கிளவுட் கம்ப்யூட்டிங்கில் AI என்றால் என்ன?

கிளவுட் கம்ப்யூட்டிங்கில் AI என்றால் என்ன?

சுருக்கமான பதில்: கிளவுட் கம்ப்யூட்டிங்கில் AI என்பது தரவைச் சேமிக்க, கம்ப்யூட் வாடகைக்கு எடுக்க, மாடல்களைப் பயிற்றுவிக்க, அவற்றை சேவைகளாகப் பயன்படுத்த மற்றும் உற்பத்தியில் அவற்றைக் கண்காணிக்க கிளவுட் தளங்களைப் பயன்படுத்துவது பற்றியது. பெரும்பாலான தோல்விகள் கணிதத்தைச் சுற்றி அல்ல, தரவு, வரிசைப்படுத்தல் மற்றும் செயல்பாடுகளைச் சுற்றியே இருப்பதால் இது முக்கியமானது. உங்களுக்கு விரைவான அளவிடுதல் அல்லது மீண்டும் மீண்டும் செய்யக்கூடிய வெளியீடுகள் தேவைப்பட்டால், கிளவுட் + எம்எல்ஓப்ஸ் என்பது நடைமுறை வழி.

முக்கிய குறிப்புகள்:

வாழ்க்கைச் சுழற்சி : நிலத் தரவு, கட்டமைப்பு அம்சங்கள், பயிற்சி, வரிசைப்படுத்தல், பின்னர் சறுக்கல், தாமதம் மற்றும் செலவு ஆகியவற்றைக் கண்காணித்தல்.

ஆளுகை : தொடக்கத்திலிருந்தே அணுகல் கட்டுப்பாடுகள், தணிக்கைப் பதிவுகள் மற்றும் சுற்றுச்சூழல் பிரிப்பு ஆகியவற்றை உருவாக்குதல்.

மறுஉருவாக்கம் : தரவு பதிப்புகள், குறியீடு, அளவுருக்கள் மற்றும் சூழல்களைப் பதிவுசெய்து, இயக்கங்கள் மீண்டும் மீண்டும் செய்யக்கூடியதாக இருக்கும்.

செலவுக் கட்டுப்பாடு : பில் அதிர்ச்சிகளைத் தவிர்க்க, பேட்சிங், கேச்சிங், ஆட்டோஸ்கேலிங் கேப்ஸ் மற்றும் ஸ்பாட்/முன்கூட்டியே பயிற்சி ஆகியவற்றைப் பயன்படுத்தவும்.

வரிசைப்படுத்தல் முறைகள் : குழு யதார்த்தத்தின் அடிப்படையில் நிர்வகிக்கப்பட்ட தளங்கள், லேக்ஹவுஸ் பணிப்பாய்வுகள், குபெர்னெட்ஸ் அல்லது RAG ஆகியவற்றைத் தேர்வுசெய்யவும்.

கிளவுட் கம்ப்யூட்டிங்கில் AI என்றால் என்ன? தகவல் வரைபடம்

இதற்குப் பிறகு நீங்கள் படிக்க விரும்பக்கூடிய கட்டுரைகள்:

🔗 சிறந்த AI கிளவுட் வணிக மேலாண்மை கருவிகள்
செயல்பாடுகள், நிதி மற்றும் குழுக்களை நெறிப்படுத்தும் முன்னணி கிளவுட் தளங்களை ஒப்பிடுக.

🔗 பெரிய அளவிலான உற்பத்தி AI-க்குத் தேவையான தொழில்நுட்பங்கள்
GenAI-ஐப் பயன்படுத்துவதற்குத் தேவையான முக்கிய உள்கட்டமைப்பு, தரவு மற்றும் நிர்வாகம்.

🔗 தரவு பகுப்பாய்விற்கான இலவச AI கருவிகள்
தரவுத்தொகுப்புகளை சுத்தம் செய்தல், மாதிரியாக்குதல் மற்றும் காட்சிப்படுத்துதல் ஆகியவற்றிற்கான சிறந்த இலவச AI தீர்வுகள்.

🔗 ஒரு சேவையாக AI என்றால் என்ன?
AIaaS, நன்மைகள், விலை நிர்ணய மாதிரிகள் மற்றும் பொதுவான வணிக பயன்பாட்டு நிகழ்வுகளை விளக்குகிறது.

கிளவுட் கம்ப்யூட்டிங்கில் AI: எளிய வரையறை 🧠☁️

அதன் மையத்தில், கிளவுட் கம்ப்யூட்டிங்கில் AI என்பது கிளவுட் தளங்களைப் பயன்படுத்தி அணுகுவதைக் குறிக்கிறது:

உங்கள் சொந்த விலையுயர்ந்த வன்பொருளை வாங்குவதற்குப் பதிலாக, உங்களுக்குத் தேவையானதை வாடகைக்கு எடுக்கிறீர்கள், உங்களுக்குத் தேவைப்படும்போது NIST SP 800-145 . உங்கள் கேரேஜில் ஒரு ஜிம்மைக் கட்டிவிட்டு, மீண்டும் ஒருபோதும் டிரெட்மில்லைப் பயன்படுத்துவதற்குப் பதிலாக, ஒரு தீவிர உடற்பயிற்சிக்காக ஒரு ஜிம்மை வாடகைக்கு எடுப்பது போல. நம்மில் சிறந்தவர்களுக்கு இது நடக்கும் 😬

NIST SP 800-145 என்ற கிளவுட் உள்கட்டமைப்பு மூலம் அளவிடுவது, அனுப்புவது, புதுப்பிப்பது மற்றும் செயல்படுவது AI தான் .

