Open Data Hub ပရောဂျက်သည် Red Hat OpenShift ကိုအခြေခံထားသော ပွင့်လင်းစက်သင်ယူမှုပလပ်ဖောင်းတစ်ခုဖြစ်သည်။

အနာဂတ်သည် ရောက်ရှိလာပြီဖြစ်ပြီး၊ ဉာဏ်ရည်တုနှင့် စက်သင်ယူမှုနည်းပညာများကို သင်အကြိုက်ဆုံးစတိုးဆိုင်များ၊ သယ်ယူပို့ဆောင်ရေးကုမ္ပဏီများနှင့် ကြက်ဆင်ခြံများပင်လျှင် အောင်မြင်စွာအသုံးပြုနေပြီဖြစ်သည်။

တစ်ခုခုရှိတယ်ဆိုရင် အင်တာနက်မှာ တစ်ခုခုရှိနေပြီ... ဖွင့်ထားတဲ့ ပရောဂျက်တစ်ခု။ Open Data Hub သည် နည်းပညာအသစ်များကို အတိုင်းအတာတစ်ခုအထိ ကူညီပေးပြီး အကောင်အထည်ဖော်မှုဆိုင်ရာစိန်ခေါ်မှုများကို ရှောင်ရှားနိုင်ပုံကို ကြည့်ပါ။

ဥာဏ်ရည်တု (AI) နှင့် စက်သင်ယူခြင်း (ML) တို့၏ အားသာချက်များအားလုံးဖြင့်၊ အဖွဲ့အစည်းများသည် ဤနည်းပညာများကို ချဲ့ထွင်ရန် ခက်ခဲလေ့ရှိသည်။ ဤကိစ္စတွင် အဓိကပြဿနာများမှာ များသောအားဖြင့် အောက်ပါတို့ဖြစ်သည်။

• သတင်းအချက်အလက်ဖလှယ်ခြင်းနှင့် ပူးပေါင်းဆောင်ရွက်ခြင်း - လျင်မြန်သော ထပ်တလဲလဲလုပ်ဆောင်မှုများတွင် သတင်းအချက်အလက်များကို အားမစိုက်ဘဲ ဖလှယ်ရန်နှင့် ပူးပေါင်းဆောင်ရွက်ရန်မှာ မဖြစ်နိုင်သလောက်ပင်။
• ဒေတာဝင်ရောက်ခွင့် - အလုပ်တစ်ခုစီအတွက် အချိန်များစွာယူရမည်ဖြစ်ပြီး၊ အသစ်နှင့် ကိုယ်တိုင်တည်ဆောက်ရန် လိုအပ်သည်။
• လိုအပ်ချက်အရ ဝင်ရောက်သုံးစွဲပါ။ - စက်သင်ယူမှုကိရိယာများနှင့် ပလပ်ဖောင်းအပြင် ကွန်ပြူတာအခြေခံအဆောက်အအုံများကို လိုအပ်သလောက်ရယူရန် နည်းလမ်းမရှိပါ။
• ထုတ်လုပ်ခြင်း - မော်ဒယ်များသည် ရှေ့ပြေးပုံစံအဆင့်တွင် ရှိနေကြပြီး စက်မှုလုပ်ငန်းသုံးသို့ ယူဆောင်လာခြင်းမရှိပေ။
• AI ရလဒ်များကို ခြေရာခံပြီး ရှင်းပြပါ။ - မျိုးပွားနိုင်မှု၊ ခြေရာခံခြင်းနှင့် AI/ML ရလဒ်များ၏ ရှင်းလင်းချက်သည် ခက်ခဲသည်။

ကိုင်တွယ်ဖြေရှင်းခြင်းမပြုဘဲ ဤပြဿနာများသည် အဖိုးတန်ဒေတာသိပ္ပံပညာရှင်များ၏ အမြန်နှုန်း၊ ထိရောက်မှုနှင့် ကုန်ထုတ်စွမ်းအားကို အပျက်သဘောဆောင်သည်။ ၎င်းသည် ၎င်းတို့၏ အလုပ်တွင် စိတ်ပျက်မှု၊ စိတ်ပျက်မှုကို ဖြစ်စေပြီး ရလဒ်အနေဖြင့် AI/ML နှင့် ပတ်သက်သည့် စီးပွားရေးဆိုင်ရာ မျှော်လင့်ချက်များသည် ဖြုန်းတီးသွားပါသည်။

