오라클 클라우드 인프라스트럭쳐(OCI) Virtual Machines for Data Science
고객 데이터에서 사물 인터넷에 이르는 비즈니스 데이터가 폭발적으로 증가함에 따라 데이터 사이언티스트는 모델을 빠르게 탐색하고 구축할 수 있는 유연성이 필요합니다. 그러나 임시 또는 최대 수요를 충족하기 위해 새 하드웨어를 구입하면 상당한 자본 비용과 상당한 시간이 소요될 수 있습니다.
Oracle Cloud Infrastructure Virtual Machines(VMs) for Data Science는 가상 머신 모델을 구축하고 비즈니스 가치를 더 빠르게 제공할 수 있도록 사전 구성된 환경입니다. 오라클 클라우드 인프라스트럭쳐(OCI)에 구축된 이러한 가상 머신은 탁월한 성능, 보안 및 제어 기능을 제공합니다. 컴퓨팅 자동 확장을 사용하여 필요에 따라 컴퓨팅 리소스를 확장하고 필요하지 않은 컴퓨팅 인스턴스를 중지하여 비용을 제어할 수 있습니다.
이 가상 머신 이미지에 적합한 컴퓨팅 옵션에는 사전 설치된 공통 IDE, notebooks 및 프레임 워크를 사용하여 15분 이내에 가동 및 실행할 수 있는 NVIDIA GPU가 있는 가상 머신이 포함됩니다. 데이터 과학용 오라클 클라우드 인프라스트럭쳐(OCI) VM에는 테스트하고 탐색할 수 있는 기본 샘플 데이터와 코드가 포함되어 있습니다.
주요 무선 통신 업체들은 Oracle Cloud Infrastructure에 구축된 AI 솔루션을 통해 더 빠른 성능을 제공합니다.
한 대규모 모바일 네트워크 사업자는 AI 기반의 다국어 가상 음성 비서 서비스를 수백만 명의 사용자에게 제공하고 있습니다. 이 환경은 각각 8개의 GPU로 구성된 2개의 노드가 있는 클러스터를 사용하고 각 노드에 16개의 GPU와 768GB의 메모리가 있는 클러스터로 연결되어 모델의 학습 시간을 크게 줄여줍니다.
이 솔루션은 각 반복에서 최적화된 1억 개의 학습 가능한 매개변수를 사용합니다. 그 결과 음성 대 텍스트 성능이 2.4배 향상되었으며 텍스트 음성 변환이 30~50% 더 빨라진 모델 학습과 함께 처리되었습니다.
데이터 사이언스용 가상 머신
장점
Oracle Cloud Infrastructure에 구축된 데이터 사이언스용 솔루션은 탁월한 성능, 보안 및 제어를 제공하며, 모델을 구축하고 비즈니스 가치를 더 빠르게 제공할 수 있도록 해줍니다.
신속성
시작도, 실행도 빠르게 할 수 있습니다. 미리 구성된 이미지를 배포하고 작업을 시작하기 만하면 됩니다. 작업이 끝났다면, 분해도 그만큼 간단합니다.
손쉬운 사용
귀사 IT 조직의 도움이나 개입 없이도 빠르고 손쉽게 클라우드에서 이러한 이미지들을 직접 실행할 수 있습니다.
필요한 모든 것이 한곳에
올인원 이미지에는 사전 설치된 전체 도구 세트가 포함되어 있습니다. 배포 전에는 Terraform 스크립트를 사용하여, 시스템 실행 후에는 수동으로 이미지를 손쉽게 추가하고 사용자화할 수 있습니다.
유연성
자동 확장 기능 또는 Oracle Cloud Infrastructure Resource Manager를 사용해 클라우드에 추가 컴퓨팅 리소스를 빠르고 손쉽게 추가할 수 있습니다.
사용자화
필요에 따라 딥 러닝 모델 학습 및 추론에 GPU 구성을 사용하거나 머신 러닝에 CPU 기반 컴퓨팅을 사용할 수 있습니다.
저비용
IT 비용을 절감할 수 있습니다. 약 30달러(미화) 가격에 클라우드의 Tesla P100 GPU에서 하루에 하나의 모델을 실행할 수 있습니다.
사용 사례
딥 러닝을 위해 사전 구성된 Oracle 환경은 다양한 산업의 다양한 애플리케이션에서 유용하게 활용되고 있습니다.
자연어 처리
이미지 인식 및 분류
금융 서비스 사기 탐지
온라인 소매 업체를 위한 추천 엔진
위험 관리
데이터 사이언스 이미지 콘텐츠용 가상 머신
운영체제
- 이미지 제품군: Oracle Linux 7.x
- 운영체제: Oracle Linux
- 커널 버전: kernel-uek-4.14.35-1902.8.4.el7uek.x86_64
- CUDA 버전: 10-1-10.1.168-1
- cuDNN 버전: 7.3.1
- 배포일: 2019년 12월 19일
머신 러닝 프레임 워크(Python 기반)
- TensorFlow
- Keras
- Theano
- scikit-learn
- PyTorch
- NumPy
- Pandas
- Seaborn
IDE(통합 개발 환경) 및 Notebooks
- Anaconda 오픈 소스 배포
- Spyder
- PyCharm
- Atom
- Jupyter Notebook
- Sublime Text
실습이 포함됨
환경 테스트 또는 딥 러닝 및 데이터 사이언스 관련 학습을 원한다면, 셀프 가이드 지침이 기본으로 제공되는 Jupyter Notebooks로 시작해보세요. 가상 머신의 Jupyter Notebook에서 readme.md 파일을 열기 만하면 됩니다.
- 실습 1: 머신 러닝 패키지 소개: scikit-learn
scikit-learn 튜토리얼을 하나하나 자세히 짚어주고, scikit-learn에서 모델을 구축하고 튜닝하는 방법에 대해 알려줍니다. 실습이 포함되어 있습니다. - 실습 2: ML 패키지 소개: PyTorch
PyTorch 튜토리얼 및 비전 작업, 자연어 처리 및 관련 사용을 위해 PyTorch의 신경망에 모델을 구축하고 조정하는 방법을 다룹니다. - 실습 3: 자연어 처리를 위한 고급 신경망 및 전송 학습
원환형 및 반복 신경망에 대한 튜토리얼을 제공합니다. - 실습 4: 비전을 위한 고급 신경망 및 전송 학습
사용자 지정 CNN을 구현하는 방법과 사전 훈련된 최신 CNN 사용 방법을 학습할 수 있습니다.