资源网络研讨会 使用Apache Ignite进行大规模连续机器和深度学习 对于大多数机器学习(ML)和深度学习(DL)框架,移动数据和训练模型可能需要数小时。对于越来越频繁地大于任何单个服务器容量的数据集,也很难进行扩展。数据的大小也会使几乎实时地增量测试和重新培训模型以改进业务结果变得困难。 在这次网络研讨会中,您将了解阿帕奇是如何点燃的®内存计算平台通过分布式模型训练和执行来解决这些机器学习限制,从而提供实时、连续的学习能力。主题包括: 分布式ML/DL概述,包括设计、实现、使用模式、优缺点 Apache Ignite ML/DL概述,包括预构建的ML/DL,以及如何添加自己的ML/DI算法 如何将Apache Ignite与Apache Spark集成以提高Apache Spark数据管道吞吐量 Apache Ignite和TensorFlow如何一起用于构建分布式DL模型培训和执行 在本次网络研讨会结束时,您将了解分布式ML/DL如何与Apache Ignite一起工作,以及如何开始。您还将了解如何使用Ignite创建持续的机器学习环境来驱动实时业务流程。 扬声器 肯·科特雷尔GridGain Systems的解决方案架构师我在分布式计算工具和平台方面工作了25年,担任售前和售后技术职务。我曾在面向对象的数据建模、数据驱动的业务流程集成以及高级分析工具和平台等领域为客户提供技术咨询和咨询服务。 最近几年,我一直在建议架构师和开发人员使用大数据工程和机器学习工具和过程。我在Gridgain担任分布式机器学习数据工程方面的主题专家。