Tytuł
A Cloud-Based Framework for Machine Learning Workloads and Applications
Autorzy
[ 1 ] Poznańskie Centrum Superkomputerowo-Sieciowe, Polska Akademia Nauk | [ P ] pracownik
Dyscyplina naukowa (Ustawa 2.0)
Rok publikacji
2020
Opublikowano w
Typ artykułu
artykuł naukowy
Język publikacji
angielski
Słowa kluczowe
Streszczenie
EN In this paper we propose a distributed architecture to provide machine learning practitioners with a set of tools and cloud services that cover the whole machine learning development cycle: ranging from the models creation, training, validation and testing to the models serving as a service, sharing and publication. In such respect, the DEEP-Hybrid-DataCloud framework allows transparent access to existing e-Infrastructures, effectively exploiting distributed resources for the most compute-intensive tasks coming from the machine learning development cycle. Moreover, it provides scientists with a set of Cloud-oriented services to make their models publicly available, by adopting a serverless architecture and a DevOps approach, allowing an easy share, publish and deploy of the developed models
Strony (od-do)
18681 - 18692
Typ licencji
CC BY (uznanie autorstwa)
Data udostępnienia
06.01.2020
Czas udostępnienia publikacji w sposób otwarty
w momencie opublikowania
Punktacja Ministerstwa / czasopismo
100
Punktacja Ministerstwa / czasopismo w ewaluacji 2017-2021
100
Ten serwis działa dzięki oprogramowaniu SINUS
opracowanemu przez Poznańskie Centrum Superkomputerowo-Sieciowe
Zaloguj się, aby dodać do SIN: