AWS v/s Google v/s Azure: Bulut Savaşını kim kazanacak?

Bu pandeminin ortasında, daha hızlı teknolojik ilerlemeler sağlamada bize benzeri görülmemiş bir esneklik sağlayan şey , çeşitli yetkin bulut bilişim sistemlerinin mevcudiyetidir . Uygulamalar, işleme ve depolama için isteğe bağlı bilgi işlem hizmetleri sunmaktan, şimdi genel bulut sağlayıcılarından en iyi şekilde yararlanmanın zamanı geldi. Dahası, kolay ölçeklenebilirlik ile coğrafi kısıtlamalar da yoktur.

Makine Öğrenimi sistemleri, açık kaynaklı olduklarından ve işletmeler için artan satın alınabilirlik ile artık her zamankinden daha fazla erişilebilir olduklarından, onlar tarafından süresiz olarak desteklenebilir. Aslında, genel bulut sağlayıcıları, Makine Öğrenimi modelleri oluşturma konusunda giderek daha fazla yardımcı oluyor. Öyleyse, bizim için ortaya çıkan soru şudur - bunları dağıtım için de kullanma olasılıkları nelerdir?

Dağıtımdan ne anlamalıyız?

Model oluşturma, herhangi bir ürünü tasarlama sürecine çok benzer. Fikir oluşturma ve veri hazırlamadan prototip oluşturmaya ve test etmeye kadar. Dağıtım temel olarak tüm sürecin eyleme geçirilebilir noktasıdır; bu, önceden eğitilmiş modeli kullandığımız ve tahminlerini otomatik, tekrarlanabilir ve denetlenebilir bir şekilde kullanıcılara veya diğer sistemlere sunduğumuz anlamına gelir.

Birçok bulut sağlayıcısı özelleştirilmiş ve özel ML yığınları oluşturmuş olsa da, şirket içi sunucu hizmetleri ve daha hızlı dağıtım yapmanıza olanak tanıyan hazır ve güvenli bir ortam sağlayan Heroku vardır. Bununla birlikte, bulut sağlayıcılarının toplu olarak karşılaştığı zorluklar vardır.

Zorluklar nelerdir?

• Dağıtım zor!

Genel inanışın aksine, yalnızca kod dağıtmıyorsunuz, aynı zamanda özünde, çeşitli departmanlar arasında çeşitli biçimlerde hareket eden, model değiştikçe değişen verileri dağıtıyorsunuz ve sistemde bir ton hareketli değişken var. buna karşı savunmasız olabilir.

• homojenlik yok

Uçtan uca ML uygulamaları genellikle farklı programlama dillerinde yazılmış bileşenlerle doludur. Bir programlama dilinin seçimi kullanım durumuna bağlıdır ve Python, R, Scala veya başka herhangi bir dil farklı modeller oluşturmak için kullanılabilir.

• ML dağıtımları tek parça değildir

Makine öğrenimi modeli dağıtımları, mutlaka kendi kendine yeten çözümler değildir. Genellikle çeşitli iş uygulamalarına gömülür veya entegre edilirler.

• Test ve doğrulama ağrı noktaları

Veri değişiklikleri, yöntemlerin iyileştirdiği veya yazılım bağımlılıklarının değiştiği modeller için bir evrim süreciyle sonuçlanır. Böyle bir değişiklik her gerçekleştiğinde, model performansının yeniden doğrulanması gerekir.

• Serbest bırakma stratejilerinin karmaşıklığı

Kullanım durumuna bağlı olarak, makine öğrenimi modellerinin normal yazılım uygulamalarından daha sık güncellenmesi gerekir.

• Veri güvenliği sorunları

Verilerin savunmasız bir kaynak olmasıyla birlikte, bulut sağlayıcılarının açık kaynaklı doğası bazı kaşları yükseltiyor. Birçok bankacılık sektörü şirketi, veri güvenliği sorunları nedeniyle bulutu kullanma konusunda endişeli.

En iyi üç yarışmacı

Bulut pazarındaki en büyük üç rakip olan AWS, Google Cloud ve Microsoft Azure, en iyi seçimi yapmak için birkaç önemli parametre üzerinde karşılaştırılabilir.

Kaynak

AWS

Gartner'ın Magic Quadrant raporuna göre AWS, hem vizyon hem de yürütme yeteneği açısından en üst sırada yer alıyor. Bunu böyle yapan şey, AWS'nin, önceden makine öğrenimi deneyimi olmayanlar bile tüm geliştiricilere olanak sağlayan araçlar ve hizmetler sunarak yapay zekayı gerçekten demokratikleştirme yaklaşımıdır. Fiyatlandırma bir genel ücrete değil kullanıma dayalı olduğundan, küçük işletmeler için bile caziptir. Ek olarak, üçüncü taraf entegrasyonları için esneklik, özelleştirme ve destek için çok fazla alan vardır.