ဤပြဿနာများကိုဖြေရှင်းရန်တာဝန်သည် ဒေတာခွဲခြမ်းစိတ်ဖြာသူများကိုပေးဆောင်ရမည့် IT ကျွမ်းကျင်သူများအပေါ်တွင် အကျုံးဝင်သည် - မှန်ပါသည်၊ cloud ကဲ့သို့သော အရာတစ်ခုဖြစ်သည်။ ပိုမိုအသေးစိတ်အားဖြင့်၊ လွတ်လပ်စွာရွေးချယ်ခွင့်ရှိပြီး အဆင်ပြေလွယ်ကူစွာ ဝင်ရောက်နိုင်သော ပလပ်ဖောင်းတစ်ခု လိုအပ်ပါသည်။ တစ်ချိန်တည်းမှာပင်၊ ၎င်းသည် လျင်မြန်ပြီး၊ လွယ်ကူစွာ ပြန်လည်ပြင်ဆင်နိုင်သည်၊ လိုအပ်ချက်အပေါ် အတိုင်းအတာနှင့် လုပ်ဆောင်နိုင်ပြီး ကျရှုံးမှုများကို ခံနိုင်ရည်ရှိသည်။ ပွင့်လင်းရင်းမြစ်နည်းပညာများဖြင့် ထိုကဲ့သို့သော ပလပ်ဖောင်းတစ်ခုကို တည်ဆောက်ခြင်းသည် ရောင်းချသူ၏လော့ခ်ချခြင်းကို ရှောင်ရှားနိုင်ပြီး ကုန်ကျစရိတ်ထိန်းချုပ်မှုတွင် ရေရှည်မဟာဗျူဟာမြောက် အားသာချက်ကို ထိန်းသိမ်းရန် ကူညီပေးသည်။

လွန်ခဲ့သည့်နှစ်အနည်းငယ်က၊ အက်ပလီကေးရှင်းဖွံ့ဖြိုးတိုးတက်ရေးတွင် အလားတူတစ်ခုခုဖြစ်ပွားခဲ့ပြီး မိုက်ခရိုဝန်ဆောင်မှုများ၊ ပေါင်းစပ်တိမ်တိုက်များ၊ အိုင်တီအလိုအလျောက်စနစ်နှင့် သွက်လက်သောလုပ်ငန်းစဉ်များ ပေါ်ပေါက်လာစေသည်။ ဤအရာအားလုံးကို ကိုင်တွယ်ဖြေရှင်းရန်၊ အိုင်တီပညာရှင်များသည် ကွန်တိန်နာများ၊ Kubernetes နှင့် ရောနှောထားသော တိမ်တိုက်များဆီသို့ ပြောင်းလဲလာကြသည်။

အယ်လ်၏စိန်ခေါ်မှုများကို ဖြေဆိုရန်အတွက် ဤအတွေ့အကြုံကို ယခု အသုံးချလျက်ရှိသည်။ ထို့ကြောင့် အိုင်တီပညာရှင်များသည် ကွန်တိန်နာအခြေခံသော ပလပ်ဖောင်းများကို တည်ဆောက်ကြပြီး၊ သွက်လက်သော လုပ်ငန်းစဉ်များအတွင်း AI/ML ဝန်ဆောင်မှုများကို ဖန်တီးနိုင်စေရန်၊ ဆန်းသစ်တီထွင်မှုကို အရှိန်မြှင့်ကာ hybrid cloud ဆီသို့ မျက်လုံးဖြင့် တည်ဆောက်နေကြသည်။

ဆော့ဖ်ဝဲလ်နှင့် ဟာ့ဒ်ဝဲ ML ဖြေရှင်းချက်များ၏ လျင်မြန်စွာကြီးထွားလာသော ဂေဟစနစ်ပါရှိသော ကျွန်ုပ်တို့၏ ကွန်တိန်နာဖြစ်သည့် Kubernetes ပလပ်ဖောင်းဖြစ်သော Red Hat OpenShift၊ ကျွန်ုပ်တို့၏ Kubernetes ပလပ်ဖောင်းကို စတင်တည်ဆောက်သွားပါမည်။ BMW Group၊ ExxonMobil နှင့် အခြားအရာများကဲ့သို့သော Red Hat ၏ဖောက်သည်အချို့သည် ၎င်းတို့၏ ML ဗိသုကာများကို ထုတ်လုပ်မှုနှင့် ဒေတာခွဲခြမ်းစိတ်ဖြာသူများ၏လုပ်ငန်းကို အရှိန်မြှင့်ရန်အတွက် ပလပ်ဖောင်းနှင့် ၎င်း၏ဂေဟစနစ်အပေါ်တွင် ကွန်တိန်နာတင်ထားသော ML toolchains နှင့် DevOps လုပ်ငန်းစဉ်များကို ဖြန့်ကျက်ထားပြီးဖြစ်သည်။

