Cloudera ha annunciato un ulteriore supporto per le principali tecnologie NVIDIA nei cloud pubblici e privati, per aiutare i clienti a costruire e distribuire in modo efficiente le migliori applicazioni di intelligenza artificiale. Questa nuova fase della collaborazione tecnologica di Cloudera con NVIDIA aggiunge capacità GPU multigenerazionali per l'ingegneria dei dati, l'apprendimento automatico e l'intelligenza artificiale nei cloud pubblici e privati:Accelerazione dei carichi di lavoro di AI e Machine Learning in Cloudera su cloud pubblico e on-premises grazie alle GPU NVIDIA Cloudera Machine Learning [2] (CML) è un servizio leader di Cloudera Data Platform che consente alle aziende di creare le proprie applicazioni di AI, sbloccando il potenziale dei Large Language Models (LLM) open-source e utilizzando i propri asset di dati proprietari per creare risposte sicure e contestualmente accurate. Il servizio CML ora supporta la GPU NVIDIA H100 all'avanguardia nei cloud pubblici e nei data center.

Questa accelerazione di nuova generazione potenzia la piattaforma dati di Cloudera, consentendo intuizioni più rapide e carichi di lavoro di AI generativa più efficienti. Ciò si traduce nella capacità di mettere a punto i modelli su dataset più grandi e di ospitare modelli più grandi in produzione. La sicurezza e la governance di livello enterprise di CML significa che le aziende possono sfruttare la potenza delle GPU NVIDIA senza compromettere la sicurezza dei dati.

Cloudera Data Engineering [3] (CDE) è un servizio di dati che consente agli utenti di costruire pipeline di dati affidabili e pronte per la produzione da sensori, social media, marketing, pagamenti, risorse umane, ERP, CRM o altri sistemi sull'open data lakehouse con sicurezza e governance integrate, orchestrate con Apache Airflow, un progetto open source per la costruzione di pipeline nel machine learning. Con l'integrazione di NVIDIA Spark RAPIDS in CDE, i carichi di lavoro di estrazione, trasformazione e caricamento (ETL) possono ora essere accelerati senza la necessità di rifattorizzare. Le applicazioni ETL Spark esistenti possono essere accelerate dalle GPU senza problemi con un fattore di 7x in generale e fino a 16x su query selezionate [4] rispetto alle CPU standard (sulla base di benchmark interni).

Questo permette ai clienti di NVIDIA di sfruttare le GPU nelle pipeline di elaborazione dati a monte, aumentando l'utilizzo di queste GPU e dimostrando un maggiore ritorno sugli investimenti.