Možete li pokrenuti projekt strojnog učenja kod kuće?

Uz sve govore o strojnom učenju posljednjih godina, teško je zanemariti želju da ga sami isprobate. Čini se da se tehnologija razvija vrlo brzim tempom i već je pronađena u mnogim okruženjima. Ako imate neke programske vještine i osnovno razumijevanje nekih koncepata o statistici, dobro je krenuti u pogledu zahtjeva za vještinama.

Međutim, morat ćete razmotriti i hardver koji će vam za to trebati. Sve možete ugostiti kod kuće ili koristiti udaljene usluge - obje imaju svoje prednosti i nedostatke.

Osnovni zahtjevi za razvoj strojnog učenja

Trebat će vam relativno moćan hardver da biste pokrenuli stvari. Iako možete pokretati većinu srodnih alata na jeftinom prijenosnom računalu, bit ćete ozbiljno ograničeni u svom potencijalu za učenje i sve će potrajati puno duže nego što treba.

Vaš GPU (jedinica za obradu grafike) ovdje je najvažnija komponenta. To nema nikakve veze s grafikom izravno. Jednostavno, GPU-ovi su prikladniji za vrste izračuna na koje se oslanja strojno učenje.

GPU koji podržava CUDA ovdje će biti još bolji, iako će vas koštati više da ga se dočepate. Ne brinite ako si trenutno ne možete priuštiti ovakav hardver. Svoja rješenja možete pokretati i na daljinu, iako ćete se morati nositi s usponima i padovima te postavke.

Čitaj više: Što su CUDA jezgre?

Zašto vaši troškovi mogu biti veći 2021. godine

Također je vrijedno napomenuti da kupnja novog hardvera za strojno učenje trenutno može biti još izazovnija. Postoji nezgodna globalna situacija koja se razvija oko nedostatka poluvodiča koji se koriste u proizvodnji različite potrošačke elektronike. Od GPU-a do pametnih telefona i drugih uređaja, pogođena su mnoga tržišta.

Neka predviđanja tvrde da bi ta nestašica mogla potrajati još nekoliko godina, jer je bila rezultat nekoliko čimbenika koji su se neočekivano uskladili. Između pandemije koja umanjuje proizvodne mogućnosti i povećava potražnju, te rudara i skalera otkupom cijele dionice, situacija je bila izazovna za one koji samo žele dobiti novu GPU.

Povezano: Zašto su grafičke kartice trenutno skupe?

Nije jasno ni kada će se cijene normalizirati - cijene bi mogle i dalje rasti. Traženje rabljenog GPU-a moglo bi biti bolja opcija, ali ne možete jamčiti da ćete pronaći nešto prikladno.

Prednosti i nedostaci hostiranih platformi

Domaćinska platforma za razvoj strojnog učenja omogućit će vam da se usredotočite na stvarni razvojni rad bez brige o hardverskim razmatranjima. Iskoristit će vam napredna procesorska snaga, a ove platforme obično mogu pokretati vaša rješenja puno brže od svega što biste mogli izgraditi kod kuće.

Naravno, ovakva snaga ne dolazi besplatno. Za upotrebu većine ovih usluga morat ćete platiti pretplatu. Oni koji se nude besplatno dolaze sa svojim zasebnim ograničenjima.

Na primjer, možda nećete moći pokrenuti svoj program na zahtjev i možda ćete morati čekati u redu. To može biti posebno problematično za duže treninge, gdje ćete morati dodati nekoliko dodatnih sati povrh ionako dugog perioda čekanja.

A onda se neki ljudi jednostavno osjećaju ugodnije u svom poslu kad im je sve dostupno lokalno. Svakako može biti prikladnije raditi sa strojnim učenjem na ovaj način kada neki modeli mogu biti nekoliko gigabajta, a može im trebati neko vrijeme da ih prebace na odgovarajuće poslužitelje i s njih.

Najbolje od oba svijeta

Možete koristiti mješoviti pristup. Većinu svog razvoja radite lokalno - poput stvarnog rada na svojim algoritmima i modelima - i koristite hostiranu uslugu za veliku, skupu obradu.

Podatke obično možete slati u skupinama kako bi se obrađivali odjednom tijekom određenog vremenskog razdoblja, a nakon toga morate se vratiti kako biste dohvatili svoje rezultate. To može dobro funkcionirati kada vam nisu potrebni neposredni rezultati, a može vam omogućiti i izvođenje skupog treninga uz relativno nisku cijenu.

To je pristup za koji se većina ljudi danas odlučuje. Ako ne želite trošiti previše na hardver, ali u prvom redu se slažete s idejom da na to potrošite nešto novca, vjerojatno biste trebali potražiti ovo.

Na tržištu postoje razne ponude, a neke su namijenjene ljudima s manjim proračunom, pa pogledajte oko sebe i pogledajte što je tamo dostupno. Ponekad se možete izvući tako da vaši projekti budu domaćin za iznenađujuće malo, pod uvjetom da nemaju nikakve složene zahtjeve.

Budite oprezni s osjetljivim podacima

Imajte na umu da strojno učenje često može uključivati ​​rad s osjetljivim podacima. Na primjer, možda ćete dobiti zadatak obraditi medicinsku evidenciju ili druge osobne podatke. Podrazumijeva se da u tim situacijama morate biti puno oprezniji ako radite s uslugama udaljenog hostiranja.

Morate biti svjesni implikacija prijenosa tih podataka na udaljene poslužitelje. Ponekad se možete naći u kršenju određenih pravnih okvira, a da toga uopće ne znate. Na primjer, u Europskoj uniji morate biti vrlo oprezni s GDPR-om.

Dobro je obratiti se pravnom stručnjaku ako će vaše vježbe strojnog učenja uključivati ​​bilo kakve osjetljive podatke. Još bolje, vjerojatno ne biste trebali koristiti ovu vrstu podataka za svoje prve projekte osposobljavanja. Samo pristanite na nešto što je sigurnije i lakše za rukovanje.

Strojno učenje samostalno

Strojno učenje kod kuće izvedivo je i ima brojne prednosti. Ali to također ima neke negativne implikacije koje trebate uzeti u obzir i na kraju morate osigurati uravnotežen pristup. Obratite posebnu pozornost na detalje poput rada s osjetljivim podacima i uvijek se upoznajte sa svim zakonskim zahtjevima koje bi vam situacija mogla nametnuti.

Na kraju, ovo može biti vrlo zabavno i produktivno iskustvo koje vas može dovesti u odličan položaj na tržištu rada.

Što Python radi i za što se može koristiti?

Python je izuzetno svestran, s aplikacijama u rasponu od web razvoja do analize podataka.

Pročitajte Dalje

O autoru