ကျွန်ုပ်တို့၏ Open Data Hub ပရောဂျက်ကို စတင်လုပ်ဆောင်ရခြင်း၏ နောက်တချက်မှာ OpenShift ပလပ်ဖောင်းပေါ်တွင် အခြေခံထားသော ML ဖြေရှင်းချက်များစွာကို အခြေခံ၍ ဗိသုကာလက်ရာတစ်ခု၏ နမူနာကို သရုပ်ပြသရန်နှင့် OpenShift ပလပ်ဖောင်းပေါ်တွင် အခြေခံထားသည့် ML ဖြေရှင်းချက်၏ ဘဝသံသရာတစ်ခုလုံးကို မည်သို့အကောင်အထည်ဖော်ရမည်ကို ပြသရန်ဖြစ်သည်။

Data Hub Project ကိုဖွင့်ပါ။

၎င်းသည် သက်ဆိုင်ရာ ဖွံ့ဖြိုးတိုးတက်ရေးအသိုက်အဝန်းအတွင်း တီထွင်ဖန်တီးထားသော အဖွင့်အရင်းအမြစ်ပရောဂျက်တစ်ခုဖြစ်ပြီး OpenShift ပေါ်ရှိ ကွန်တိန်နာများနှင့် Kubernetes ကိုအသုံးပြု၍ AI/ML ပြဿနာများကို ဖြေရှင်းသည့်အခါတွင် ကနဦးဒေတာကို တင်ခြင်းနှင့် အသွင်ပြောင်းခြင်းမှ စတင်ကာ အသွင်ပြောင်းခြင်းမှ လုပ်ငန်းလည်ပတ်မှုသံသရာတစ်ခုလုံးကို အကောင်အထည်ဖော်ဆောင်ရွက်ပါသည်။ ပလက်ဖောင်း။ ဤပရောဂျက်သည် OpenShift နှင့် Tensorflow၊ JupyterHub၊ Spark နှင့် အခြားဆက်စပ်သော open source ကိရိယာများကို အခြေခံ၍ ပွင့်လင်းသော AI/ML-as-a-service ဖြေရှင်းချက်ကို မည်သို့တည်ဆောက်ရမည်ကို ရည်ညွှန်းအကောင်အထည်ဖော်မှုအဖြစ် ယူဆနိုင်သည်။ Red Hat ကိုယ်တိုင်က ၎င်း၏ AI/ML ဝန်ဆောင်မှုများကို ပေးဆောင်ရန် ဤပရောဂျက်ကို အသုံးပြုကြောင်း သတိပြုရန် အရေးကြီးပါသည်။ ထို့အပြင် OpenShift သည် NVIDIA၊ Seldon၊ Starbust နှင့် အခြားရောင်းချသူများထံမှ အဓိကဆော့ဖ်ဝဲလ်နှင့် ဟာ့ဒ်ဝဲ ML ဖြေရှင်းချက်များနှင့် ပေါင်းစပ်ထားသောကြောင့် သင့်ကိုယ်ပိုင်စက်သင်ယူမှုစနစ်များကို တည်ဆောက်ပြီး လုပ်ဆောင်ရန် ပိုမိုလွယ်ကူစေသည်။

Open Data Hub ပရောဂျက်သည် အောက်ပါအသုံးပြုသူများ၏ အမျိုးအစားများနှင့် အသုံးပြုမှုကိစ္စများအပေါ် အာရုံစိုက်သည်-