AI + கிளவுட் ஏன் இவ்வளவு பெரிய ஒப்பந்தம் 🚀

வெளிப்படையாகச் சொல்லப் போனால் - பெரும்பாலான AI திட்டங்கள் கணிதம் கடினமாக இருப்பதால் தோல்வியடைவதில்லை. "மாதிரியைச் சுற்றியுள்ள விஷயங்கள்" சிக்கலாகிவிடுவதால் அவை தோல்வியடைகின்றன:

  • தரவு சிதறிக்கிடக்கிறது

  • சூழல்கள் பொருந்தவில்லை

  • அந்த மாடல் வேறொருவரின் மடிக்கணினியில் வேலை செய்கிறது, ஆனால் வேறு எங்கும் இல்லை

  • பயன்படுத்தல் என்பது ஒரு பின் சிந்தனையாகவே கருதப்படுகிறது

  • பாதுகாப்பும் இணக்கமும் அழைக்கப்படாத உறவினரைப் போல தாமதமாகக் காண்பிக்கப்படுகின்றன 😵

கிளவுட் தளங்கள் உதவுகின்றன, ஏனெனில் அவை வழங்குகின்றன:

1) மீள் அளவுகோல் 📈

ஒரு பெரிய கிளஸ்டரில் ஒரு மாதிரியை சிறிது நேரம் பயிற்சி செய்யுங்கள், பின்னர் அதை NIST SP 800-145 .

2) வேகமான பரிசோதனை ⚡

நிர்வகிக்கப்பட்ட குறிப்பேடுகள், முன்பே கட்டமைக்கப்பட்ட பைப்லைன்கள் மற்றும் GPU நிகழ்வுகளை விரைவாக சுழற்றுங்கள் Google Cloud: AIக்கான GPUகள் .

3) எளிதான வரிசைப்படுத்தல் 🌍

மாதிரிகளை APIகள், தொகுதி வேலைகள் அல்லது உட்பொதிக்கப்பட்ட சேவைகளாகப் பயன்படுத்தவும் Red Hat: REST API என்றால் என்ன? SageMaker தொகுதி மாற்றம் .

4) ஒருங்கிணைந்த தரவு சுற்றுச்சூழல் அமைப்புகள் 🧺

உங்கள் தரவு குழாய்வழிகள், கிடங்குகள் மற்றும் பகுப்பாய்வுகள் பெரும்பாலும் ஏற்கனவே மேகத்தில் வாழ்கின்றன AWS: தரவு கிடங்கு vs தரவு ஏரி .

5) ஒத்துழைப்பு மற்றும் நிர்வாகம் 🧩

Azure ML பதிவேடுகளில் (MLOps) சுடப்படுகின்றன .

கிளவுட் கம்ப்யூட்டிங்கில் AI எவ்வாறு நடைமுறையில் செயல்படுகிறது (உண்மையான ஓட்டம்) 🔁

இதோ பொதுவான வாழ்க்கைச் சுழற்சி. "சரியான வரைபடம்" பதிப்பு அல்ல... வாழ்ந்த ஒன்று.

படி 1: தரவு மேக சேமிப்பகத்தில் சேருகிறது 🪣

உதாரணங்கள்: பொருள் சேமிப்பு வாளிகள், தரவு ஏரிகள், மேக தரவுத்தளங்கள் அமேசான் S3 (பொருள் சேமிப்பு) AWS: தரவு ஏரி என்றால் என்ன? கூகிள் மேக சேமிப்பு கண்ணோட்டம் .

படி 2: தரவு செயலாக்கம் + அம்ச உருவாக்கம் 🍳

நீங்கள் அதை சுத்தம் செய்யலாம், மாற்றலாம், அம்சங்களை உருவாக்கலாம், ஒருவேளை அதை ஸ்ட்ரீம் செய்யலாம்.

படி 3: மாதிரி பயிற்சி 🏋️

கூகிள் கிளவுட்: AI க்கான GPUகளைப் பயிற்றுவிக்க நீங்கள் கிளவுட் கம்ப்யூட்டை (பெரும்பாலும் GPUகள்) பயன்படுத்துகிறீர்கள் :

படி 4: வரிசைப்படுத்தல் 🚢

மாதிரிகள் பேக் செய்யப்பட்டு இதன் மூலம் வழங்கப்படுகின்றன:

படி 5: கண்காணிப்பு + புதுப்பிப்புகள் 👀

தடம்:

அதுதான் இயந்திரம். வெறும் வரையறையாக அல்லாமல், இயக்கத்தில் இருக்கும் கிளவுட் கம்ப்யூட்டிங்கில் AI இதுதான்.

கிளவுட் கம்ப்யூட்டிங்கில் AI இன் நல்ல பதிப்பை உருவாக்குவது எது? ✅☁️🤖

நீங்கள் ஒரு "நல்ல" செயல்படுத்தலை விரும்பினால் (வெறும் பிரகாசமான டெமோ அல்ல), இவற்றில் கவனம் செலுத்துங்கள்:

அ) கவலைகளின் தெளிவான பிரிப்பு 🧱

  • தரவு அடுக்கு (சேமிப்பு, நிர்வாகம்)

  • பயிற்சி அடுக்கு (சோதனைகள், குழாய்வழிகள்)

  • பரிமாறும் அடுக்கு (APIகள், அளவிடுதல்)

  • கண்காணிப்பு அடுக்கு (அளவீடுகள், பதிவுகள், எச்சரிக்கைகள்) SageMaker மாதிரி கண்காணிப்பு

எல்லாம் ஒன்றாக கலக்கப்படும்போது, ​​பிழைத்திருத்தம் உணர்ச்சி ரீதியான சேதமாக மாறும்.

B) இயல்புநிலையாக மீண்டும் உருவாக்கக்கூடிய தன்மை 🧪

ஒரு நல்ல அமைப்பு கையை அசைக்காமல், நீங்கள் கூற அனுமதிக்கிறது:

  • இந்த மாதிரியைப் பயிற்றுவித்த தரவு

  • குறியீட்டுப் பதிப்பு

  • ஹைப்பர் அளவுருக்கள்

  • சுற்றுச்சூழல்

பதில் “ம்ம், அது செவ்வாய்க்கிழமை ஓட்டம்னு நினைக்கிறேன்...” என்றால் நீங்கள் ஏற்கனவே சிக்கலில் இருக்கிறீர்கள் 😅

C) செலவு விழிப்புணர்வு வடிவமைப்பு 💸

கிளவுட் AI சக்தி வாய்ந்தது, ஆனால் உங்கள் வாழ்க்கைத் தேர்வுகளை கேள்விக்குள்ளாக்கும் ஒரு மசோதாவை தற்செயலாக உருவாக்குவதற்கான எளிதான வழியும் இதுதான்.

