2018年12月5日，Cloudera公司，為云計算優化的機器學習和分析的現代平臺，宣布推出由Kubernetes支撐的新一代云原生機器學習平臺的預覽。即將推出的Cloudera Machine Learning是Cloudera為企業提供的自助數據科學產品的新成員。它提供快速配置和自動擴展以及異構計算上的容器化分布式處理。Cloudera Machine Learning還通過跨內部部署、公共云和混合環境的統一體驗，確保安全的數據訪問。

與僅涉及機器學習部分工作流程或僅適用于公共云的其它數據科學工具不同，Cloudera Machine Learning將數據工程和數據科學結合在任何地方的任何數據上。此外，它還打破了數據孤島，簡化和加速了端到端機器學習工作流程。

容器和Kubernetes的生態系統通過一致的體驗實現云在各種環境中的靈活性，為混合和多云部署中的IT提供可擴展的服務交付。 與此同時，企業也在尋求如何操作化和擴展端到端機器學習工作流程。Cloudera Machine Learning使企業能夠加快從研究到生產的機器學習，使用戶能夠輕松配置環境并擴展資源，從而減少基礎架構上花費的時間，將更多時間用于創新。

“基于全面的數據分析和處理，在Akamai我們建立了成熟的網絡安全系統，我們認識到速度和規模對于運行互聯網規模的異常檢測至關重要，”Akamai網絡安全DevOps經理Oren Marmor說。 “Docker和Kubernetes為Apache Spark帶來的敏捷性對于我們來說是一個重要的構建模塊，無論是數據科學還是數據工程。我們很高興看到即將推出的Cloudera Machine Learning平臺的預覽。該平臺簡化操作系統和庫依賴管理的能力是一項很有前景的發展。”

功能包括

• 通過Kubernetes提供的跨私有云，公共云和混合云的無縫移植性
• 快速云配置和自動擴展
• 通過容器化的Python，R和Spark-on-Kubernetes提供的無縫依賴管理橫向擴展數據工程和機器學習
• 通過分布式GPU調度和訓練達到高速率深度學習
• 跨HDFS，云對象存儲和外部數據庫的安全數據訪問

借助Cloudera Machine Learning以及Cloudera Fast Forward Labs的研究和專家指導，Cloudera提供了一種綜合方法來加速客戶的AI工業化。

為了幫助客戶能夠在任何地方利用AI，Cloudera的應用研究團隊最近介紹了Federated Learning（聯合學習），用于將機器學習模型從云部署到網絡邊緣，同時確保了數據隱私并減少網絡通信開銷。該報告提供了該方法的詳細技術說明，以及針對手機、醫療保健和制造業用例的實際工程建議，包括物聯網驅動的預測性維護。

“聯合學習為高度監管和競爭激烈的行業中機器學習的企業應用掃除了障礙。我們很高興能夠幫助我們的客戶利用聯合學習邁向AI工業化重要一步。”

—— 研究工程師Mike Lee Williams

//本文轉自至Cloudera博客