Más capacidades de Machine Learning, de la mano de Cloudera

La compañía Cloudera, especializada en la gestión de datos a través de analítica y aprendizaje de máquina, ha anunciado novedades en su plataforma en el marco del congreso STRATA DATA celebrado en Londres.

El objetivo de estas nuevas funcionalidades es hacer más sencillo el uso de machine learning para los científicos de datos, tanto a nivel de prueba como de desarrollo de nuevos modelos y algoritmos para las empresas. De esta forma, las organizaciones podrán dar respuesta al crecimiento explosivo de la información que manejan y facilitar el trabajo de los equipos de datos para que puedan colaborar de forma más efectiva, llevando los modelos a producción más rápidamente.

Tom Reilly, CEO de Cloudera, ha mostrado su convicción de que “los datos harán posible mañana lo que es imposible hoy. Con capacidades mejoradas en machine learning, analítica y cloud, los nuevos productos de software y servicios de nube que ofrecemos permitirán a nuestros clientes incrementar su ventaja competitiva en la economía de los datos de forma rápida”. Además, ha añadido que “estas mejoras demuestran el compromiso de Cloudera por ofrecer innovaciones de vanguardia y permitir a las empresas transformar de forma segura sus datos complejos en conocimiento accionable para propulsar su transformación digital”.

Estas son las principales novedades anunciadas por el fabricante:

Acelerar la rutina de trabajo de los científicos de datos

Con Cloudera Data Science Workbench 1.4,  los científicos de datos podrán ser más productivos en sus procesos. Esta actualización, que estará disponible este verano, extiende la plataforma de machine learning desde la investigación hasta la producción. Tradicionalmente, los equipos de científicos de datos luchan para hacer operativo su trabajo.  Normalmente es difícil reproducir o desarrollar modelos de forma fiable sin caer en ineficiencias o ser propenso a errores. Pero con este último lanzamiento, los científicos de datos pueden desarrollar y hacer seguimiento de experimentos versionados, así como desarrollar modelos REST APIs en un solo click. Los equipos de datos ahora pueden unificar su rutina de trabajo para crear, probar, comparar y desarrollar modelos de producción en una plataforma común y segura que funciona en cualquier lugar.

Hilary Mason, manager general de machine learning de Cloudera, ha indicado que “estamos emocionados por lanzar estas nuevas capacidades en Cloudera Data Science Workbench, que acelera la rutina de trabajo de los científicos de datos, incluyendo la gestión de experimentos y el desarrollo de modelos, en una experiencia que no da problemas y mantiene los datos seguros y bajo control”.

El poder del machine learning, también en Azure

Hoy anunciamos que Cloudera Altus ya está disponible para Microsoft Azure, haciendo de Altus la primera plataforma multi-cloud como servicio multifunción de la industria. De este modo, Cloudera Altus ofrece 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 reduce la complejidad y permite a los ingenieros y desarrolladores crear un modelo más diverso para los científicos de datos y equipos de analistas. Los clientes de Azure pueden ahora aprovechar, además, las posibilidades de datos compartidos del catálogo de Cloudera Altus SDX, que preserva la metadata de los negocios con políticas de seguridad y control, de forma que pueden ser aplicados de forma consistente en todos los procesos y análisis de la nube.

El Dr. Ingo Hofacker, responsable de negocio IoT de Deutsche Telekom, cliente y usuario de Cloudera Altus Data Engineering para Azure, ha resaltado que “Cloudera continúa siendo un socio estratégico para nosotros mientras construimos nuestra plataforma basada en la nube, la cual dará soporte a uno de los mercados de datos IoT más grandes de Europa”. Además, ha añadido cómo con Cloudera “podemos establecer y ejecutar datos canalizados que apoyan el machine learning de misión crítica y aplicaciones de análisis con facilidad y a un mayor ritmo”.

Además, Cloudera Altus Analytic DB, el primer servicio de data wharehousing que lleva el warehousing a los datos, también está ahora disponible en Azure. Permite un autoservicio instantáneo de inteligencia de negocio y análisis SQL para todos los usuarios de una forma sencilla, fiable y segura. Además, al implementar Altus SDX, los mismos datos y el catálogo son accesibles para analistas, científicos e ingenieros de datos y cualquier usuario utilizando las herramientas que prefieran: SQL, Python o R, todas sin necesidad de mover la información.

Cloudera la Plataforma más potente para Machine Learning y Analytics

Por otra parte, el lanzamiento de Cloudera Enterprise 6.0 incluye avances significativos 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 una forma más rápida. Cloudera continúa invirtiendo tiempo y experiencia en probar, afinar y contribuir a los proyectos que los clientes consideran valiosos. El último lanzamiento es la plataforma de misión crítica más potente de Cloudera para machine learning y aplicaciones de analítica, capaz de ejecutarse en datos locales, cloud, o en cualquier lugar donde estén los datos. La versión 6.0 introduce soporte para GPUs en el clúster y  optimizaciones en Hive para acelerar de forma significativa el machine learning y las aplicaciones de ingeniería de datos, comparado con la versión anterior, mejora la productividad del usuario y reduce los costes de infraestructura.

Pablo Fernández

Informático reconvertido a periodista, Pablo Fernández Torres comenzó su andadura profesional como redactor técnico y coordinador web en la revista PC Actual. Tras 7 años en esta publicación decidió dar el salto al segmento IT profesional para liderar el lanzamiento a finales de 2008 de la cabecera Silicon en España y posteriormente en la región LATAM. En la actualidad ejerce como director editorial Internacional de NetMedia Group, que edita otras publicaciones online como ITespresso, Channelbiz, SiliconWeek, B!T y ZDnet Germany.

Recent Posts

Todas las claves de EuroQCI, el proyecto europeo de computación cuántica

EuroQCI es la iniciativa de la Unión Europea para el desarrollo de una infraestructura de…

8 horas ago

Nuevo data center de Grupo Aire en Talavera de la Reina

El nuevo CPD del Grupo Aire supone na inversión de 1,3 millones de euros.

11 horas ago

Nunsys mejorará los procesos de análisis de datos de la Comunidad Valenciana

La implantación por parte de Nunsys de tecnología de IBM permitirá a la Generalitat Valenciana…

12 horas ago

El centro de Orizon en Alicante mejora tras recibir una inversión de 5 millones de euros

Orizon quiere convertir Alicante en un referente tecnológico.

12 horas ago

Fin del teletrabajo: ¿Hay escritorios para todos?

Mientras se generaliza el retorno al trabajo presencial algunas empresas, como Tesla, se encuentran con…

13 horas ago

Talento, datos e innovación tecnológica: lo indispensable para afrontar la digitalización

Las organizaciones deben desarrollar relaciones simbióticas con start-ups, académicos, proveedores de tecnología y otros players…

17 horas ago