நல்ல அமைப்புகளில் பின்வருவன அடங்கும்:

D) பாதுகாப்பு மற்றும் இணக்கம் 🔐 உடன் இணைக்கப்பட்டுள்ளது

கசிவு உள்ள குழாயில் டக்ட் டேப் போல பின்னர் போல்ட் செய்யப்படவில்லை.

E) முன்மாதிரியிலிருந்து உற்பத்திக்கு ஒரு உண்மையான பாதை 🛣️

இதுதான் மிகப்பெரியது. கிளவுட்டில் AI இன் ஒரு நல்ல “பதிப்பில்” MLOps, வரிசைப்படுத்தும் முறைகள் மற்றும் தொடக்கத்திலிருந்தே கண்காணிப்பு ஆகியவை அடங்கும். கூகிள் கிளவுட்: MLOps என்றால் என்ன? இல்லையெனில் இது ஒரு ஆடம்பரமான விலைப்பட்டியல் கொண்ட ஒரு அறிவியல் கண்காட்சி திட்டம்.

ஒப்பீட்டு அட்டவணை: பிரபலமான AI-இன்-கிளவுட் விருப்பங்கள் (மற்றும் அவை யாருக்கானவை) 🧰📊

கீழே ஒரு சிறிய, சற்று கருத்துள்ள அட்டவணை உள்ளது. விலைகள் வேண்டுமென்றே பரந்த அளவில் உள்ளன, ஏனெனில் கிளவுட் விலை நிர்ணயம் என்பது காபியை ஆர்டர் செய்வது போன்றது - அடிப்படை விலை ஒருபோதும் விலையாக இருக்காது 😵💫

கருவி / தளம் பார்வையாளர்கள் விலை அதிகம் இது ஏன் வேலை செய்கிறது (வினோதமான குறிப்புகள் சேர்க்கப்பட்டுள்ளன)
AWS சேஜ்மேக்கர் எம்எல் குழுக்கள், நிறுவனங்கள் கட்டணச் சலுகை முழு அடுக்கு ML தளம் - பயிற்சி, இறுதிப் புள்ளிகள், பைப்லைன்கள். சக்திவாய்ந்தது, ஆனால் எல்லா இடங்களிலும் மெனுக்கள்.
கூகிள் வெர்டெக்ஸ் AI எம்.எல் குழுக்கள், தரவு அறிவியல் அமைப்புகள் கட்டணச் சலுகை வலுவான நிர்வகிக்கப்பட்ட பயிற்சி + மாதிரி பதிவேடு + ஒருங்கிணைப்புகள். கிளிக் செய்யும்போது மென்மையாக இருக்கும்.
அசூர் இயந்திர கற்றல் நிறுவனங்கள், MS-மையப்படுத்தப்பட்ட நிறுவனங்கள் கட்டணச் சலுகை Azure சுற்றுச்சூழல் அமைப்புடன் நன்றாக வேலை செய்கிறது. நல்ல நிர்வாக விருப்பங்கள், நிறைய கைப்பிடிகள்.
டேட்டாபிரிக்ஸ் (எம்எல் + லேக்ஹவுஸ்) தரவு பொறியியல் கனரக குழுக்கள் சந்தா + பயன்பாடு டேட்டா பைப்லைன்கள் + எம்.எல் ஆகியவற்றை ஒரே இடத்தில் கலக்க சிறந்தது. பெரும்பாலும் நடைமுறை குழுக்களால் விரும்பப்படுகிறது.
ஸ்னோஃப்ளேக் AI அம்சங்கள் பகுப்பாய்வு-முதல் நிறுவனங்கள் பயன்பாடு சார்ந்தது உங்கள் உலகம் ஏற்கனவே ஒரு கிடங்கில் இருக்கும்போது நல்லது. குறைவான "ML ஆய்வகம்", அதிக "SQL-ish இல் AI"
ஐபிஎம் வாட்சன்க்ஸ் ஒழுங்குபடுத்தப்பட்ட தொழில்கள் நிறுவன விலை நிர்ணயம் நிர்வாகம் மற்றும் நிறுவனக் கட்டுப்பாடுகள் ஒரு பெரிய கவனம். பெரும்பாலும் கொள்கை சார்ந்த அமைப்புகளுக்குத் தேர்ந்தெடுக்கப்படுகின்றன.
நிர்வகிக்கப்பட்ட குபெர்னெட்ஸ் (DIY ML) தளப் பொறியாளர்கள் மாறி நெகிழ்வான மற்றும் தனிப்பயனாக்கப்பட்ட. மேலும்... அது உடையும் போது ஏற்படும் வலி உங்களுக்கு சொந்தமானது 🙃
சர்வர்லெஸ் அனுமானம் (செயல்பாடுகள் + இறுதிப் புள்ளிகள்) தயாரிப்பு குழுக்கள் பயன்பாடு சார்ந்தது கூர்மையான போக்குவரத்திற்கு சிறந்தது. பருந்து போல குளிர் தொடக்கங்களையும் தாமதத்தையும் பாருங்கள்.

இது "சிறந்ததை" தேர்ந்தெடுப்பது பற்றியது அல்ல - இது உங்கள் அணியின் யதார்த்தத்துடன் பொருந்துவது பற்றியது. அதுதான் அமைதியான ரகசியம்.

கிளவுட் கம்ப்யூட்டிங்கில் AI-க்கான பொதுவான பயன்பாட்டு வழக்குகள் (எடுத்துக்காட்டுகளுடன்) 🧩✨

AI-இன்-கிளவுட் அமைப்புகள் சிறந்து விளங்கும் இடம் இங்கே:

1) வாடிக்கையாளர் ஆதரவு ஆட்டோமேஷன் 💬

2) பரிந்துரை அமைப்புகள் 🛒

  • தயாரிப்பு பரிந்துரைகள்

  • உள்ளடக்க ஊட்டங்கள்

  • "மக்களும் வாங்கினார்கள்"
    இவற்றுக்கு பெரும்பாலும் அளவிடக்கூடிய அனுமானம் மற்றும் கிட்டத்தட்ட நிகழ்நேர புதுப்பிப்புகள் தேவைப்படுகின்றன.

