您无需花时间在 DevOps 上，内置的集群启动器可以轻松设置集群。
新工作负载的可扩展性
众所周知，现代人工智能平台对计算资源的需求很大。在上面提 找到最佳模型通常 到的《计算的未来是分布式》一文中，我们指出 模型调整 是机器学习开发过程中的一个重要部分：
“你不会只训练一次模型。通常，模型的质量取决于各种超参数，例如层数、隐藏单元数和批处理大小。 各种超参数设置中进行搜索。这个过程称为超参数调整，成本可能非常高。” Ion Stoica
开发人员可以从多个
库中进行选择来调整模型。其中一个比较流 手机号码数据 行的工具是 调，一个基于 Ray 构建的可扩展超参数调优库。Tune 可在单个节点 或 集群上运行，并迅速成为该生态系统中最受欢迎的库之一。
强化学习 (RL) 是另一个值得强调的领域。最近关于 RL 的许多文章 有些违规行为可能很轻微 都涉及游戏玩法（Atari、围棋、多人视频游戏）或工业环境中的应用（例如数据中心效率）。但是，正如我们先前指出在推荐和个性化、模拟和优化、金融时间序列等领域出现了新兴应用， 公共政策。
强化学习需要大量计算，实现和扩展起来很复杂，因此许多开发人员只想使用库。Ray 提供了一个简单的、高度可扩展的库（远程图书馆)，多个组织的开发人员和机器学习工程师已经在生产中使用它。
专为团队设计的工具
随着公司开始使用和部署更多机器学习模型，开发团 列的 WhatsApp 号码 高度相 队将需要能够相互协作。他们将需要访问能够共享和发现的平台。在考虑机器学习平台时，请考虑模型开发和运营的关键阶段，并假设具有不同背景的团队将在每个阶段进行协作。