• ကိုယ်တိုင်ဝန်ဆောင်မှုပေးသည့် လုပ်ဆောင်ချက်များပါရှိသော cloud တစ်ခုကဲ့သို့ ဖွဲ့စည်းထားသည့် ML ပရောဂျက်များကို အကောင်အထည်ဖော်ရန်အတွက် အဖြေတစ်ခု လိုအပ်နေသော ဒေတာလေ့လာသူ။
• နောက်ဆုံးပေါ် open source AI/ML ကိရိယာများနှင့် ပလပ်ဖောင်းများမှ အများဆုံး ရွေးချယ်မှု လိုအပ်သော ဒေတာလေ့လာသူ။
• လေ့ကျင့်မှုပုံစံများ ပြုလုပ်သည့်အခါ ဒေတာအရင်းအမြစ်များသို့ ဝင်ရောက်ရန် လိုအပ်သော ဒေတာလေ့လာသူ။
• ကွန်ပြူတာရင်းမြစ်များ (CPU၊ GPU၊ မန်မိုရီ) သို့ဝင်ရောက်ရန် လိုအပ်သော ဒေတာလေ့လာသူ။
• လုပ်ဖော်ကိုင်ဖက်များနှင့် ပူးပေါင်းလုပ်ဆောင်နိုင်ပြီး မျှဝေရန်၊ အကြံပြုချက်လက်ခံရန်နှင့် လျင်မြန်စွာ ထပ်တလဲလဲလုပ်ဆောင်မှုတွင် တိုးတက်မှုများပြုလုပ်ရန် လိုအပ်သော ဒေတာလေ့လာဆန်းစစ်သူ။
• သူ၏ ML မော်ဒယ်များနှင့် အလုပ်ရလဒ်များကို ထုတ်လုပ်နိုင်ရန် ဆော့ဖ်ဝဲအင်ဂျင်နီယာများ (နှင့် အဖွဲ့များ ဖြန့်ကျက်) နှင့် အပြန်အလှန် တုံ့ပြန်လိုသော ဒေတာလေ့လာသူ။
• စည်းမျဉ်းစည်းကမ်းနှင့် လုံခြုံရေး လိုအပ်ချက်များကို လိုက်နာစဉ်တွင် ဒေတာခွဲခြမ်းစိတ်ဖြာသူအား ဒေတာရင်းမြစ်မျိုးစုံကို ဝင်ရောက်ခွင့်ပေးရန် လိုအပ်သော ဒေတာအင်ဂျင်နီယာ။
• အိုင်တီစနစ် စီမံခန့်ခွဲသူ/အော်ပရေတာသည် open source အစိတ်အပိုင်းများနှင့် နည်းပညာများ၏ lifecycle (တပ်ဆင်မှု၊ ဖွဲ့စည်းမှုပုံစံ၊ အဆင့်မြှင့်တင်မှု) အား စိုက်ထုတ်ထိန်းချုပ်နိုင်စွမ်း လိုအပ်သည်။ သင့်လျော်သော စီမံခန့်ခွဲမှုနှင့် ခွဲတမ်းကိရိယာများလည်း လိုအပ်ပါသည်။

Open Data Hub ပရောဂျက်သည် AI/ML လုပ်ငန်းလည်ပတ်မှု သံသရာတစ်ခုလုံးကို အကောင်အထည်ဖော်ရန်အတွက် open source ကိရိယာများစွာကို စုစည်းထားသည်။ Jupyter Notebook ကို ဒေတာခွဲခြမ်းစိတ်ဖြာမှုအတွက် အဓိကလုပ်ဆောင်သည့်ကိရိယာအဖြစ် ဤနေရာတွင် အသုံးပြုပါသည်။ ကိရိယာအစုံသည် ယနေ့ခေတ် ဒေတာသိပ္ပံပညာရှင်များကြားတွင် ကျယ်ကျယ်ပြန့်ပြန့် ရေပန်းစားနေပြီး Open Data Hub သည် ၎င်းတို့အား တပ်ဆင်ထားသော JupyterHub ကို အသုံးပြု၍ Jupyter Notebook အလုပ်နေရာများကို အလွယ်တကူ ဖန်တီးစီမံနိုင်စေပါသည်။ Jupyter မှတ်စုစာအုပ်များကို ဖန်တီးခြင်းနှင့် တင်သွင်းခြင်းအပြင် Open Data Hub ပရောဂျက်တွင် AI Library ပုံစံဖြင့် အဆင်သင့်လုပ်ထားသော မှတ်စုစာအုပ်များစွာပါရှိသည်။

