Framework für kontinuierliches Lernen mit In-Memory-Machine Learning und Deep Learning 

Das Framework für kontinuierliches Lernen von GridGain® enthält mit Apache® Ignite™ integriertes Machine Learning und ein mehrschichtiges Perzeptron für Deep-Learning-Funktionen. Im Rahmen der In-Memory-Computing-Plattform von GridGain ermöglichen diese Funktionen kontinuierliches Lernen auf der Basis des operativen Datenbestandes im Arbeitsspeicher („In-Memory-Datenbank“)  durch Machine Learning und Deep Learning direkt in GridGain. Diese Archive für Machine Learning und Deep Learning wurden für massiv parallele Verarbeitung (MPP) gegen die Daten im GridGain-Cluster optimiert. Mit MPP kann Machine Learning in großem Umfang erheblich beschleunigt werden, damit Modelle schneller trainiert werden können.

Ein Workflow für kontinuierliches Lernen lässt sich einrichten, indem Daten direkt im GridGain-Cluster verarbeitet werden. So lassen sich Modelle trainieren, ohne dass Transaktionsdaten vor dem Modelltraining in eine separate Datenbank verschoben werden müssen. GridGain bietet Echtzeit-Modelltraining oder sogar kontinuierliches Modelltraining mit geringerer Komplexität und erheblich niedrigeren Kosten an als traditionelle Verfahren, die einen ETL-Prozess benötigen, um Daten für das Training in eine analytische Datenbank zu laden.

Framework für kontinuierliches Lernen für prozessinterne HTAP

Das Framework für kontinuierliches Lernen von GridGain lässt sich als Baustein für prozessinterne HTAP-Anwendungen (hybride transaktionale/analytische Verarbeitung) verwenden, die ein Datenmodell mittels eingehender Daten fortlaufend trainieren. Mit prozessinterner HTAP können Anwendungen der nächsten Generation auf Echtzeit-Modelltraining reagieren und davon profitieren und dadurch zu einer besseren Entscheidungsfindung in Echtzeit führen. Dies ermöglicht eine ganze Reihe neuer Unternehmensanwendungen, die sich auf Echtzeitmodell-Updates stützen, wie Betrugsprävention, Empfehlungs-Engines für E-Commerce, Bonitätsprüfungen, Logistik und Wartungsentscheidungen für Transportsysteme.

Das Framework für kontinuierliches Lernen von GridGain ist in der GridGain Community Edition 2.7 und höher sowie in den GridGain Enterprise und Ultimate Editionen 8.4 und höher enthalten.