Suchen

Version 2.4 bringt Neuerungen Machine und Deep Learning für GridGain Professional

| Autor / Redakteur: Martin Hensel / Nico Litzel

Mit der neuen Version 2.4 halten maschinelles Lernen und Deep Learning Einzug in das Continuous Learning Framework der GridGain Professional Edition. Zudem wurde die Apache-Spark-Integration verbessert.

Firma zum Thema

GridGain Professional Edition ist nun in Version 2.4 verfügbar.
GridGain Professional Edition ist nun in Version 2.4 verfügbar.
(Bild: GridGain)

GridGain, Spezialist für In-Memory-Computing-Lösungen auf Basis von Apache Ignite, hat den Launch der GridGain Professional Edition 2.4 bekanntgegeben. Sie enthält ein Continuous Learning Framework, das maschinelles Lernen und ein mehrschichtiges neuronales Perzeptron-Netzwerk („Multilayer Percepton/MLP“) bietet. Maschinelle und Deep-Learning-Alogrithmen lassen sich darüber in Echtzeit mit Betriebsdaten verbinden. Dies ermöglicht Rechenmodelle mit In-Memory-Geschwindigkeiten und hoher horizontaler Skalierbarkeit sowie kontinuierlicher Aktualisierung. In der neuen Version 2.4 wurde zudem die Performance von Apache Spark verbessert. Dazu führt GridGain eine API für Spark DataFrames ein, die den bestehenden Support für Spark-RDDs erweitert.

Weniger Komplexität und Kosten

Da die Daten direkt im GridGain-Cluster verarbeitet werden, entsteht ein kontinuierlicher Workflow. Transaktionsdaten müssen nicht vor dem Aufstellen und Trainieren eines Modells in eine separate Datenbank verschoben werden. Dies sorgt für Modellverbesserungen in Echtzeit oder sogar kontinuierliches Training bei reduzierter Komplexität und geringeren Kosten gegenüber herkömmlichen Ansätzen. Das genutzte In-Process-HTAP-Verfahren („Hybrid Transactional/Analytical Processing“) ermöglicht zudem bessere Entscheidungsfindung für Geschäftsanwendungen, wie etwa Betrugsprävention, E-Commerce-Empfehlungen, Kreditgenehmigungen, Logistik oder Wartung.

Kontinuierliches Training

„Unternehmen, die intelligentere Entscheidungsfindungen automatisieren wollen, müssen beide Aspekte des digitalen Gehirns – maschinelles Lernen und Entscheidungsautomatisierung – kontinuierlich zusammenarbeiten lassen", erklärt Abe Kleinfeld, President und CEO von GridGain Systems. „Mit dieser neuesten Version ermöglicht GridGain ein kontinuierliches Training von maschinellen Lernmodellen mit massiven Datensätzen bei In-Memory Geschwindigkeiten und Skalierbarkeit in Echtzeit – und somit mit geringerer Komplexität und niedrigeren Kosten. Dies ist der erste Schritt, um prozessinterne HTAP-Anwendungen zu ermöglichen, die kontinuierlich lernende Anwendungen unterstützen. So können Unternehmen die digitale Transformation und Omnichannel-Kundenerfahrungsinitiativen vorantreiben“, ergänzt er.

(ID:45269356)