ဤစာကြည့်တိုက်သည် လျင်မြန်သော ပုံတူပုံစံပြုလုပ်ခြင်းကို ရိုးရှင်းလွယ်ကူစေမည့် သာမန်အခြေအနေများအတွက် ပွင့်လင်းမြင်သာသော စက်သင်ယူမှု အစိတ်အပိုင်းများနှင့် ဖြေရှင်းနည်းများ စုစည်းမှုတစ်ခုဖြစ်သည်။ JupyterHub သည် သင့်အား လက်ရှိ OpenShift အကောင့်များကို အသုံးပြုနိုင်ပြီး တစ်ခုတည်းသော အကောင့်ဖွင့်ခြင်းကို အကောင်အထည်ဖော်ရန် ခွင့်ပြုသည့် OpenShift ၏ RBAC သုံးစွဲခွင့်မော်ဒယ်နှင့် ပေါင်းစပ်ထားသည်။ ထို့အပြင်၊ JupyterHub သည် ရွေးချယ်ထားသော Jupyter Notebook အတွက် အသုံးပြုသူ၏ ကွန်ပျူတာအရင်းအမြစ်များ (CPU cores၊ memory၊ GPU) ကို အလွယ်တကူ configure လုပ်နိုင်သည့် user-friendly user interface ကို spawner ဟုခေါ်သည်။

ဒေတာခွဲခြမ်းစိတ်ဖြာသူသည် လက်ပ်တော့ကို ဖန်တီးပြီး ပြင်ဆင်သတ်မှတ်ပြီးနောက်၊ OpenShift ၏ တစ်စိတ်တစ်ပိုင်းဖြစ်သည့် Kubernetes အစီအစဉ်ဆွဲသူမှ ၎င်းနှင့်ပတ်သက်သည့် အခြားစိုးရိမ်မှုအားလုံးကို ဂရုစိုက်ပါသည်။ အသုံးပြုသူများသည် ၎င်းတို့၏ စမ်းသပ်မှုများကို လုပ်ဆောင်နိုင်ရုံသာမက ၎င်းတို့၏ အလုပ်ရလဒ်များကို သိမ်းဆည်းကာ မျှဝေနိုင်ပါသည်။ ထို့အပြင်၊ အဆင့်မြင့်အသုံးပြုသူများသည် OpenShift CLI shell ကို Jupyter မှတ်စုစာအုပ်များမှ တိုက်ရိုက်ဝင်ရောက်ကြည့်ရှုနိုင်ပြီး Job သို့မဟုတ် OpenShift ကဲ့သို့သော Tekton သို့မဟုတ် Knative ကဲ့သို့သော Kubernetes ၏မူလအစများကို အသုံးချနိုင်မည်ဖြစ်သည်။ သို့မဟုတ် ၎င်းအတွက် သင်သည် “OpenShift ဝဘ်ကွန်ဆိုးလ်” ဟုခေါ်သော OpenShift ၏ အဆင်ပြေသော GUI ကို အသုံးပြုနိုင်သည်။

နောက်တစ်ဆင့်သို့တက်လှမ်းခြင်းဖြင့် Open Data Hub သည် ဒေတာပိုက်လိုင်းများကို စီမံခန့်ခွဲနိုင်စေပါသည်။ ယင်းအတွက်၊ S3-သဟဇာတရှိသော အရာဝတ္ထုဒေတာသိုလှောင်မှုအဖြစ် ပံ့ပိုးပေးသည့် Ceph အရာဝတ္ထုကို အသုံးပြုသည်။ Apache Spark သည် ပြင်ပရင်းမြစ်များ သို့မဟုတ် တပ်ဆင်ထားသည့် Ceph S3 သိုလှောင်မှုမှ ဒေတာစီးကြောင်းကို ပံ့ပိုးပေးပြီး ပဏာမဒေတာအသွင်ပြောင်းမှုများကိုလည်း လုပ်ဆောင်နိုင်စေပါသည်။ Apache Kafka သည် ဒေတာပိုက်လိုင်းများ၏ အဆင့်မြင့်စီမံခန့်ခွဲမှုကို ပံ့ပိုးပေးသည် (ဒေတာကို အကြိမ်ပေါင်းများစွာ တင်နိုင်သည့်အပြင် ဒေတာအသွင်ပြောင်းခြင်း၊ ခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် စွဲမြဲစွာလုပ်ဆောင်ခြင်းများ)။

