Birleştirilmiş veri yığınlarıyla yapay zeka üretimini kolaylaştırma

Supermicro/NVIDIA tarafından sunulur

---

Hızlı devreye alma süresi ve yüksek performans, bir kuruluştaki yapay zeka, makine öğrenimi ve veri analitiği iş yükleri için kritik öneme sahiptir. Bu VB Spotlight etkinliğinde, uçtan uca bir yapay zeka platformunun, yapay zeka iş değeri yaratmak için gücü, araçları ve desteği sağlamada neden çok önemli olduğunu öğrenin.

Burada isteğe bağlı olarak ücretsiz izleyin.

---

İmalatta hata tahmini veya perakende ve e-ticarette gerçek zamanlı dolandırıcılık tespiti gibi zamana duyarlı iş yüklerinden kalabalık bir pazarda gereken artan çevikliğe kadar, yapay zeka, makine öğrenimi ve veri analitiğine güvenen kuruluşlar için devreye alma süresi çok önemlidir. Ancak BT liderleri, kavram kanıtlama aşamasından ölçekli üretim yapay zekasına geçmeyi herkesin bildiği gibi zor bulmuşlardır.

Supermicro’da FAE Direktörü Erik Grundstrom, yapay zeka üretiminin önündeki engellerin değişkenlik gösterdiğini söylüyor.

Verilerin kalitesi, modelin karmaşıklığı, modelin artan talep altında ne kadar iyi ölçeklenebileceği ve modelin mevcut sistemlere entegre edilip edilemeyeceği var. Düzenleyici engeller veya bileşenler giderek yaygınlaşmaktadır. Sonra denklemin insani kısmı var: Bir şirket veya kuruluş içindeki liderliğin, sonuca güvenecek ve BT ekibinin yapay zeka girişimlerini destekleyecek kadar modeli yeterince anlayıp anlamadığı.

Grundstrom, “Mümkün olduğunca çabuk konuşlandırmak istiyorsunuz,” diyor. “Bunun üstesinden gelmenin en iyi yolu, sürekli olarak düzene sokmak, sürekli test etmek, verilerinizin kalitesini iyileştirmek için sürekli çalışmak ve fikir birliğine varmanın bir yolunu bulmak olacaktır.”

Birleşik bir platformun gücü

Bu fikir birliğinin temeli, farklı donanım ve yazılımlarla dolu bir veri yığınından uzaklaşmak ve uçtan uca bir üretim AI platformu uygulamaktır, diye ekliyor. İş amaçlı kullanım durumlarını desteklemek için gereken araçlara, teknolojilere ve ölçeklenebilir ve güvenli altyapıya sahip bir iş ortağına dokunacaksınız.

Genellikle büyük bulut oyuncuları tarafından sağlanan uçtan uca platformlar, çok çeşitli temel özellikleri içerir. Verilerden içgörü elde etmeye yardımcı olmak için tahmine dayalı analitik sunan ve hibrit ve çoklu bulut desteği sunan bir iş ortağı arayın. Bu platformlar, ölçeklenebilir ve güvenli bir altyapı sunar; böylece, üzerine atılan her boyuttaki projenin yanı sıra sağlam veri yönetişimi ve veri yönetimi, keşif ve gizlilik özellikleriyle başa çıkabilirler.

Örneğin, NVIDIA ile iş ortaklığı yapan Supermicro, NVIDIA AI Enterprise platformu içinde yeni NVIDIA H100 Tensor Core GPU’lara sahip bir dizi NVIDIA Sertifikalı sistem sunuyor. Küçük işletmelerin ihtiyaçlarından devasa, birleştirilmiş yapay zeka eğitim kümelerine kadar her şeyin üstesinden gelebilirler. Ayrıca zorlu yapay zeka modelleri için önceki nesle göre dokuz kata kadar eğitim performansı sunarak bir haftalık eğitim süresini 20 saate indirirler.

NVIDIA AI Enterprise’ın kendisi, bulutta, veri merkezinde ve uçta yapay zeka çözümü iş akışları, çerçeveler, önceden eğitilmiş modeller ve altyapı optimizasyonu dahil olmak üzere uçtan uca, güvenli, bulutta yerel bir AI yazılımı paketidir.

Ancak birleşik bir platforma geçiş yaparken işletmeler bazı önemli engellerle karşılaşıyor.

Geçiş zorlukları

Birleşik bir platforma geçişin teknik karmaşıklığı ilk engeldir ve yerinde bir uzman olmadan büyük bir engel olabilir. Birden çok sistemdeki verileri birleşik bir platforma eşlemek, yalnızca veriler ve yapıları hakkında değil, aynı zamanda farklı veri kaynakları arasındaki ilişkiler hakkında da önemli uzmanlık ve bilgi gerektirir. Uygulama entegrasyonu, uygulamalarınızın birbiriyle olan ilişkilerini ve uygulamalarınızı ayrı sistemlerden tek bir sisteme entegre ederken bu ilişkileri nasıl sürdüreceğinizi anlamayı gerektirir.

Grundstrom, “Ve sonra, ormandan çıkmış olabileceğinizi düşündüğünüzde, başka bir dokuz devre içindesiniz” diyor.

“Taşıma tamamlanana kadar, nasıl bir performans göstereceğini tahmin etmek veya yeterli performansı elde edeceğinizi garanti etmek mümkün değil ve diğer tarafta bir düzeltme olacağına dair bir garanti yok” diye açıklıyor. “Bu entegrasyon zorluklarının üstesinden gelmek için, her zaman danışmanlar ve ortaklar şeklinde dışarıdan yardım vardır, ancak yapılacak en iyi şey, ihtiyacınız olan kişilerin kurum içinde bulunmasıdır.”

Kritik uzmanlığa dokunmak

Grundstrom, “Güçlü bir ekip oluşturun — doğru kişileri bir araya getirdiğinizden emin olun” diyor. “Ekibiniz bir iş modeli üzerinde anlaşmaya vardığında, modelinizi prototipleme, test etme ve iyileştirme konusunda hızlı geri dönüş süresine sahip olmanızı sağlayan bir yaklaşım benimseyin.”

Bunu öğrendikten sonra, başlangıçta nasıl ölçeklendirmeye ihtiyaç duyacağınız konusunda iyi bir fikriniz olmalıdır. Supermicro gibi şirketlerin devreye girdiği yer burasıdır, müşteri doğru platformu bulana kadar teste devam edebilir ve oradan, üretim yapay zekası gerçeğe dönüşene kadar performansı ince ayarlar.

İşletmelerin karmakarışık veri yığınını nasıl atabilecekleri, uçtan uca bir AI çözümünü benimseyebilecekleri, hız, güç, yenilik ve daha fazlasını nasıl açabilecekleri hakkında daha fazla bilgi edinmek için bu VB Spotlight etkinliğini kaçırmayın!

Şimdi talep üzerine izleyin!

Gündem

• Yapay zekaya geçiş süresi neden günümüzün ayırt edici özelliğidir?
• Yapay zeka üretiminin/yapay zekanın geniş ölçekte devreye alınmasındaki zorluklar
• Farklı donanım ve yazılım çözümleri neden sorun yaratır?
• Eksiksiz uçtan uca üretim yapay zeka çözümlerinde yeni yenilikler
• NVIDIA AI Enterprise platformuna arka plandan bir bakış

Sunucular

• Anne HechtKıdemli Direktör, Ürün Pazarlama, Kurumsal Bilgi İşlem Grubu, NVIDIA
• Erik GrundströmDirektör, FAE, Supermicro
• Joe MaglittaKıdemli Direktör ve Editör, VentureBeat (moderatör)