Whitepaper 'FinOps e gerenciamento de custos para Kubernetes'
O OptScale está totalmente disponível como uma solução de código aberto no Apache 2.0 em GitHub
Ebook 'De FinOps a estratégias comprovadas de gerenciamento e otimização de custos de nuvem'

In-depth analysis of performance metrics for ML model training profiling

Melhore o algoritmo para maximizar a utilização de recursos de treinamento de ML/IA e o resultado dos experimentos
ML-AI performance profiling
ML-model-training-tracking-and-profiling-OptScale

Rastreamento e perfil de treinamento de modelo ML/AI, métricas de desempenho internas/externas

ML-AI-optimization-recommendations-OptScale

Recomendações granulares de otimização de ML/IA

Hystax-OptScale-runsets-ML-model-training-simulation

Runsets para identificar os resultados de treinamento do modelo ML/AI mais eficientes 

Spark integration

Integração do Spark

Rastreamento e criação de perfil de treinamento de modelo ML/AI, coleta de métricas de desempenho interno e externo

OptScale profiles machine learning models and analyzes internal and external metrics deeply to identify training issues and bottlenecks.

ML/AI model training is a complex process that depends on a defined hyperparameter set, hardware, or cloud resource usage. OptScale improves ML/AI profiling process by getting optimal performance and helps reach the best outcome of ML/AI experiments.

OptScale-performance-profiling-inside-outside-metrics-analysis
ML model training tracking & profiling inside outside metrics OptScale

Recomendações granulares de otimização de ML/IA

OptScale provides full transparency across the whole ML/AI model training and teams process and captures ML/AI metrics and KPI tracking, which help identify complex issues in ML/AI training jobs.

To improve the performance OptScale users get tangible recommendations such as utilizing Reserved/Spot instances and Saving Plans, rightsizing and instance family migration, detecting CPU/IO, IOPS inconsistencies that can be caused by data transformations, practical usage of cross-regional traffic, avoiding Spark executors’ idle state, running comparison based on the segment duration.

Runsets para identificar os resultados de treinamento do modelo ML/AI mais eficientes com um conjunto de hiperparâmetros e orçamento definidos

OptScale enables ML/AI engineers to run many training jobs based on a pre-defined budget, different hyperparameters, and hardware (leveraging Reserved/Spot instances) to reveal the best and most efficient outcome for your ML/AI model training.

runsets to identify efficient ML-AI model training results
Spark-integration-with-OptScale

Integração do Spark

OptScale supports Spark to make Spark ML/AI task profiling process more efficient and transparent. A set of OptScale recommendations, delivered to users after profiling ML/AI models, includes avoiding Spark executors’ idle state.

Plataformas suportadas

aws
google cloud platform
Alibaba Cloud Logo
Kubernetes
kubeflow
TensorFlow
spark-apache

Novidades e Relatórios

FinOps e MLOps

Uma descrição completa do OptScale como uma plataforma de código aberto FinOps e MLOps para executar a otimização de custos de nuvem em vários cenários e garantir a criação de perfil e otimização de ML/AI

FinOps, otimização de custos de nuvem e segurança

Conheça nossas melhores práticas: 

  • Como liberar IPs elásticos no Amazon EC2
  • Detectar VMs do MS Azure interrompidas incorretamente
  • E insights muito mais profundos

De FinOps a estratégias comprovadas de gerenciamento e otimização de custos de nuvem

Este ebook aborda a implementação de princípios básicos de FinOps para lançar luz sobre formas alternativas de conduzir a otimização de custos na nuvem