3) மோசடி கண்டறிதல் மற்றும் ஆபத்து மதிப்பீடு 🕵️

மேகம் வெடிப்புகளைக் கையாள்வதையும், நிகழ்வுகளை ஸ்ட்ரீம் செய்வதையும், குழுமங்களை இயக்குவதையும் எளிதாக்குகிறது.

4) ஆவண நுண்ணறிவு 📄

5) முன்னறிவிப்பு மற்றும் திறன் சார்ந்த தேர்வுமுறை 📦

தேவை முன்னறிவிப்பு, சரக்கு திட்டமிடல், வழி மேம்படுத்தல். தரவு பெரியதாகவும், மறுபயிற்சி அடிக்கடி நடைபெறுவதாலும் மேகம் உதவுகிறது.

6) ஜெனரேட்டிவ் AI பயன்பாடுகள் 🪄

  • உள்ளடக்க வரைவு

  • குறியீட்டு உதவி

  • உள் அறிவு பாட்கள் (RAG)

  • செயற்கை தரவு உருவாக்கம் மீட்டெடுப்பு-வளர்ச்சி பெற்ற தலைமுறை (RAG) தாள்
    இது பெரும்பாலும் நிறுவனங்கள் இறுதியாகச் சொல்லும் தருணம்: "எங்கள் தரவு அணுகல் விதிகள் எங்கு வாழ்கின்றன என்பதை நாங்கள் தெரிந்து கொள்ள வேண்டும்." 😬

நீங்கள் எல்லா இடங்களிலும் காணக்கூடிய கட்டிடக்கலை வடிவங்கள் 🏗️

பேட்டர்ன் 1: நிர்வகிக்கப்பட்ட ML பிளாட்ஃபார்ம் ("எங்களுக்கு குறைவான தலைவலி வேண்டும்" என்ற வழி) 😌

வேகம் முக்கியமானதாக இருக்கும்போது நன்றாக வேலை செய்கிறது, மேலும் நீங்கள் புதிதாக உள் கருவிகளை உருவாக்க விரும்பவில்லை.

பேட்டர்ன் 2: லேக்ஹவுஸ் + எம்எல் ("தரவு-முதல்" வழி) 🏞️

  • தரவு பொறியியல் + ML பணிப்பாய்வுகளை ஒருங்கிணைக்கவும்

  • தரவுகளுக்கு அருகில் குறிப்பேடுகள், குழாய்வழிகள், அம்ச பொறியியல் ஆகியவற்றை இயக்கவும்

  • பெரிய பகுப்பாய்வு அமைப்புகளில் ஏற்கனவே வாழும் நிறுவனங்களுக்கு வலுவானது டேட்டாபிரிக்ஸ் லேக்ஹவுஸ்

பேட்டர்ன் 3: குபெர்னெட்டஸில் கண்டெய்னரைஸ் செய்யப்பட்ட எம்.எல் ("நாங்கள் கட்டுப்பாட்டை விரும்புகிறோம்" பாதை) 🎛️

"நாங்கள் நம்பிக்கையுடன் இருக்கிறோம், மேலும் சில நேரங்களில் பிழைத்திருத்தத்தை விரும்புகிறோம்" என்றும் அழைக்கப்படுகிறது

முறை 4: RAG (மீட்டெடுப்பு-வளர்ச்சியடைந்த தலைமுறை) ("உங்கள் அறிவைப் பயன்படுத்துங்கள்" வழி) 📚🤝

  • மேகக்கணி சேமிப்பகத்தில் உள்ள ஆவணங்கள்

  • உட்பொதிப்புகள் + வெக்டர் சேமிப்பு

  • மீட்டெடுப்பு அடுக்கு ஒரு மாதிரிக்கு சூழலை ஊட்டுகிறது

  • பாதுகாப்புத் தண்டவாளங்கள் + அணுகல் கட்டுப்பாடு + பதிவு செய்தல் மீட்டெடுப்பு-வளர்ச்சி பெற்ற தலைமுறை (RAG) தாள்

நவீன AI-இன்-கிளவுட் உரையாடல்களில் இது ஒரு முக்கிய பகுதியாகும், ஏனெனில் இது எத்தனை உண்மையான வணிகங்கள் ஜெனரேட்டிவ் AI-ஐ பாதுகாப்பாகப் பயன்படுத்துகின்றன என்பதைப் பொறுத்தது.

MLOps: எல்லோரும் குறைத்து மதிப்பிடும் பகுதி 🧯

மேகக்கட்டத்தில் AI உற்பத்தியில் செயல்பட வேண்டுமென்றால், உங்களுக்கு MLOps தேவை. அது நவநாகரீகமாக இருப்பதால் அல்ல - ஏனெனில் மாதிரிகள் நகர்கின்றன, தரவு மாற்றங்கள் மற்றும் பயனர்கள் மிக மோசமான முறையில் படைப்பாற்றல் மிக்கவர்கள் . Google Cloud: MLOps என்றால் என்ன?

முக்கிய பகுதிகள்:

இதைப் புறக்கணித்தால், நீங்கள் ஒரு "மாடல் மிருகக்காட்சிசாலையை" 🦓 பெறுவீர்கள், அங்கு எல்லாம் உயிருடன் இருக்கும், எதுவும் பெயரிடப்படவில்லை, மேலும் நீங்கள் கேட்டைத் திறக்க பயப்படுவீர்கள்.

பாதுகாப்பு, தனியுரிமை மற்றும் இணக்கம் (வேடிக்கையான பகுதி அல்ல, ஆனால்... ஆம்) 🔐😅

கிளவுட் கம்ப்யூட்டிங்கில் AI சில காரமான கேள்விகளை எழுப்புகிறது:

தரவு அணுகல் கட்டுப்பாடு 🧾

பயிற்சித் தரவை யார் அணுகலாம்? அனுமானப் பதிவுகள்? அறிவுறுத்தல்கள்? வெளியீடுகள்?

குறியாக்கம் மற்றும் ரகசியங்கள் 🗝️

விசைகள், டோக்கன்கள் மற்றும் சான்றுகளை முறையாகக் கையாள வேண்டும். "ஒரு கட்டமைப்பு கோப்பில்" என்பது கையாளுதல் அல்ல.

