Scalability Meetup #13

В Scalability Camp облачно! В этот раз поговорим о том, как собрать пайплайн для машинного обучения в облаке, и как построить свое маленькое облако на GPU.

Если вам не хватает хардкора на IT-конференциях, приходите к нам! Всем привет! https://t.me/scalability_camp

Мероприятие пройдет на площадке Ingram Micro Cloud https://www.ingrammicrocloud.com/ru/ru/

===================================================================

1. Обзор средств хранения данных и машинного обучения Google Cloud Platform
   Жирайр Казаросян, solution architect @ Opsguru.ru

Компании внедряют машинное обучение и нанимают исследователей данных (data scientists) в надежде повысить конкурентоспособность своего бизнеса.
Однако по сравнению с классическими инструментами, такими например, как управление бизнес-правилами, для большинства типовых задач, эффект выливается лишь в приросте на несколь процентов. Тем не менее, на больших объемах применение новых инструментов дает ощутимый результат, несмотря на то, что их внедрение влечет большие инвестиции хотя бы в квалифицированных специалистов.

В докладе рассматривается инфраструктура Google Cloud Platform, предназначенная для обработки данных и решения типовых задач машинного обучения с помощью инструмента Google AutoML, позволяющего исследователям данных экономить массу времени, перераспределяя его на решение наукоемких задач.

===================================================================
2. Cloud ML and GPU clouds
секретный гость @ Nvidia

Задумываетесь, куда развиваются инструменты и платформы машинного обучения? Какой фреймворк для ML победит? Как лучше строить нейросети, хранить модели, на чем делать inference?

В последнее время появились облачные решения для ML, но покрывают ли они потребности пользователей? В каком случае проще будет построить свою инфраструктуру на виртуалках c GPU, и как для этого придется менять приложения? А если вам кажется что виртуалки — это прошлый век, то давайте вспомним про Nvidia grid!

На все эти вопросы мы постараемся ответить в нашем докладе.