Version 2.4 bringt Neuerungen

Machine und Deep Learning für GridGain Professional

| Autor / Redakteur: Martin Hensel / Nico Litzel

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

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.

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.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45269356 / Infrastruktur)