ထို့ကြောင့် ဒေတာခွဲခြမ်းစိတ်ဖြာသူသည် ဒေတာကို ဝင်ရောက်ကြည့်ရှုပြီး ပုံစံတစ်ခုကို တည်ဆောက်ခဲ့သည်။ ယခုအခါတွင် သူသည် လုပ်ဖော်ကိုင်ဖက်များ သို့မဟုတ် အပလီကေးရှင်း developer များနှင့် ရရှိသော ရလဒ်များကို မျှဝေလိုပြီး ဝန်ဆောင်မှုတစ်ခု၏ အခြေခံမူများပေါ်တွင် ၎င်း၏ စံနမူနာကို ပေးဆောင်လိုပါသည်။ ၎င်းသည် အနုမာနဆာဗာတစ်ခု လိုအပ်ပြီး Open Data Hub တွင် ထိုသို့သောဆာဗာတစ်ခုရှိပြီး ၎င်းကို Seldon ဟုခေါ်ပြီး မော်ဒယ်ကို RESTful ဝန်ဆောင်မှုအဖြစ် ထုတ်ဝေခွင့်ပြုသည်။

တစ်ချိန်ချိန်တွင်၊ Seldon ဆာဗာတွင် ထိုသို့သော မော်ဒယ်များစွာ ရှိနေပြီး ၎င်းတို့ကို မည်သို့အသုံးပြုသည်ကို စောင့်ကြည့်ရန် လိုအပ်ပါသည်။ ၎င်းကိုအောင်မြင်ရန်၊ Open Data Hub သည် အသုံးများသော open source စောင့်ကြည့်ရေးကိရိယာ Prometheus နှင့် Grafana တို့ကို အခြေခံ၍ သက်ဆိုင်ရာ မက်ထရစ်များစုစည်းမှုနှင့် အစီရင်ခံခြင်းအင်ဂျင်ကို ပေးဆောင်ပါသည်။ ရလဒ်အနေဖြင့်၊ အထူးသဖြင့် ထုတ်လုပ်မှုပတ်ဝန်းကျင်တွင် AI မော်ဒယ်များအသုံးပြုမှုကို စောင့်ကြည့်ရန် တုံ့ပြန်ချက်ရရှိပါသည်။

ဤနည်းအားဖြင့် Open Data Hub သည် ဒေတာဝင်ရောက်မှုနှင့် ပြင်ဆင်မှုမှသည် မော်ဒယ်လေ့ကျင့်ရေးနှင့် ထုတ်လုပ်ရေးအထိ AI/ML ဘဝစက်ဝန်းတစ်ခုလုံးတွင် cloud-like ချဉ်းကပ်မှုကို ပံ့ပိုးပေးပါသည်။

အားလုံးကို ပေါင်းထည့်လိုက်ပါ။

ယခုတွင် OpenShift စီမံခန့်ခွဲသူအတွက် ဤအရာအားလုံးကို မည်သို့စုစည်းရမည်နည်း။ Open Data Hub ပရောဂျက်များအတွက် အထူး Kubernetes အော်ပရေတာတစ်ခု စတင်ပါဝင်လာပါသည်။

ဤအော်ပရေတာသည် JupyterHub၊ Ceph၊ Spark၊ Kafka၊ Seldon၊ Prometheus နှင့် Grafana ကဲ့သို့သော အထက်ဖော်ပြပါ ကိရိယာများကို ဖြန့်ကျက်ခြင်း အပါအဝင် Open Data Hub ပရောဂျက်၏ တပ်ဆင်မှု၊ ဖွဲ့စည်းမှုနှင့် ဘဝသံသရာကို စီမံခန့်ခွဲပါသည်။ Open Data Hub ပရောဂျက်ကို ကွန်မြူနတီအော်ပရေတာကဏ္ဍတွင် OpenShift ဝဘ်ကွန်ဆိုးလ်တွင် တွေ့ရှိနိုင်သည်။ ထို့ကြောင့်၊ OpenShift စီမံခန့်ခွဲသူသည် သက်ဆိုင်ရာ OpenShift ပရောဂျက်များကို "Open Data Hub ပရောဂျက်" အဖြစ် အမျိုးအစားခွဲခြားသတ်မှတ်နိုင်ပါသည်။ ဒါက တစ်ကြိမ်ပြီးတယ်။ ယင်းနောက်တွင်၊ ဒေတာခွဲခြမ်းစိတ်ဖြာသူသည် OpenShift ဝဘ်ကွန်ဆိုးလ်မှတစ်ဆင့် ၎င်း၏ပရောဂျက်နေရာကို ဝင်ရောက်ပြီး သက်ဆိုင်ရာ Kubernetes အော်ပရေတာအား ထည့်သွင်းပြီး ၎င်း၏ပရောဂျက်များအတွက် ရနိုင်သည်ကို တွေ့မြင်ရသည်။ ထို့နောက် သူသည် ကလစ်တစ်ချက်နှိပ်ရုံဖြင့် Open Data Hub ပရောဂျက်တစ်ခုကို ဖန်တီးပြီး အထက်တွင်ဖော်ပြထားသော ကိရိယာများကို ချက်ချင်းအသုံးပြုခွင့်ရှိသည်။ ဤအရာအားလုံးကို မြင့်မားသောရရှိနိုင်မှုနှင့် အမှားခံနိုင်ရည်မုဒ်တွင် ပြင်ဆင်သတ်မှတ်နိုင်သည်။