தனிமைப்படுத்தல் மற்றும் குத்தகை 🧱

சில orgs-களுக்கு டெவலப், ஸ்டேஜிங், தயாரிப்பு ஆகியவற்றிற்கு தனித்தனி சூழல்கள் தேவைப்படுகின்றன. கிளவுட் உதவுகிறது - ஆனால் நீங்கள் அதை சரியாக அமைத்தால் மட்டுமே.

தணிக்கைத்திறன் 📋

ஒழுங்குபடுத்தப்பட்ட அமைப்புகள் பெரும்பாலும் காட்ட வேண்டியவை:

  • என்ன தரவு பயன்படுத்தப்பட்டது?

  • முடிவுகள் எப்படி எடுக்கப்பட்டன?

  • யார் எதைப் பயன்படுத்தினார்கள்?

  • IBM watsonx.governance-ஐ மாற்றியபோது

மாதிரி இடர் மேலாண்மை ⚠️

இதில் அடங்கும்:

  • சார்பு சோதனைகள்

  • எதிர் சோதனை

  • உடனடி ஊசி பாதுகாப்புகள் (உருவாக்கும் AIக்கு)

  • பாதுகாப்பான வெளியீட்டு வடிகட்டுதல்

இவை அனைத்தும் மீண்டும் புள்ளியை நோக்கிச் செல்கின்றன: இது "ஆன்லைனில் ஹோஸ்ட் செய்யப்பட்ட AI" மட்டுமல்ல. இது உண்மையான கட்டுப்பாடுகளின் கீழ் இயக்கப்படும் AI ஆகும்.

செலவு மற்றும் செயல்திறன் குறிப்புகள் (எனவே நீங்கள் பின்னர் அழ வேண்டாம்) 💸😵💫

போரில் சோதிக்கப்பட்ட சில குறிப்புகள்:

  • தேவையைப் பூர்த்தி செய்யும் மிகச்சிறிய மாதிரியைப் பயன்படுத்துங்கள்
    பெரியது எப்போதும் சிறந்தது அல்ல. சில நேரங்களில் அது… பெரியதாக இருக்கும்.

  • முடிந்தால் தொகுதி அனுமானம்
    மலிவான மற்றும் திறமையான SageMaker தொகுதி மாற்றம் .


  • குறிப்பாக மீண்டும் மீண்டும் வினவல்கள் மற்றும் உட்பொதித்தல்களுக்கு ஆக்ரோஷமாக தற்காலிக சேமிப்பு

  • ஆட்டோஸ்கேல், ஆனால் அதை வரம்பிடவும்
    வரம்பற்ற அளவிடுதல் என்பது வரம்பற்ற செலவினங்களைக் குறிக்கும் குபெர்னெட்ஸ்: கிடைமட்ட பாட் ஆட்டோஸ்கேலிங் . எனக்கு எப்படி தெரியும் என்று கேளுங்கள்... உண்மையில், வேண்டாம் 😬

  • ஒரு இறுதிப்புள்ளி மற்றும் ஒரு அம்சத்திற்கான செலவைக் கண்காணிக்கவும்.
    இல்லையெனில் நீங்கள் தவறான விஷயத்தை மேம்படுத்துவீர்கள்.

  • பயிற்சிக்கு ஸ்பாட்-ப்ரீம்ப்டிபிள் கம்ப்யூட்டைப் பயன்படுத்தவும்
    உங்கள் பயிற்சி வேலைகள் குறுக்கீடுகளைக் கையாள முடிந்தால் சிறந்த சேமிப்பு Amazon EC2 ஸ்பாட் நிகழ்வுகள் கூகிள் கிளவுட் ப்ரீம்ப்டிபிள் VMகள் .

மக்கள் செய்யும் தவறுகள் (புத்திசாலித்தனமான அணிகள் கூட) 🤦♂️

  • கிளவுட் AI ஐ "ஒரு மாதிரியை செருகவும்" என்று கருதுதல்

  • கடைசி நிமிடம் வரை தரவு தரத்தை புறக்கணித்தல்

  • SageMaker மாதிரி மானிட்டரைக் கண்காணிக்காமல் ஒரு மாதிரியை அனுப்புதல்

  • கேடன்ஸை மீண்டும் பயிற்சி செய்யத் திட்டமிடவில்லை கூகிள் கிளவுட்: MLOps என்றால் என்ன?

  • வெளியீட்டு வாரம் வரை பாதுகாப்பு குழுக்கள் இருப்பதை மறந்துவிட்டேன் 😬

  • முதல் நாளிலிருந்தே அதிகப்படியான பொறியியல் (சில நேரங்களில் ஒரு எளிய அடிப்படை வெற்றி பெறும்)

மேலும், அமைதியான மிருகத்தனமான ஒன்று: பயனர்கள் தாமதத்தை எவ்வளவு வெறுக்கிறார்கள் என்பதை அணிகள் குறைத்து மதிப்பிடுகின்றன. சற்று குறைவான துல்லியமான ஆனால் வேகமான மாதிரி பெரும்பாலும் வெற்றி பெறுகிறது. மனிதர்கள் பொறுமையற்றவர்கள் சிறிய அற்புதங்கள்.

முக்கிய குறிப்புகள் 🧾✅

கிளவுட் கம்ப்யூட்டிங்கில் AI என்பது கிளவுட் உள்கட்டமைப்பைப் பயன்படுத்தி AI ஐ உருவாக்கி இயக்குவதற்கான முழுமையான நடைமுறையாகும் - அளவிடுதல் பயிற்சி, வரிசைப்படுத்தலை எளிதாக்குதல், தரவு குழாய்களை ஒருங்கிணைத்தல் மற்றும் MLOps, பாதுகாப்பு மற்றும் நிர்வாகம் மூலம் மாதிரிகளை செயல்படுத்துதல். கூகிள் கிளவுட்: MLOps என்றால் என்ன? NIST SP 800-145 .

