Cloudera acelera el machine learning de las empresas

Palabras clave

Contenido patrocinado: 
Cloudera mejora las posibilidades de sus clientes en inteligencia de negocio a través de la analítica de datos y el aprendizaje de máquina
Autor:
La actualizaciones de Cloudera mejoran las posibilidades de sus clientes en inteligencia de negocio a través de la analítica de datos y el aprendizaje de máquina.

Cloudera, compañía especializada en la gestión de datos a través de analítica y aprendizaje de máquina, anunció novedades en su plataforma, machine learning, para los científicos de datos, tanto a nivel de prueba como de desarrollo de nuevos modelos y algoritmos para las empresas.

Entre las principales novedades se encuentran el de acelerar la rutina de trabajo de los científicos de datos con Cloudera Data Science Workbench 1.4, actualización que estará disponible este verano y que extenderá la plataforma de machine learning para que los científicos puedan desarrollar modelos REST APIs en un solo click.

Te interesa leer: Cloudera a través de Semantix en México

La empresa informó también que Cloudera Altus, disponible para Microsoft Azure, Ofrecerá Ingeniería de Datos para Azure, simplificando y agilizando la extracción, transformación y carga (ETL), el procesamiento de datos y creación de lotes de machine learning, lo que reducirá la complejidad y permitirá a los ingenieros y desarrolladores crear un modelo más diverso para los científicos de datos y equipos de analistas.

Además, Cloudera Altus Analytic DB, el primer servicio de data wharehousing que lleva el warehousing a los datos, disponible también en Azure, permitirá un autoservicio instantáneo de inteligencia de negocio y análisis SQL para todos los usuarios de una forma sencilla, fiable y segura.

Finalmente, Cloudera Enterprise 6.0 incluirá avances para la optimización y calidad del producto, exhibiendo innovaciones en búsqueda, transmisión, escala y control de datos, diseñados para ayudar a los negocios a extraer operacionalmente los conocimientos embebidos en los datos de forma rápida. Además, introducirá soporte para GPUs en el clúster y optimizaciones en Hive para acelerar el machine learning y las aplicaciones de ingeniería de datos.

Contenido relacionado:

¡ Déjanos un comentario !