သင်ကိုယ်တိုင် Open Data Hub ပရောဂျက်ကို စမ်းကြည့်လိုပါက၊ စတင်ပါ။ တပ်ဆင်မှုလမ်းညွှန်များနှင့် မိတ်ဆက်သင်ခန်းစာ. Open Data Hub တည်ဆောက်ပုံ၏ နည်းပညာဆိုင်ရာ အသေးစိတ်အချက်အလက်များကို တွေ့နိုင်ပါသည်။ ဒီမှာပရောဂျက် ဖွံ့ဖြိုးတိုးတက်ရေး အစီအစဉ်များ- ဒီမှာ. အနာဂတ်တွင်၊ ကျွန်ုပ်တို့သည် Kubeflow နှင့် ထပ်လောင်းပေါင်းစည်းမှုကို အကောင်အထည်ဖော်ရန်၊ ဒေတာစည်းမျဥ်းစည်းကမ်းနှင့် လုံခြုံရေးဆိုင်ရာ ပြဿနာများစွာကို ဖြေရှင်းရန်နှင့် စည်းမျဉ်းအခြေခံစနစ်များဖြစ်သော Drools နှင့် Optaplanner တို့နှင့်လည်း ပေါင်းစပ်စီစဉ်ရန် စီစဉ်ထားပါသည်။ သင့်ထင်မြင်ချက်ကို ဖော်ပြပြီး ပရောဂျက်တွင် ပါဝင်သူတစ်ဦးဖြစ်လာပါ။ Data Hub ကိုဖွင့်ပါ။ page မှာဖြစ်နိုင်ပါတယ်။ အသိုင်းအဝိုင်း.

ပြန်ချုပ်ရန်- ပြင်းထန်သော အတိုင်းအတာ စိန်ခေါ်မှုများသည် အဖွဲ့အစည်းများအား ဉာဏ်ရည်တုနှင့် စက်သင်ယူခြင်း၏ အလားအလာ အပြည့်အ၀ကို သိရှိနားလည်ခြင်းမှ တားဆီးထားသည်။ Red Hat OpenShift ကို ဆော့ဖ်ဝဲလ်စက်မှုလုပ်ငန်းတွင် အလားတူပြဿနာများကို ဖြေရှင်းရန်အတွက် အောင်မြင်စွာအသုံးပြုခဲ့သည်မှာ ကြာပါပြီ။ Open Data Hub ပရောဂျက်သည် OpenShift ပေါင်းစပ် cloud ကိုအခြေခံ၍ OpenShift ပေါင်းစပ် cloud ကိုအခြေခံ၍ AI/ML လည်ပတ်မှုသံသရာတစ်ခုလုံးကို စုစည်းရန်အတွက် ရည်ညွှန်းဗိသုကာတစ်ခု ပေးဆောင်ပါသည်။ ကျွန်ုပ်တို့တွင် ဤပရောဂျက်၏ ဖွံ့ဖြိုးတိုးတက်မှုအတွက် ရှင်းရှင်းလင်းလင်း တွေးခေါ်မြော်မြင်နိုင်သော အစီအစဥ်တစ်ခုရှိပြီး OpenShift ပလပ်ဖောင်းပေါ်တွင် ပွင့်လင်းသော AI ဖြေရှင်းချက်များကို ဖန်တီးရန်အတွက် ၎င်းပတ်ဝန်းကျင်တွင် တက်ကြွပြီး အသီးအနှံများသော အသိုက်အဝန်းတစ်ခု ဖန်တီးရန် အလေးအနက်ထားဆောင်ရွက်ပါသည်။

source: www.habr.com