El uso de grandes nubes públicas para ML como AWS no sólo es complejo, sino también muy caro.
Presentamos Q Blocks: Una forma inteligente y rentable de entrenar, ajustar y desplegar tus modelos de ML.
En el ámbito del aprendizaje automático, existen tres áreas principales en las que se requiere una gran cantidad de computación basada en GPU:
- Entrenar un modelo,
- Ajustar un modelo preentrenado
- Acceder/consumir un modelo de código abierto como servicio
En la actualidad, los desarrolladores recurren a grandes nubes públicas como AWS para alquilar GPU.
El coste de alquilar GPU de AWS es muy elevado y, además, necesitan invertir en el aprendizaje de habilidades como MLOps para configurar estas instancias de GPU y gestionarlas a escala. Esto conlleva una pérdida de tiempo y añade mucha frustración a la vida de un desarrollador.
Hemos descubierto que existe una forma inteligente de abordar este problema. Resulta que hay muchas GPU ociosas e infrautilizadas entre los jugadores y los equipos de minería de criptomonedas que pueden optimizarse para el aprendizaje automático.
Y esto es lo mejor: Este enfoque innovador de utilizar las GPU infrautilizadas de mineros de criptomonedas y jugadores puede reducir los costes hasta en un 80%. Con este método hemos ayudado a nuestros usuarios a ahorrar más de 2 millones de dólares.
Disponemos de instancias de GPU Nvidia de última generación en configuraciones de una o varias GPU para ayudarle a entrenar y desplegar modelos ML pequeños y grandes.
Colaboración
- Empresapatrocinadora de orodel Hackathon SomosNLP 2023