Kaynak

Google Bulut

Google, yapay zekayı herkes için erişilebilir hale getirmeye kararlıdır. Google, AI/ML araçlarını açık kaynak olarak kullanıyor ve mühendisler, araştırmalarını herkesin erişebilmesi için aktif olarak ortaya koyuyor. Siber güvenlik, Google'ın iş sorunlarını çözmek için AI/ML kullandığı kritik bir alandır.

Alphabet'in (Google'ın ana şirketi) bir yan kuruluşu olan Chronicle, Google'ın AI/ML uzmanlığından yararlanmaya ve birinci sınıf bir güvenlik analizi çözümü geliştirmek için neredeyse sınırsız bilgi işlem gücü sağlamaya hazır. Diğer Google hizmetleriyle kolayca entegre edilebilir. Google Cloud'un sunduğu gerçekten büyük bir maliyet tasarrufu sağlayan indirim, SUD'ler veya Uzun Süreli Kullanım İndirimleridir. Bunlar, kişinin platformu kullandığı süre boyunca Google Cloud Platform'un sağladığı otomatik indirimlerdir.

Kaynak

Microsoft Azure

Genel bir bulut olarak, Microsoft Azure hizmetleri, hiçbir kullanıcının onu kullanmak için herhangi bir donanım veya yazılım satın almasına gerek kalmamasını sağlar. Azure Machine Learning, klasik ML'den derin öğrenmeye, denetimli ve denetimsiz her türlü makine öğrenimi için kullanılabilir. Python veya R kodu veya sıfır kod/düşük kod seçenekleri dahil çoğu dil desteklenir. En büyük artı noktası, yılda 4,38 saatten daha az garantili arıza süresi ile hızıdır.

Kaynak

Karşılaştırmalı çalışma: AWS, Google Cloud ve Microsoft Azure

Aşağıdaki dört parametrede ne kadar iyi performans gösterdiklerini görelim.

• Kullanım kolaylığı ve öğrenme eğrisi

Bu şirketler arasındaki ilerleme farkı, yatırım düzeyi ve bilgi edinmedeki başarısızlık/başarılarıyla ölçülebilir. Dik bir öğrenme eğrisi, endüstrinin benimsenmesinde yavaşlamaya neden olur ve kullanıcı deneyimine sağladığı kolaylık ile doğru orantılıdır.

Kaynak

• Endüstrinin benimsenmesi

Aşağıda görebileceğiniz gibi, çeşitli küçük ve büyük işletmeler tarafından benimsenmelerini ölçmek söz konusu olduğunda, AWS pazar payını büyük ölçüde devralmıştır. Bu pazara ilk girenlerden biri olmasına yardımcı oluyor. Kullanım istatistikleri, ne kadar kolay kullanılabileceğinin yanı sıra, kullanıcıların dağıtım aşamasına ne kadar hızlı ulaşmalarına izin verdiklerinin bir göstergesi ve tutarlılıklarının bir kanıtıdır.

Kaynak

Müşteriler bulutlardan hangisini kullanacaklarını düşündükçe, sunduklarını anlamak için Google'da arama yapma olasılıkları da artıyor. Google Analytics'e göre, Amazon Web hizmetleri için Google araması açısından popülaritesinin sürekli olarak yüksek olduğu açıkça görülüyor. Ne kadar çok aranırsa, yaygın olarak kullanılması o kadar olasıdır.

Bir kuruluşun, ürün dağıtımını olabildiğince sorunsuz hale getirmek için birden çok bulut sağlayıcısı kullanma seçeneği vardır. Ayrıca, 'satıcı kilitlenmesinden' kaçınmak için kuruluşlar, iş sorunlarını mümkün olduğunca fazla esneklikle çözmek için farklı bulut sağlayıcıları kullanıyor. Yakın tarihli RightScale 2019 Bulut Durumu, örneklem boyutlarının %84'ünün çoklu bulut stratejisini benimsediğini gösteriyor.

Kaynak

• Bulut Altyapısı

Başlıca genel bulut sağlayıcıları, paylaşılan çok kiracılı sunuculara dayalı hizmetler sunar. Öngörülemeyen değişiklikleri hesaplamak ve işlemek için gereken kapasite muazzamdır ve farklı sunucular arasında kullanıcı talebini optimize etmeye ihtiyaç vardır. Sunucusuz modellerin popülaritesi artıyor olsa da, hala işlenmesi gereken yüksek yoğunlukta iş var.

Kaynak

Buradaki popüler bir geliştirici topluluğu olan Stack Overflow'a göre, üç bulut sisteminin kullanım payını, bir ayda aldıkları soru yüzdesine dayalı kalıp analizleriyle ölçebiliriz.

