلقائي للتعلم الآلي
آلية تكييف تلقائي للموارد الحسابية بناءً على مقاييس حمول عمل التعلم الآلي، مما يضمن أداءً مثالياً خلال فترات الذروة للتدريب أو الاستدلال.
تنسيق الحاويات
أتمتة النشر والتحجيم وإدارة حاويات تطبيقات التعلم الآلي، بما في ذلك اكتشاف الخدمات وموازنة الحمل والمرونة في مواجهة الأعطال.
تحسين الاستدلال
مجموعة من التقنيات (الكمية، التقليم، التقطير) التي تهدف إلى تقليل زمن الاستجابة واستهلاك الذاكرة للنماذج أثناء مرحلة الاستدلال في بيئة الإنتاج.
الاستدلال في الوقت الفعلي
بنية تحتية قادرة على توفير توقعات بزمن استجابة أقل (عادةً <100 مللي ثانية)، وهو أمر ضروري للتطبيقات الحرجة مثل كشف الاحتيال أو أنظمة التوصية.
الحوسبة الحدودية للتعلم الآلي
نشر نماذج التعلم الآلي على الأجهزة الطرفية لتقليل زمن الاستجابة، والحفاظ على خصوصية البيانات، وتقليل الاعتماد على اتصال الشبكة.
التعلم الآلي السحابي الأصلي
نهج معماري يستغل الخدمات السحابية الأصلية لدورة حياة التعلم الآلي الكاملة، من التدريب الموزع إلى النشر بلا خوادم للنماذج.
بنية التحكم في إصدارات النماذج
نظام لإدارة إصدارات نماذج التعلم الآلي مع تتبع المكونات، وبيانات وصفية للتدريب، وقدرات التراجع لضمان التتبع وإمكانية التكرار.
موازنة التحميل للتعلم الآلي
التوزيع الذكي لطلبات الاستدلال بين نسخ متعددة من النماذج، بناءً على حمل وحدة المعالجة المركزية/وحدة معالجة الرسومات وتعقيد التنبؤات لتحسين أوقات الاستجابة.
إدارة المجموعات
المراقبة وإدارة مجموعات العقد الحسابية للتعلم الآلي، بما في ذلك التوفير والمراقبة وصيانة مجموعات التدريب والاستدلال.
إدارة الحالات الفورية
استراتيجية لاستخدام حالات السحابة الفورية منخفضة التكلفة لأعمال التعلم الآلي غير الحرجة، مع آليات نقطة التحقق والنقل لإدارة الانقطاعات.
جدولة وحدات معالجة الرسومات
التخصيص والجدولة المُحسّنة لمهام التعلم الآلي على موارد وحدة معالجة الرسومات المتاحة، زيادة الإنتاجية مع احترام الأولويات وقيود الوظائف.
نشر التعلم الآلي متعدد السحابة
استراتيجية لنشر نماذج التعلم الآلي على موردي سحابة متعددين من أجل التكرار وتحسين التكاليف والامتثال التنظيمي للبيانات.
التعلم الآلي بدون خوادم
هيكلية التعلم الآلي بدون إدارة صريحة للخوادم، حيث يتكيف البنية التحتية تلقائياً مع الحمل، ويتم الفوترة فقط للاستخدام الفعلي للموارد.
البنية التحتية ككود للتعلم الآلي
أتمتة التزويد وتكوين بنية التعلم الآلي التحتية عبر كود تصريحي، مما يضمن قابلية التكرار والإدارة المصدرة للبيئات.