buy ticket

buy ticket

Machine Learning in der Cloud – Vergleich der wichtigsten Anbieter

Obwohl kein neues Konzept – die Geschichte der neuronalen Netzwerke reicht bis in die 1940er Jahre – gehört Machine Learning (ML), Deep Learning und Artificial Intelligence (AI) zu den ganz grossen Industrie-Trends der letzten Jahre. Diese zunehmende Dynamik hängt zweifelsohne eng mit dem Aufkommen von Public Cloud-Anbieter wie Amazon Web Services (AWS), Google Cloud und Microsoft Azure zusammen. War Machine Learning früher für viele Unternehmensbudgets unerreichbar, ist diese Technologie nun dank Cloud-Computing auch für KMUs erschwinglich geworden.

Doch welche Vorteile bringt eine Public Cloud tatsächlich für Machine Learning? Und wie unterscheiden sich die verschiedenen Anbieter in diesem Bereich voneinander? Diesen Fragen versucht dieser Blog-Artikel nachzugehen.

 

Vorteile des Machine Learnings in der Cloud

Beim Machine Learning geht es letztlich immer darum, auf Basis vorhandener Datenbestände mit Hilfe von Algorithmen und statistischen Modellen Muster und Gesetzmässigkeiten zu erkennen. Diese aus den Daten gewonnenen Erkenntnisse lassen sich verallgemeinern und für neue Problemlösungen oder für die Analyse von bisher unbekannten Daten verwenden.

Wichtigste Voraussetzung für lernende Systeme und entsprechende Algorithmen sind ausreichende Rechenkapazitäten und der Zugriff auf möglichst viele Daten, d.h. Machine Learning benötigt

  • möglichst viel Rechenkapazität, um aus
  • möglichst vielen Daten in
  • möglichst kurzer Zeit
  • möglichst viele valide und verallgemeinbare Muster und Gesetzmässigkeiten ableiten zu können.

Rechenkapazität kann jedoch schnell sehr teuer werden. Viele Machine Learning-Projekte scheiterten denn auch häufig am Umstand, dass viel Geld in eine leistungsfähige Server-Infrastruktur investiert werden muss, die letztlich dann doch nur sporadisch wirklich voll genutzt werden kann. Und genau hier schaffen die Public Cloud-Services Abhilfe!

Beim Cloud-Computing stellt der Service-Provider verschiedene Ressourcen wie Anwendungen (Software-as-a-Service, SaaS), Computing-Plattformen (Platform-as-a-Service, Paas) oder eine komplette IT-Infrastruktur wie Storage oder Server (Infrastructure-as-a-Service, IaaS) über das Internet der Allgemeinheit zur Verfügung.

Unternehmen können somit diese IT-Ressourcen zur Miete direkt über das Internet (also ohne lokale Installation) beziehen, wobei nur das bezahlt wird, was tatsächlich genutzt wurde. Die Server, auf denen die Daten der Kunden gespeichert sind, betreibt der Cloud-Anbieter.

 

Die grössten Vorteile bei der Nutzung von Public Clouds sind dabei:

  • Einfaches und kostengünstiges Setup, weil sich der jeweilige Provider selber um Hardware, Anwendungen und Kosten der Bandbreite kümmert.
  • Beliebige Skalierbarkeit, d.h. Rechen- und Speicherkapazitäten können jederzeit hinzugefügt (scale in) oder gelöscht (scale out) bzw. erhöht (scale up) oder verkleinert (scale down) werden.
  • Keine ungenutzten Ressourcen, weil nur das angefragt und auch bezahlt wird, was tatsächlich gebraucht wurde.
  • Keine langfristigen Verträge. Gerade im Bereich Machine Learning ist es oft schwierig, sich von vornherein bereits auf eine bestimmte Rechenkapazität festzulegen, da die tatsächlichen Anforderungen und benötigten Ressourcen oft nicht abzuschätzen sind. In solchen Situationen funktioniert das Public Cloud Hosting sehr gut, da es kein langfristiges Engagement oder Investitionen erfordert. Die Cloud-Anbieter bieten in der Regel Pay-as-you-grow-Modelle an, die das gesamte Engagement extrem einfach und unkompliziert machen.

Zudem verfolgen sämtliche grossen Public Cloud-Anbieter einen API-first Approach, d.h. sämtliche Services lassen sich über eine API-Schnittstelle ansteuern, konfigurieren, starten, stoppen oder wieder löschen. So können z.B. mit wenigen Codezeilen und vollständig automatisiert

  • hoch-performante Serverlandschaften erstellt und konfiguriert,
  • Hunderte von GB grosse Datenbestände in diese Serverlandschaft kopiert,
  • diverse Trainingsjobs mit unterschiedlichen Parametern angestossen,
  • das beste Modell auf eine separate Serverinstanz kopiert und
  • anschliessend die gesamte Serverlandschaft wieder gelöscht werden,

und dies alles zu einem auch für Kleinunternehmen erschwinglichen Preis, da die ganze Serverlandschaft oft nur für wenige Minuten oder Stunden genutzt werden muss.

Vergleich der Public Cloud-Anbieter

 

Den gesamten Artikel und Vergleich der Cloud-Anbieter findet ihr hier auf dem Blog unserer Partners AFO Marketing AG.