விரைவான சுருக்கம்:

  • அளவிடவும் அனுப்பவும் AI-க்கு உள்கட்டமைப்பை கிளவுட் வழங்குகிறது 🚀 NIST SP 800-145

  • முடிவுகளை தானியங்குபடுத்தும் "மூளைகளை" மேகப் பணிச்சுமைகளுக்கு AI வழங்குகிறது 🤖

  • மந்திரம் என்பது வெறும் பயிற்சி அல்ல - அது பயன்படுத்தல், கண்காணிப்பு மற்றும் நிர்வாகம் 🧠🔐 SageMaker மாதிரி கண்காணிப்பு

  • மார்க்கெட்டிங் மூடுபனியை அல்ல, குழுவின் தேவைகளின் அடிப்படையில் தளங்களைத் தேர்ந்தெடுக்கவும் 📌

  • செலவுகளையும் செயல்பாடுகளையும் கண்ணாடி அணிந்த பருந்து போலப் பாருங்கள் 🦅👓 (மோசமான உருவகம், ஆனால் உங்களுக்குப் புரியும்)

"கிளவுட் கம்ப்யூட்டிங்கில் AI வெறும் மாதிரி API தான்" என்று நினைத்து நீங்கள் இங்கு வந்திருந்தால், அது ஒரு முழு சுற்றுச்சூழல் அமைப்பு. சில நேரங்களில் நேர்த்தியானது, சில நேரங்களில் கொந்தளிப்பானது, சில நேரங்களில் இரண்டும் ஒரே பிற்பகலில் 😅☁️

அடிக்கடி கேட்கப்படும் கேள்விகள்

"கிளவுட் கம்ப்யூட்டிங்கில் AI" என்பது அன்றாட வாழ்க்கையில் என்ன அர்த்தம்?

கிளவுட் கம்ப்யூட்டிங்கில் AI என்பது, வன்பொருளை சொந்தமாக வைத்திருக்காமல், தரவைச் சேமிக்க, கம்ப்யூட்டை சுழற்ற (CPUகள்/GPUகள்/TPUகள்), மாதிரிகளைப் பயிற்றுவிக்கவும், அவற்றைப் பயன்படுத்தவும், அவற்றைக் கண்காணிக்கவும் கிளவுட் தளங்களைப் பயன்படுத்துவதாகும். நடைமுறையில், உங்கள் முழு AI வாழ்க்கைச் சுழற்சியும் இயங்கும் இடமாக மேகம் மாறுகிறது. உங்களுக்குத் தேவையானதை உங்களுக்குத் தேவைப்படும்போது வாடகைக்கு எடுத்து, முடித்ததும் அளவைக் குறைக்கிறீர்கள்.

மேகக்கணி பாணி உள்கட்டமைப்பு மற்றும் MLOps இல்லாமல் AI திட்டங்கள் ஏன் தோல்வியடைகின்றன

பெரும்பாலான தோல்விகள் மாதிரியைச் சுற்றியே நிகழ்கின்றன, அதற்குள் அல்ல: சீரற்ற தரவு, பொருந்தாத சூழல்கள், உடையக்கூடிய வரிசைப்படுத்தல்கள் மற்றும் கண்காணிப்பு இல்லை. மேகக்கணி கருவி சேமிப்பு, கணக்கிடுதல் மற்றும் வரிசைப்படுத்தல் முறைகளை தரப்படுத்த உதவுகிறது, இதனால் மாதிரிகள் "இது என் மடிக்கணினியில் வேலை செய்தது" என்பதில் சிக்கிக்கொள்ளாது. MLOps காணாமல் போன பசையைச் சேர்க்கிறது: கண்காணிப்பு, பதிவேடுகள், குழாய்வழிகள் மற்றும் ரோல்பேக், இதனால் அமைப்பு மீண்டும் உருவாக்கக்கூடியதாகவும் பராமரிக்கக்கூடியதாகவும் இருக்கும்.

தரவு முதல் உற்பத்தி வரை கிளவுட் கம்ப்யூட்டிங்கில் AI க்கான வழக்கமான பணிப்பாய்வு

ஒரு பொதுவான ஓட்டம்: தரவு மேகக்கணி சேமிப்பகத்தில் இறங்குகிறது, அம்சங்களாக செயலாக்கப்படுகிறது, பின்னர் மாதிரிகள் அளவிடக்கூடிய கணினியில் பயிற்சி பெறுகின்றன. அடுத்து, நீங்கள் ஒரு API எண்ட்பாயிண்ட், பேட்ச் வேலை, சர்வர்லெஸ் அமைப்பு அல்லது குபெர்னெட்ஸ் சேவை வழியாகப் பயன்படுத்துகிறீர்கள். இறுதியாக, நீங்கள் தாமதம், சறுக்கல் மற்றும் செலவைக் கண்காணித்து, பின்னர் மறுபயிற்சி மற்றும் பாதுகாப்பான வரிசைப்படுத்தல்களுடன் மீண்டும் மீண்டும் செயல்படுகிறீர்கள். பெரும்பாலான உண்மையான குழாய்வழிகள் ஒரு முறை அனுப்புவதற்குப் பதிலாக தொடர்ந்து சுழல்கின்றன.

SageMaker, Vertex AI, Azure ML, Databricks மற்றும் Kubernetes ஆகியவற்றுக்கு இடையே தேர்வு செய்தல்

"சிறந்த தளம்" சந்தைப்படுத்தல் சத்தத்தை அல்ல, உங்கள் குழுவின் யதார்த்தத்தின் அடிப்படையில் தேர்வு செய்யவும். நிர்வகிக்கப்பட்ட ML தளங்கள் (SageMaker/Vertex AI/Azure ML) பயிற்சி வேலைகள், இறுதிப் புள்ளிகள், பதிவேடுகள் மற்றும் கண்காணிப்பு மூலம் செயல்பாட்டு தலைவலியைக் குறைக்கின்றன. டேட்டாபிரிக்ஸ் பெரும்பாலும் பைப்லைன்கள் மற்றும் பகுப்பாய்வுகளுக்கு அருகில் ML ஐ விரும்பும் தரவு-பொறியியல்-கனரக குழுக்களுக்கு பொருந்துகிறது. குபெர்னெட்ஸ் அதிகபட்ச கட்டுப்பாடு மற்றும் தனிப்பயனாக்கத்தை வழங்குகிறது, ஆனால் விஷயங்கள் உடைக்கும்போது நம்பகத்தன்மை, அளவிடுதல் கொள்கைகள் மற்றும் பிழைத்திருத்தத்தையும் நீங்கள் சொந்தமாக வைத்திருக்கிறீர்கள்.