Kaynak

• fiyatlandırma

Düşük maliyet, start-up'ların da bulut hizmetlerini benimsemesini sağlar. Bir başlangıç ​​için tüm süreçler sıfırdan oluşturulmalıdır. Genel bulut bilişimin onlar için yapabilecekleri, fiyatlandırmaya yatırım yapmak için gereken sermayenin, uzun vadeli bir yatırımcı bulana kadar yönetilebilmesi anlamında olağanüstü. Projenin kalitesinden taviz verilmeyebilir. Aşağıdaki senaryoların her biri için saatlik isteğe bağlı fiyatı ve ardından her biri için GB RAM başına saatlik fiyatı görebilirsiniz.

Kaynak

Bulutlar nasıl yardımcı olabilir?

AWS, GCP, Heroku, Azure ve IBM bulut gibi büyük bulut bilişim sistemleri, tüm veri adayları ve makine öğrenimi modellerini keşfetmek ve bunları verimli bir şekilde devreye almak isteyen sınırlı finansmana sahip şirketler için güvenli bir sığınak sağlıyor. Bu sistemlerin işletilmesi ucuzdur.

Saatte ortalama birkaç dolar ödeyerek neredeyse anında kendi makine öğrenimi uygulamanızı kullanabilirsiniz! Genel bulutlar ayrıca ucuz veri depolama sağlar. Verilerin makine öğrenimi etkin uygulamalara girişi olarak gerçek veritabanlarından veya depolama sistemlerinden yararlanabilirsiniz.

Hepsi, makine öğrenimi işlevselliğini doğrudan uygulamalara yerleştirmeye olanak tanıyan yazılım geliştirici kitleri (SDK'ler) ve uygulama programı arabirimleri (API'ler) sağlar ve çoğu programlama dilini destekler. Makine öğrenimi teknolojisinin gerçek değeri, uygulamaların içinden kullanılmasıdır, çünkü yapılan tahmin türleri daha çok işlem ve işlem odaklıdır.

Ancak, bulutlar deneme aşamasında biraz maliyetli olabileceğinden, şirketlerin hem yerinde hem de bulutu dikkate alması iyi bir strateji olacaktır. Bulutların ayrıca Kubernetes, Dockers, Tf vb. gibi açık kaynaklı araçların üzerinde oluşturulmuş kendi araçları vardır. Popüler bir Google ürünü olan Kubernetes, uygulamaların dağıtımını, ölçeklenmesini ve yönetimini otomatikleştirmek için açık kaynaklı bir sistemdir, ancak GCP'de diğer sağlayıcı platformlarından daha iyi çalışır. Her şeyden önce, kişinin kendisi için en iyi bulut hizmetini seçmesi için hangi araçları kullanmak için donanımlı olduğunu bilmek kritik olacaktır.

Kaynaklar:

https://searchcloudcomputing.techtarget.com/definition/cloud-infrastructure#:~:text=Cloud%20infrastructure%20refers%20to%20the,of%20a%20cloud%20computing%20model.

https://www.leadingedgetech.co.uk/it-services/it-consultancy-services/cloud-computing/what-are-the-types-of-cloud-computing/

https://www.networkworld.com/article/3015121/think-you-can-skip-over-the-cloud-learning-curve-think-again.html

https://cio. economictimes.indiatimes.com/news/strategy-and-management/the-learning-curve-effect-why-cios-need-to-look-beyond-the-cloud-economies-of-scale/ 71813724

https://docs.microsoft.com/en-us/azure/machine-learning/overview-what-is-azure-ml

https://www.kdnuggets.com/2014/11/microsoft-azure-machine-learning.html

https://sada.com/blog/google-cloud/gcp-vs-aws-why-gcp-better-option-2019/

https://www.forbes.com/sites/moorinsights/2020/03/04/surprise-aws-leads-in-cloud-ai-services-ranking/#6f1ca29b5ff7

https://www.kdnuggets.com/2020/02/deploy-machine-learning-model.html

https://www.cbronline.com/news/aws-vs-azure-vs-gcp

https://www.business2community.com/cloud-computing/aws-vs-google-cloud-vs-azure-what-one-is-the-best-for-your-business-02180217

https://kinsta.com/blog/google-cloud-vs-aws/

https://vianalabs.com/aws-vs-azure-vs-google-cloud-what-is-best-for-me/

https://www.altexsoft.com/blog/datascience/comparing-machine-learning-as-a-service-amazon-microsoft-azure-google-cloud-ai-ibm-watson/

https://medium.com/@jaychapel/google-cloud-platform-vs-aws-is-the-answer-obvious-maybe-not-c85623f7d86e#:~:text=When%20it%20comes%20to%20Google, pazar%20paylaşım%20of%20tüm%20üç.

https://www.flexera.com/blog/cloud/aws-vs-azure-vs-google-cloud-pricing-compute-instances/

https://www.cloudhealthtech.com/blog/aws-vs-azure-vs-google