Pourquoi les capacités de ML de GCP sont bien en avance sur AWS et Azure

Amazon Web Services (AWS), Google Cloud Platform (GCP) et Microsoft Azure sont de loin les principaux fournisseurs de cloud. Bien que tardif, GCP a connu une croissance robuste au fil des ans. Les revenus de Google Cloud ont bondi de près de 46% en glissement annuel pour atteindre 4,04 milliards de dollars au premier trimestre 2021.

« Tous les fournisseurs offrent des services et des fonctionnalités de ML solides, mais c’est là que GCP se distingue par ses années d’expertise en matière de moteurs de recherche et de recherche qui entrent en jeu », a déclaré Diwakar Chittora, fondateur et PDG d’IntelliPaat.

Unité de traitement Tensor (TPU)

Les TPU sont des circuits intégrés spécifiques aux applications (ASIC) développés par Google pour accélérer les charges de travail de ML. Un grand avantage pour GCP est le fort engagement de Google envers l’IA et le ML. « Les modèles qui prenaient des semaines pour s’entraîner sur GPU ou tout autre matériel peuvent sortir en quelques heures avec TPU. AWS et Azure ont des services d’intelligence artificielle, mais à ce jour, AWS et Azure n’ont rien qui puisse égaler les performances du Google TPU « , a déclaré Jeevan Pandey, directeur technique de TelioLabs.

Avantages du TPU :

  • Peut être utilisé par Google Cloud Machine Learning Engine pour exécuter des modèles ML complexes
  • Augmentation des performances du calcul d’algèbre linéaire
  • Temps de précision réduit lors de la formation de modèles de réseaux neuronaux complexes
  • Évolutif sur différentes machines

Sommet IA

Vertex AI rassemble les services Google Cloud pour la création de ML sous une interface utilisateur et une API unifiées. Il dispose d’API pré-entraînées pour la vision, la vidéo, le langage naturel, etc. Vertex AI s’intègre aux frameworks open-source largement utilisés tels que TensorFlow, PyTorch et scikit-learn, ainsi que la prise en charge de tous les frameworks ML via des conteneurs personnalisés pour la formation et la prédiction.

Avantages de Vertex AI :

  • Entraînez et comparez facilement des modèles à l’aide d’AutoML
  • Déplacement plus rapide des modèles de l’expérimentation à la production
  • Accès à la boîte à outils d’IA utilisée en interne pour alimenter Google, y compris la vision par ordinateur, la langue et les données de conversation
  • Flux de travail ML de bout en bout plus fluide qui élimine la complexité de la maintenance et de la répétabilité des modèles en libre-service avec les outils MLOps

Open source

Les contributions open source de Google Cloud, en particulier dans des outils tels que Kubernetes, une plate-forme open source portable, extensible pour la gestion des charges de travail et des services conteneurisés, facilitant la configuration déclarative et l’automatisation, ont fonctionné à leur avantage.

« Kubernetes aide dans le flux de travail de l’IA et du ML car il prend en charge et exploite la vitesse des GPU cloud actuels », a déclaré Chittora.

Avantages de Kubernetes :

  • Fonctionne sur n’importe quel environnement d’exécution de conteneur ou toute infrastructure, y compris le cloud public, le cloud privé et le serveur sur site
  • Peut héberger des charges de travail sur un seul cloud ou sur plusieurs clouds
  • Projet 100% open-source offrant plus de flexibilité

Discuter et traduire les API

Les API de parole et de traduction de Google Cloud sont beaucoup plus utilisées que leurs homologues. Selon le Magic Quadrant 2021 de Gartner, Google Cloud a été nommé leader des services Cloud AI. Les modèles de ML pré-entraînés peuvent être utilisés instantanément pour classer les objets d’une image dans des millions de catégories prédéfinies. De plus, l’un des meilleurs services ML de Google Cloud est Vision AI, optimisé par AutoML.

Avantages de la parole et des API de traduction :

Voir également

  • Peut traduire de nombreuses langues
  • Peut détecter la langue du texte source
  • L’API Speech reconnaît plus de 80 langues
  • Prix ​​abordable
  • Les produits sont hautement évolutifs, faciles à utiliser et précis

AutoML

AutoML permet aux développeurs disposant d’une expertise limitée en apprentissage automatique de créer des modèles de ML personnalisés en quelques minutes. Il s’agit d’une plate-forme ML basée sur le cloud et utilise une approche sans code avec un ensemble de modèles prédéfinis via un ensemble d’API. Il est étroitement intégré à tous les services de Google et stocke les données dans le cloud. Les modèles formés peuvent être déployés via l’interface API REST.

« Les analystes de données peuvent combiner un modèle personnalisé et des modèles pré-entraînés dans un seul produit, et cette fonctionnalité maintient GCP au-dessus de ses concurrents », a déclaré Saket Saurabh, responsable du cloud et de l’analyse chez STEMROBO.

Avantages d’AutoML :

  • Une façon sans code de créer des modèles
  • Les clients peuvent former leurs propres réseaux de neurones
  • Peut appliquer des données et intégrer des prédictions chaque fois que vous en avez besoin
  • Non limitatif comme un seul type de modèle ML proposé par d’autres

Autres bénéfices

Abishek Chiffon, Data Scientist chez Ideas2IT, a décrit les services de ML et d’IA qui placent GCP avant AWS et Azure :

  • Propose AI Hub, un référentiel de modèles dans un format pouvant être déployé dans Kubeflow, des VM Deep Learning dans GPU ou TPU
  • L’outil AI Platform Classic permet de créer des tâches de formation ML avec TensorFlow, Keras, PyTorch, Scikit-learn et XGBoost et permet la formation à grande échelle avec des conteneurs utilisateur et des frameworks personnalisés.
  • Google a TensorFlow pour créer et lancer des modèles d’apprentissage profond autonomes
  • Ses notebooks AI Platform sont des instances de VM pré-intégrées aux instances TensorFlow et PyTorch, aux packages Deep Learning et au notebook Jupyter
  • Les images de VM Deep Learning sont préinstallées avec tous les logiciels, les frameworks d’apprentissage en profondeur et ML sur une instance Google Compute Engine.

« AWS et Azure ont différents outils pour différents services, et l’algorithme de formation de GCP a également évolué au fil du temps grâce à ses plates-formes de recherche et d’intelligence artificielle utilisées dans le monde entier. GCP s’avère être un choix populaire pour les data scientists expérimentés et nouveaux et est prêt à prendre le dessus sur AWS et Azure bientôt « , a déclaré Saurabh de STEMROBO.
Faites partie d’une communauté en ligne engageante. Rejoignez-nous ici.

Recevez les dernières mises à jour et les offres pertinentes en partageant votre e-mail.

Shanthi S

Elle se spécialise dans la rédaction de profils d’entreprises, d’entretiens et de tendances. À travers ses articles pour le magazine Analytics India, elle vise à humaniser la technologie en Inde. Elle est aussi maman et son passe-temps préféré est de jouer à un jeu de monopole ou de regarder Gilmore Girls avec sa fille.