இன்றைய AI கிளவுட் அமைப்புகளில் அதிகம் காணப்படும் கட்டிடக்கலை வடிவங்கள்

நீங்கள் தொடர்ந்து நான்கு வடிவங்களைக் காண்பீர்கள்: வேகத்திற்கான நிர்வகிக்கப்பட்ட ML தளங்கள், தரவு-முதல் நிறுவனங்களுக்கான lakehouse + ML, கட்டுப்பாட்டுக்காக Kubernetes இல் கண்டெய்னரைஸ் செய்யப்பட்ட ML, மற்றும் "எங்கள் உள் அறிவைப் பாதுகாப்பாகப் பயன்படுத்துவதற்கான" RAG (மீட்டெடுப்பு-வளர்க்கப்பட்ட தலைமுறை). RAG பொதுவாக கிளவுட் சேமிப்பகத்தில் உள்ள ஆவணங்கள், உட்பொதிப்புகள் + ஒரு வெக்டர் ஸ்டோர், ஒரு மீட்டெடுப்பு அடுக்கு மற்றும் பதிவுசெய்தலுடன் அணுகல் கட்டுப்பாடுகளை உள்ளடக்கியது. நீங்கள் தேர்ந்தெடுக்கும் முறை உங்கள் ஆளுகை மற்றும் ops முதிர்ச்சியுடன் பொருந்த வேண்டும்.

கிளவுட் AI மாதிரிகளை அணிகள் எவ்வாறு பயன்படுத்துகின்றன: REST APIகள், தொகுதி வேலைகள், சர்வர்லெஸ் அல்லது குபெர்னெட்ஸ்

தயாரிப்பு தாமதம் முக்கியமானதாக இருக்கும்போது நிகழ்நேர கணிப்புகளுக்கு REST APIகள் பொதுவானவை. திட்டமிடப்பட்ட மதிப்பெண் மற்றும் செலவுத் திறனுக்கு தொகுதி அனுமானம் சிறந்தது, குறிப்பாக முடிவுகள் உடனடியாக இருக்க வேண்டிய அவசியமில்லை என்றால். சர்வர்லெஸ் எண்ட்பாயிண்ட்கள் கூர்மையான போக்குவரத்திற்கு நன்றாக வேலை செய்யும், ஆனால் குளிர் தொடக்கங்கள் மற்றும் தாமதத்திற்கு கவனம் தேவை. உங்களுக்கு நுண்ணிய அளவிடுதல் மற்றும் பிளாட்ஃபார்ம் கருவியுடன் ஒருங்கிணைப்பு தேவைப்படும்போது குபெர்னெட்ஸ் சிறந்தது, ஆனால் இது செயல்பாட்டு சிக்கலைச் சேர்க்கிறது.

AI அமைப்புகளை ஆரோக்கியமாக வைத்திருக்க உற்பத்தியில் என்ன கண்காணிக்க வேண்டும்

குறைந்தபட்சம், தாமதம், பிழை விகிதங்கள் மற்றும் ஒரு கணிப்புக்கான செலவு ஆகியவற்றைக் கண்காணிக்கவும், இதனால் நம்பகத்தன்மை மற்றும் பட்ஜெட் தெரியும். ML பக்கத்தில், மாதிரியின் கீழ் யதார்த்தம் மாறும்போது அதைப் பிடிக்க தரவு சறுக்கல் மற்றும் செயல்திறன் சறுக்கலைக் கண்காணிக்கவும். குறிப்பாக பயனர்கள் ஆக்கப்பூர்வமாக விரோதமாக இருக்கக்கூடிய பொதுவான பயன்பாட்டு நிகழ்வுகளுக்கு, எட்ஜ் கேஸ்கள் மற்றும் மோசமான வெளியீடுகளைப் பதிவு செய்வதும் முக்கியம். மாதிரிகள் பின்வாங்கும்போது ரோல்பேக் முடிவுகளை நல்ல கண்காணிப்பு ஆதரிக்கிறது.

செயல்திறனைக் குறைக்காமல் கிளவுட் AI செலவுகளைக் குறைத்தல்

தேவையைப் பூர்த்தி செய்யும் மிகச்சிறிய மாதிரியைப் பயன்படுத்துவதும், பின்னர் பேட்சிங் மற்றும் கேச்சிங் மூலம் அனுமானத்தை மேம்படுத்துவதும் ஒரு பொதுவான அணுகுமுறையாகும். ஆட்டோஸ்கேலிங் உதவுகிறது, ஆனால் அதற்கு வரம்புகள் தேவை, எனவே "எலாஸ்டிக்" "வரம்பற்ற செலவினமாக" மாறாது. பயிற்சிக்கு, உங்கள் வேலைகள் குறுக்கீடுகளைத் தாங்கினால், ஸ்பாட்/முன்கூட்டியே கணக்கிடக்கூடியது நிறைய சேமிக்க முடியும். எண்ட்பாயிண்ட் மற்றும் அம்சத்திற்கான செலவைக் கண்காணிப்பது அமைப்பின் தவறான பகுதியை மேம்படுத்துவதைத் தடுக்கிறது.

மேகக்கட்டத்தில் AI உடனான மிகப்பெரிய பாதுகாப்பு மற்றும் இணக்க அபாயங்கள்

கட்டுப்பாடற்ற தரவு அணுகல், பலவீனமான ரகசிய மேலாண்மை மற்றும் யார் எதைப் பயிற்றுவித்து பயன்படுத்தினார்கள் என்பதற்கான தணிக்கைத் தடங்கள் இல்லாதது ஆகியவை பெரிய ஆபத்துகளாகும். ஜெனரேட்டிவ் AI, உடனடி ஊசி, பாதுகாப்பற்ற வெளியீடுகள் மற்றும் பதிவுகளில் தோன்றும் முக்கியமான தரவு போன்ற கூடுதல் தலைவலிகளைச் சேர்க்கிறது. பல குழாய்வழிகளுக்கு சுற்றுச்சூழல் தனிமைப்படுத்தல் (dev/staging/prod) மற்றும் தூண்டுதல்கள், வெளியீடுகள் மற்றும் அனுமான பதிவுக்கான தெளிவான கொள்கைகள் தேவை. பாதுகாப்பான அமைப்புகள் நிர்வாகத்தை ஒரு தொடக்க-வார இணைப்பு அல்ல, ஒரு முக்கிய அமைப்புத் தேவையாகக் கருதுகின்றன.

