I Millennials e il business
21 Febbraio 2018
Big Data: gli oracoli dell’impresa
27 Febbraio 2018

Si sta avvicinando l’inizio della prossima stagione del campionato di F1 e si prevede una competizione con il più alto tasso di tecnologia nel settore automotive. Allo stesso modo, ancora più avvincente, è la corsa tra i top vendor del cloud. Una sfida fatta di tassi di crescita e soprattutto di innovazioni tecnologiche che vanno a differenziare i diversi player del mercato.
Il settore del cloud ha, complessivamente, un tasso di crescita in doppia cifra ed è passato dalla fase della promessa a quella del consolidamento e della crescita. La spesa mondiale per servizi e infrastrutture cloud pubblici, infatti, dovrebbe raggiungere i 160 miliardi di dollari nel 2018, con un aumento del 23,2% rispetto al 2017, secondo l’ultimo aggiornamento dell’International Data Corporation (IDC). Per questo si può parlare di una vera e propria Cloud Race.
La mia posizione privilegiata di direttore tecnico dell’area Cloud di Injenia, Premier Partner Google Cloud, mi consente di osservare da vicino uno dei protagonisti di questa competizione, Google, che ha annunciato recentemente di aver superato l’obiettivo del B$ di fatturato sul quarter.

 

Google Cloud punta su Machine Learning, Big Data e Infrastructure

Questo è il primo di tre articoli in cui passerò in rassegna le aree che compongono l’offerta complessiva di Google in ambiti di servizi cloud, partendo da quello su cui il colosso di Mountain View ha impostato la propria leadership: il Machine Learning (ML), per poi addentrarmi nell’area Data Platform e Infrastructure.

Machine Learning, Data Platform e Infrastructure saranno anche i temi che andremo ad approfondire, a Bologna il 7/03 e a Padova il 28/03, durante Google OnBoard, una giornata di formazione tecnica per scoprire le potenzialità della Google Cloud Platform attraverso presentazioni e immersive demo. Partecipare a Google OnBoard sarà come assistere a un GP dal paddock. Visita la pagina dell’evento per saperne di più e iscriverti.

Per rimanere in tema automobilistico, queste tre aree possono, a loro volta, essere paragonate alle parti principali delle autovetture di F1: il ML è come l’aerodinamica, la Data Platform il motore e l’Infrastructure il telaio. Dove il ML traina tutta la filiera dai dati all’infrastruttura.

 

Machine Learning: la punta di diamante della scuderia Google

In questo primo pit-stop mi addentrerò nell’ambito del ML. Come nella F1 l’aerodinamica è diventata uno degli elementi fondamentali per la realizzazione di una monoposto vincente rivoluzionando le tecniche di progettazione delle macchine, così il ML, in particolare il Deep Learning basato sull’utilizzo di reti neurali multistrato, può essere considerato un acceleratore per il business in grado di valorizzare i dati, automatizzare i processi e le decisioni.

Le soluzioni Google sono volte a garantire una maggiore autonomia nell’implementazione delle tecnologie di ML grazie a un approccio volto a svilupparne la facilità d’uso e la loro adozione. In quest’ottica, Google afferma la propria leadership, ottenuta da un’alta densità di ricerca ed innovazione in questo settore grazie alla creazione di un team dedicato, il Google Brain.

TensorFlow raduna la più grande ML community open source

In questa direzione, Google ha sviluppato soluzioni volte a garantire maggiore facilità d’uso di questi strumenti come ad esempio TensorFlow, la piattaforma software open source per l’apprendimento automatico che promuove la più grande comunità di sviluppatori al mondo, facendone il framework più utilizzato a livello internazionale.

Machine Learning Engine: Il ML con tutta la potenza dell’infrastruttura Google

Per rendere questi strumenti sempre più accessibili ha rilasciato, nel corso dello scorso anno, Machine Learning Engine, un servizio col quale è possibile addestrare modelli ad hoc utilizzando TensorFlow sull’infrastruttura gestita da Google, così da non dover più preoccuparsi degli aspetti infrastrutturali.

Auto ML, rende l’AI accessibile

Un nuovo set di servizi, che impatterà significativamente nell’adozione del ML nelle aziende, è Auto ML, creato per aiutare i clienti con esperienza limitata nell’ambito a formare i propri modelli personalizzati. Consentirà quindi di costruire algoritmi basati sul ML senza conoscere l’architettura della rete neurale che lo implementa

Tensor Processing Unit abbatte il time-to-market

Oltre agli aspetti di software e gestione, Google ha presentato uno specifico hardware, la Tensor Processing Unit, progettato ad hoc per i calcoli necessari all’addestramento delle reti. Ciascuno di questi processori è in grado di erogare la potenza di 180 TFlops (180 mila miliardi di operazioni al secondo), riducendo da settimane ad ore il tempo necessario per i più pesanti task. Il risultato è una drastica riduzione del time-to-market per queste applicazioni fortemente orientate al business.

Nel prossimo articolo andremo nel cuore del bolide Google Cloud e approfondiremo Data Platform, il motore del data driven business. Nel frattempo non perdere l’occasione di scoprire di più sulle tecnologie di ML, all’evento Google OnBoard, a Bologna il 7/03 e a Padova il 28/03.

Alessandro Chiarini – Direttore Cloud Computing & Innovation, Injenia Srl linkedin

Rimani aggiornato sulla digital trasformation, non perdere i prossimi Inthinking

Iscriviti alla newsletter!

Privacy *
Leggi l'informativa sulla privacy
13Shares
Link rapidi Google Partner: Link rapidi Trasformazione Digitale: Link rapidi Rivenditore Google: Link rapidi Cloud Platform:
mostra link

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fonire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o clicchi su "Accetta" permetti al loro utilizzo.

Chiudi