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とは、コンピューティング・パワー、ストレージ、データベースなどのITリソースをインターネット上でオンデマンドで提供することである。 インターネット上で提供されるITリソースのことである。企業は、物理的なデータセンターやサーバーを購入、所有、維持する代わりに、以下のようなクラウド・プロバイダーから必要に応じてテクノロジー・サービスにアクセスすることができる。 のようなクラウド・プロバイダーから、必要に応じてテクノロジー・サービスを利用することができる。 アマゾン・ウェブ・サービス（AWS）、 や Google Cloudのようなクラウド・プロバイダーから、必要に応じてテクノロジー・サービスにアクセスできる。このパラダイムシフトにより、企業は以下のことが可能になる。 このパラダイムシフトにより、企業は資本的支出を変動的支出に置き換え、消費したリソースに対してのみ支払いを行うことができる。以下のような 人工知能 人工知能（AI）の実務家にとって、クラウド は、複雑なモデルの学習や膨大なデータの管理に必要なスケーラブルなインフラを、ローカル・ハードウェアの制約なしに提供する。 クラウドは、複雑なモデルの学習や膨大なデータの管理に必要なスケーラブルなインフラを提供する。

AIと機械学習におけるクラウドの役割

機械学習（ML）の急速な進歩は 機械学習（ML）の急速な進歩は、クラウド・コンピューティングの能力と本質的に結びついている。 クラウド・コンピューティングの能力と密接に結びついている。最先端のモデルの学習には膨大な計算能力が必要であり、多くの場合 高性能のクラスター グラフィック・プロセッシング・ユニット（GPU）や Tensor Processing Units (TPUs)の高性能クラスターを使用することが多い。クラウド プラットフォームは、このハードウェアへのアクセスを民主化し、開発者が強力なインスタンスをスピンアップすることを可能にします。 開発者は、このようなハードウェアへのアクセスを民主化し をスピンアップすることができます。

さらに、クラウドはデータ・セキュリティーと 堅牢なソリューションを提供しています。膨大な を処理することができます。 プロジェクトに必要な膨大なトレーニングデータを処理することができます。 ImageNetのようなスケーラブルなオブジェクト Amazon S3やGoogle Cloud Storageのような Google Cloud Storageのようなスケーラブルなオブジェクト・ストレージ・サービスによって効率化されます。

クラウド・コンピューティングにおけるサービス・モデル

クラウドサービスは通常、3つの主要なモデルに分類され、それぞれが異なるレベルの制御と管理を提供する。 管理を提供する：

• サービスとしてのインフラストラクチャー（IaaS）：仮想サーバーやネットワークなど 仮想サーバーやネットワークなど、コンピューティングの基本的な構成要素を提供。これは以下のような研究者にとって理想的である。 オペレーティング・システムやソフトウェア・スタックを完全に制御する必要がある研究者に最適。 ディープラーニング（DL）環境
• サービスとしてのプラットフォーム（PaaS）： 基盤となるインフラを管理する必要がなくなり、開発者はデプロイとコーディングに集中できる。 Google Vertex AIのようなサービスは、MLOのワークフローを簡素化する。 MLOps。
• サービスとしてのソフトウェア（SaaS）：完成したソフトウェア・アプリケーションを ソフトウェア・アプリケーションをインターネット経由で提供すること。今後発表されるUltralytics Platformはその代表例で、次のようなものを提供する。 のライフサイクルを管理する包括的な環境を提供する。 YOLO11モデルのライフサイクルを管理する包括的な環境を提供する。

実際のアプリケーション

クラウド・コンピューティングは、様々な業界においてAIソリューションをグローバルに拡張することを可能にする。

1. スマート農業：現代農業は 農作物の健康状態を監視するために農業AIを活用。 ドローンは高解像度の画像を撮影し、クラウドにアップロードされる。そこで 物体検出モデルが画像を処理して 害虫や病気を特定し、実用的な洞察を農家のタブレットに送り返す。
2. 医療診断医療診断 病院は安全なクラウド環境を活用し クラウド環境を活用し、患者のX線写真を匿名化して保存する。洗練されたアルゴリズムが クラウド上で医療画像解析を行い 放射線科医の異常検出を支援し、高い精度とHIPAAなどの規制への準拠を保証する。 HIPAA。

クラウド・コンピューティングとエッジ・コンピューティング

クラウド・コンピューティングとエッジ・コンピューティングを区別することは重要である。 エッジコンピューティングを区別することが重要である。クラウド・コンピューティングが遠く離れたデータセンター クラウド・コンピューティングが遠くのデータセンターに処理を集中させるのに対し、エッジ・コンピューティングは、IoTデバイスなどデータ・ソースに近い場所で計算を行う。 IoTデバイスのように。

• クラウドコンピューティング：重いトレーニングのワークロード、過去のデータ分析、ストレージに最適。クラウド・コンピューティングは 高いスケーラビリティを提供するが ネットワーク移動時間による推論遅延が発生する可能性がある。
• エッジコンピューティングミリ秒単位のリアルタイム推論に最適 ミリ秒単位のリアルタイム推論に最適 自律走行車など、ミリ秒単位が重要なリアルタイム推論に最適。 多くの場合、ハイブリッド・アプローチが使用され、モデルはクラウドでトレーニングされ、次のようなフォーマットを使用してエッジにデプロイされる。 ONNX.

例クラウドベースのモデルトレーニング

次のPython スニペットは、クラウドVM（仮想マシン）上でスクリプトを実行する典型的なワークフローを示しています。 を使用してYOLO11 ような計算量の多いモデルをトレーニングするためのスクリプトを実行する場合の典型的なワークフローを示しています。 Ultralytics Python パッケージを使用します。

from ultralytics import YOLO

# Load a YOLO11 model (n=nano size)
model = YOLO("yolo11n.pt")

# Train the model on the COCO8 dataset
# Cloud instances with GPUs accelerate this process significantly
results = model.train(
    data="coco8.yaml",  # dataset config
    epochs=100,  # number of training epochs
    imgsz=640,  # image size
    device=0,  # use the first GPU available
)

このプロセスは、GPU リソースを動的に割り当てるクラウドの能力を活用し、最適化アルゴリズムが効率的に収束することを保証します。 最適化アルゴリズムが効率的に収束することを保証します。 最適化アルゴリズムが効率的に収束することを保証します。