München, Starnberg, 9. Mai 2017 - Mit MapR lassen sich Anwendungen für das maschinelle Lernen mittels Distributed Computing bei NorCom effektiv skalieren...
Zum Hintergrund: Autonome Fahranwendungen sind ein Beispiel dafür, wie Datenvolumina schnell über traditionelle Konzepte des Datenmanagements hinauswachsen können. NorCom, Komplettanbieter für Big-Data-Lösungen, hat sich für die MapR Converged Data Platform von MapR Technologies, Inc. entschieden. Das Unternehmen wird nach vorliegenden Informationen die Plattform, mit der sich intelligente Anwendungen erstellen lassen, für seine autonomen Fahranwendungen auf der Basis von Deep Learning nutzen. Mit dieser Partnerschaft sollen gemeinsame Kunden Deep-Learning-Frameworks implementieren können, die schnelle und zuverlässige Analysen in kritischen Computing-Umgebungen ermöglichen.
NorCom hat ein spezielles Deep-Learning-Framework für die Automobilindustrie entwickelt. Um dieses voll auszunutzen, benötigt das Unternehmen eine Möglichkeit, die riesigen Datensätze aus den Sensoren und Kameras in selbstfahrenden Autos zu verwalten. Die Ausführung von Container-Deep-Learning-Anwendungen auf der MapR-Plattform bietet die erforderliche Geschwindigkeit, Skalierung und Zuverlässigkeit, um kontinuierliche Daten in einem autonomen Fahrumfeld erfolgreich zu analysieren und die Vorteile des Deep Learnings zu realisieren.
Kommentar Dr. Tobias Abthoff, Mitglied des Vorstands von NorCom: „Die Automobilindustrie durchläuft derzeit einen grundlegenden Umbruch, der durch neue Technologien wie Deep Learning angetrieben wird. Wir unterstützen deutsche Automobilgiganten Audi und Daimler dabei, mittels Deep Learning ihr Ziel des autonomen Fahrens zu verwirklichen. In MapR haben wir die perfekte Plattform gefunden, um unsere Deep-Learning-Anwendungen über verteilte Rechen- und Speicherkapazitäten zu skalieren.“
Ein wichtiger Grund für die Entscheidung von NorCom war danach die Fähigkeit der MapR-Plattform (1), Funktionen des maschinellen Lernens in Docker-Containern zu unterstützen. Dies trägt dazu bei, Anwendungen agil zu skalieren. Die MapR Converged Data Platform arbeitet zudem mit mehreren Deep-Learning-Frameworks, wie TensorFlow und Caffe. So können Unternehmen das am besten geeignete Framework für ihren Anwendungsfall wählen.
Als einheitliche Plattform (siehe Abb. 1 unten) über Rechenzentren, Cloud-Implementierungen und Edge-Cluster hinweg soll die MapR-Plattform die Einführung von Modellen für das maschinelle Lernen vereinfachen, damit diese auf neu erstellte Daten im gesamten Datengefüge angewendet werden können. Darüber hinaus lassen sich die neuen Daten sofort in den Trainingsdatensatz einfügen, da beide auf derselben Plattform liegen. Dies unterstützt die wichtige Zielsetzung, die Genauigkeit von Modellen des maschinellen Lernens kontinuierlich zu verbessern.
Fazit: NorCom profitiert von der Fähigkeit der MapR-Plattform, die Echtzeit-Verarbeitung einer Vielzahl von Datentypen, einschließlich Dateien, Dokumenten, Bildern, Datenbanktabellen und Datenströmen, zu unterstützen. Die Plattform wurde entwickelt, um die strengsten Anforderungen an Geschwindigkeit, Skalierung und Zuverlässigkeit innerhalb und für mehrere Edge-, On-Premise- und Cloud-Umgebungen zu erfüllen. Sie ist so konzipiert, dass sie als Aufzeichnungssystem dient und Transaktions-Workloads mit umfassenden Hochverfügbarkeits-, Datenschutz- und Disaster-Recovery-Funktionen unterstützt.
(1) Quelle:
Abb. 1: Bildquelle MapR - Architekturaufbau der konvergenten Datenplattform