குறிப்புகள்

  1. தேசிய தரநிலைகள் மற்றும் தொழில்நுட்ப நிறுவனம் (NIST) - SP 800-145 (இறுதி) - csrc.nist.gov

  2. கூகிள் கிளவுட் - AI-க்கான GPUகள் - cloud.google.com

  3. கூகிள் கிளவுட் - கிளவுட் TPU ஆவணங்கள் - docs.cloud.google.com

  4. அமேசான் வலை சேவைகள் (AWS) - அமேசான் S3 (பொருள் சேமிப்பு) - aws.amazon.com

  5. அமேசான் வலை சேவைகள் (AWS) - தரவு ஏரி என்றால் என்ன? - aws.amazon.com

  6. அமேசான் வலை சேவைகள் (AWS) - தரவுக் கிடங்கு என்றால் என்ன? - aws.amazon.com

  7. அமேசான் வலை சேவைகள் (AWS) - AWS AI சேவைகள் - aws.amazon.com

  8. கூகிள் கிளவுட் - கூகிள் கிளவுட் AI APIகள் - cloud.google.com

  9. கூகிள் கிளவுட் - MLOps என்றால் என்ன? - cloud.google.com

  10. கூகிள் கிளவுட் - வெர்டெக்ஸ் AI மாதிரி பதிவகம் (அறிமுகம்) - docs.cloud.google.com

  11. Red Hat - REST API என்றால் என்ன? - redhat.com

  12. அமேசான் வலை சேவைகள் (AWS) ஆவணம் - சேஜ்மேக்கர் தொகுதி மாற்றம் - docs.aws.amazon.com

  13. அமேசான் வலை சேவைகள் (AWS) - தரவுக் கிடங்கு vs தரவு ஏரி vs தரவு மார்ட் - aws.amazon.com

  14. மைக்ரோசாப்ட் லேர்ன் - அஸூர் எம்எல் பதிவேடுகள் (எம்எல்ஓப்ஸ்) - learn.microsoft.com

  15. கூகிள் கிளவுட் - கூகிள் கிளவுட் சேமிப்பக கண்ணோட்டம் - docs.cloud.google.com

  16. arXiv - மீட்டெடுப்பு-வளர்ச்சியடைந்த தலைமுறை (RAG) தாள் - arxiv.org

  17. அமேசான் வலை சேவைகள் (AWS) ஆவணம் - சேஜ்மேக்கர் சர்வர்லெஸ் இன்ஃபரன்ஸ் - docs.aws.amazon.com

  18. குபெர்னெட்ஸ் - கிடைமட்ட பாட் ஆட்டோஸ்கேலிங் - kubernetes.io

  19. கூகிள் கிளவுட் - வெர்டெக்ஸ் AI தொகுதி கணிப்புகள் - docs.cloud.google.com

  20. அமேசான் வலை சேவைகள் (AWS) ஆவணம் - சேஜ்மேக்கர் மாதிரி மானிட்டர் - docs.aws.amazon.com

  21. கூகிள் கிளவுட் - வெர்டெக்ஸ் AI மாதிரி கண்காணிப்பு (மாதிரி கண்காணிப்பைப் பயன்படுத்துதல்) - docs.cloud.google.com

  22. அமேசான் வலை சேவைகள் (AWS) - அமேசான் EC2 ஸ்பாட் நிகழ்வுகள் - aws.amazon.com

  23. கூகிள் கிளவுட் - முன்கூட்டியே பயன்படுத்தக்கூடிய VMகள் - docs.cloud.google.com

  24. அமேசான் வலை சேவைகள் (AWS) ஆவணம் - AWS சேஜ்மேக்கர்: இது எவ்வாறு செயல்படுகிறது (பயிற்சி) - docs.aws.amazon.com

  25. கூகிள் கிளவுட் - கூகிள் வெர்டெக்ஸ் AI - cloud.google.com

  26. மைக்ரோசாப்ட் அஸூர் - அஸூர் இயந்திர கற்றல் - azure.microsoft.com

  27. டேட்டாபிரிக்ஸ் - டேட்டாபிரிக்ஸ் லேக்ஹவுஸ் - databricks.com

  28. ஸ்னோஃப்ளேக் ஆவணப்படுத்தல் - ஸ்னோஃப்ளேக் AI அம்சங்கள் (கண்ணோட்ட வழிகாட்டி) - docs.snowflake.com

  29. ஐபிஎம் - ஐபிஎம் வாட்சன்எக்ஸ் - ஐபிஎம்.காம்

  30. கூகிள் கிளவுட் - கிளவுட் நேச்சுரல் லாங்குவேஜ் API ஆவணங்கள் - docs.cloud.google.com

  31. ஸ்னோஃப்ளேக் ஆவணம் - ஸ்னோஃப்ளேக் கோர்டெக்ஸ் AI செயல்பாடுகள் (AI SQL) - docs.snowflake.com

  32. MLflow - MLflow கண்காணிப்பு - mlflow.org

  33. MLflow - MLflow மாதிரி பதிவேடு - mlflow.org

  34. கூகிள் கிளவுட் - MLOps: இயந்திர கற்றலில் தொடர்ச்சியான விநியோகம் மற்றும் ஆட்டோமேஷன் பைப்லைன்கள் - cloud.google.com

  35. அமேசான் வலை சேவைகள் (AWS) - சேஜ்மேக்கர் அம்சக் கடை - aws.amazon.com

  36. ஐபிஎம் - ஐபிஎம் வாட்சன்எக்ஸ்.கவர்னன்ஸ் - ஐபிஎம்.காம்

அதிகாரப்பூர்வ AI உதவியாளர் கடையில் சமீபத்திய AI ஐக் கண்டறியவும்

எங்களை பற்றி

வலைப்பதிவிற்குத் திரும்பு