用語集

クラウド・コンピューティング

AI/MLのためのクラウドコンピューティングのパワーをご覧ください！効率的なスケール、Ultralytics YOLO モデルの迅速なトレーニング、シームレスなコスト効率での展開。

クラウド・コンピューティングは、サーバー、ストレージ、データベース、ネットワーキング、ソフトウェア、分析、インテリジェンスなどのコンピューティング・サービスをインターネット上で提供する革新的な技術であり、しばしば「クラウド」と呼ばれる。このモデルは、ユーザーが利用するサービスに対してのみ料金を支払うことで、より迅速なイノベーション、柔軟なリソース、規模の経済を可能にする。基本的な機械学習（ML）の概念に精通している人にとって、クラウド・コンピューティングは、物理的なハードウェアに多額の先行投資をすることなく、モデルを開発、訓練、展開するための強力で利用しやすいプラットフォームを提供する。NIST（米国国立標準技術研究所）のような機関が定義しているように、運用コストを削減し、ニーズの変化に応じてインフラを効率的に拡張することができる。このアプローチは、現代の人工知能（AI）開発の中心となっている。

主要コンセプトとメリット

クラウド・コンピューティングは、リソース集約型のアプリケーションへのアクセスやデプロイを簡素化し、特にAIやMLのタスクに有益である。物理的なデータセンターを管理する代わりに、ユーザーはAmazon Web Services（AWS）、Google Cloud Platform（GCP）、Microsoft Azureなどの大手クラウドプロバイダーのオンデマンドテクノロジーサービスを活用することができます。主な利点は以下の通り：

スケーラビリティ：複雑なディープラーニング（DL）モデルのトレーニングや変動する推論トラフィックの処理など、MLワークロードの要求に応じてGPUや TPUなどのコンピューティングリソースを簡単に増減できます。
費用対効果：従量制の価格設定モデルにより、ハードウェアに多額の資本支出をする必要がなくなり、ユーザーは使用する計算時間とストレージの料金のみを支払うことができるため、モデルのトレーニングと展開にかかるコストを最適化することができます。
アクセシビリティ：インターネット接続さえあれば、どこからでも強力なコンピューティングリソースと専用ハードウェアにアクセスできる。 PyTorchまたは TensorFlow.
マネージドサービス：クラウドプロバイダーは、データベース、データストレージ（データレイク）、MLOpsパイプライン、モデルデプロイメントのマネージドサービスを提供し、開発チームの運用負担を軽減する。様々なデプロイメント・オプションがここに記載されている。

AI/MLアプリケーションにおけるクラウド・コンピューティング

クラウド・コンピューティングは、現代のAIやMLのワークフローの基本であり、必要なインフラやツールを提供する。ここに2つの例がある：

大規模モデルのトレーニング以下のような最先端のモデルのトレーニング Ultralytics YOLO のような最先端のモデルのトレーニングには、多くの場合、大きな計算能力と大規模なデータセット（COCOデータセットなど）が必要です。クラウドプラットフォームは、高性能GPUやTPUのクラスターへのアクセスを提供し、研究者やエンジニアが数週間から数ヶ月ではなく、数時間から数日で効率的にモデルをトレーニングすることを可能にします。Ultralytics HUBクラウドトレーニングのようなサービスは、インフラ管理を抽象化し、ユーザーはカスタムデータセットを使用したモデル開発に集中することができます。
スケーラブルなAIサービスの展開：MLモデルはいったん学習されると、新しいデータに対して予測を行うためにデプロイされる必要がある（推論）。クラウドプラットフォームはスケーラブルなホスティングソリューションを提供し、変動するリクエスト数に対応できるAPIとしてモデルをデプロイできる。例えば、ビデオストリームを分析するためのリアルタイムのオブジェクト検出サービスは、その基礎となる計算リソースを需要に基づいて自動的に拡張することができ、交通管理や小売分析などのアプリケーションの一貫したパフォーマンスを保証します。クラウド展開を活用した様々なUltralytics コンピュータビジョンソリューションをご覧ください。