적절한 규모의 AI 및 분석: 실제 프로덕션 시스템에서 얻은 교훈

  • Business Report
  • PDF 14775 KB

개요

대규모 AI 및 분석 시스템을 프로덕션에 적용하는 과정은 많은 경우와 달리 까다롭지 않을 수 있습니다. 적절한 통합 데이터 인프라와 포괄적인 데이터 전략으로 성능이나 안정성의 저하 없이 확장 가능합니다.

이 책은 10개가 넘는 실제 사용 사례와 다양한 산업의 온프레미스, 엣지 또는 클라우드에서 규모 효율적인 시스템을 구축하는 방법에 관한 실질적인 조언을 담고 있습니다.

레거시 애플리케이션과 모두 동일한 데이터 인프라를 공유하는 컨테이너화된 최신 Kubernetes 워크로드와 결합하는 방법을 알아보십시오.

업계 전문가 Ted Dunning과 Ellen Friedman이 저술한 eBook에서 AI와 분석을 동일한 시스템에서 실행해야 하는 이유와 IT 리소스 ...

대규모 AI 및 분석 시스템을 프로덕션에 적용하는 과정은 많은 경우와 달리 까다롭지 않을 수 있습니다. 적절한 통합 데이터 인프라와 포괄적인 데이터 전략으로 성능이나 안정성의 저하 없이 확장 가능합니다.

이 책은 10개가 넘는 실제 사용 사례와 다양한 산업의 온프레미스, 엣지 또는 클라우드에서 규모 효율적인 시스템을 구축하는 방법에 관한 실질적인 조언을 담고 있습니다.

레거시 애플리케이션과 모두 동일한 데이터 인프라를 공유하는 컨테이너화된 최신 Kubernetes 워크로드와 결합하는 방법을 알아보십시오.

업계 전문가 Ted Dunning과 Ellen Friedman이 저술한 eBook에서 AI와 분석을 동일한 시스템에서 실행해야 하는 이유와 IT 리소스 확장 없이 확장성을 확보하는 방법을 설명합니다.

HPE를 통해 무료로 다운로드할 수 있습니다.

확장하거나 필요에 따라 새로운 애플리케이션이나 기술로 전환할 수 있는 유연성을 유지하면서 적절한 규모로 AI와 분석을 처리하는 방법에 관한 권장 사항을 설명하는 O'Reilly 보고서입니다.