Machine Learning mit Notebooks und dem iPad Pro

Das iPad und vor allen Dingen das iPad Pro inkl. einer Tastatur machen schon einen richtig kleinen Rechner. Dank einer großen Auswahl qualitativ hochwertiger Apps lassen sich damit auch so mache Anwendungsfälle bearbeiten, bei denen man nicht zuerst an einen Tablet-Computer denkt. Die Rede ist von Machine Learning Anwendungen. In hatte an gleicher Stelle bereits einen Überblick über die verschiedenen Optionen und Möglichkeiten des iPads berichtet, wenn es um das Zusammenspiel mit Cloud-Anwendungen geht. 

Besonders einfach lässt sich explorativ mit Daten über Jupyter Notebooks arbeiten. Liegen die Daten eh schon in S3, bietet sich der Betrieb eines Jupyter Servers in Amazons Web Service an. Seit November letzten Jahres bietet AWS mit SageMaker einen noch einfacherern Zugang zu gemanageten Jupyter Notebooks inkl. einer kompletten Modelltrainings- und Deployment-Pipeline an. Starten lassen sich die Jupyter Notebooks ganz einfach mit einem gültigen AWS Account und über die Management Konsole von SageMaker.

Für den Zugriff wird lediglich eine entsprechende Nutzerrolle benötigt, welche auch auf den eigenen S3-Bucket Zugriff haben sollte. Darüber hinaus lässt sich die geünschte EC2-Instanz auswählen. Beim kleinsten Modell gewährt Amazon großzügigen Startrabatt. In den ersten 2 Monaten nach der Aktivierung des Dienstes können 250h der t2.medium-Instanz (2 vCPUs, 4GB RAM) kostenlos genutzt werden. Danach rechnet AWS minutengenau mit 0,05 USD oder 0,041 EUR die Stunde ab. Wer größere Instanzen benötigt bekommt auch GPU-basierte Instanz-Typen wie eine p3.16xlarge für stolze 37,016 USD oder 30 EUR die Stunde. Dann aber auch mit 8 Tesla V100 GPUs, 128GB GPU RAM, 64GB vCPUs und satten 488GB RAM. 

Nach dem Start des Servers findet man sich mit Hilfe von „open“ im gewohnten Jupyter Notebook Web UI wieder. Noch schicker, komfortabler und schneller lässt sich mit dem iPad Jupyter-Client Juno (im AppStore für 16,99 €) auf den so gestartetem Server zugreifen.

Und das ist noch nicht das Ende. Wie sich mit SageMaker Modelle und Dienste deployen lassen, soll Thema einer der nächsten Blog-Beiträge werden.

Schreibe einen Kommentar


(required)

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.