AI应用程序
机器学习

AI应用程序如何触发传统大型机数据中的文艺复兴

每个人都熟悉AI和机器学习的承诺。与人类一样,这些智能系统应该通过正式手段进行培训,并且还能够通过从呈现给它们的数据的含义来学习。当然,这就是理论。在实践中,结果基于可用数据的质量在很大程度上变化。在太多情况下,数据集包括有限的历史信息。因此,您可能能够告诉风现在正在吹风,但您可能无法辨别出普遍风的方向。

换一种说法, 您的结果只与您的数据一样好.

历史数据和大型机–

真正的时间得到了很多关注,并且当然是大型机的一个重要方面,但大型机最具鲜美和有价值的方面之一实际上是它累积的长期历史数据。这种深刻的历史观点非常宝贵。然而,在繁忙的大铁环境中可能难以使这些数据中的大部分数据,在那里分析可能是昂贵的并且是复杂的。

是的,当然,AI可以在大型机上完成,但只是因为有可能不会使它成为最佳选择。从技术角度来看,还有其他平台可以更好地完成工作,更便宜,更快。这些平台在云中。

机器学习模型基于多年来数据累积的模式。这就是为什么在融合所有可用数据时都有如此多的潜在价值,而不仅仅是最近的。当您解锁云中的大型机历史数据时,您可以通过结合历史模式来揭示洞察力甚至改善机器学习模式。

通过开发这种新功能,您可以将所有大型机数据带到更优于转换,分析和洞察力的云环境。现在,事实上,您可以通过以前从未真正做的方式运行机器学习模型。

利用规模经济

规模经济基本上是云计算的代码词 - 就像大铁是大型机的代码一样。重点是什么?过去15年来云的集体IT体验是,当云中的新框架中,云中的分布式架构等单片架构移动工作负载是非常宝贵的,如艾美和机器学习的新范式至关重要的。事实上,云量表无法真正与任何内部部署选项进行比较。

这是因为云使您能够以任何刻度和任何持续时间旋转容量 - 这对于许多AI和ML任务非常完善,尤其是那些涉及极大的数据集的任务。但是,无论是一项大的任务还是更多的例程,云的基本付费,扩大或缩减灵活性意味着您现在都有一个更改的游戏而实惠的选择。

这远非是关于是否完全致力于大型机或完全致力于云的偏振讨论。相反,它是关于为工作的最佳工具引导的讨论。

如果主机适用于记录和激烈的交易处理系统,请继续。但现在可以这样做,同时将大部分存储和数据管理工作负载卸载到云端。保持业务逻辑,保持处理事务逻辑,保持数据的吞吐量,但随后将大铁的纯铁与云中的大数据相结合’硕的规模经济。然后你得到一个双赢的最佳世界。

云,大型机和混合杂交

势在必行是将云越接近混合模型中的主机,因此两个生态系统都相互补充,并继续做出最好的事情。

虽然每个人’浅谈混合模型,您如何实际创建一个混合模型,使您能够优化您在大型机中的业务逻辑的工作负载?您如何解锁您可以插入云的历史数据的访问,以便您可以利用规模经济,以有效地进行成本,因此您可以获得适合您的混合模型的那种甜蜜点?

虽然我们建立了两个域,云和大型机,是互补的,但它们也是许多企业来实现其业务目标所必需的。将数据处理和相关的工作负载卸载到云中的数据管理构建桥梁,以便两者之间的分离不是问题。

换句话说,你不’T必须在大型机和云之间进行选择。它’不是任何或选择。这是杂交的本质。

遗产数据集的重新兴趣超越了筒仓

与任何商业挑战一样,技术只是解决方案的一侧。由于大型机数据集已被锁定为专有的格式并存储在缓慢的存储平台上(例如物理磁带和虚拟化磁带库),因此将其添加到数据分析管道中,这些管道往往被企业官僚机构复杂化。一旦删除了技术障碍,挑战仍然是在解放大型机数据集的必要条件并使这一惊人的资源充分利用的必要条件下仍然存在集会。但这是一项挑战,结果很快就会解决。 Blaze致杂交云的道路 - 用有效的AI和ML分析 - 组织将遵循!

 吉尔佩莱格

发表评论

您的电子邮件地址不会被公开。 必需的地方已做标记 *