Elastic ^® te permite aplicar el aprendizaje automático (ML) que sea apropiado para tu caso de uso y nivel de experiencia en ML. Tienes múltiples opciones:

1. Aproveche los modelos que vienen integrados. Además de los modelos que se enfocan en amenazas de seguridad específicas y tipos de problemas del sistema en nuestra solución de seguridad y observabilidad, puede usar nuestro modelo patentado Codificador disperso de aprendizaje elástico listo para usar, así como una identificación de idioma, útil si está trabajando con Datos de texto en inglés.
2. Acceda a modelos PyTorch de terceros desde cualquier lugar, incluido el centro de modelos HuggingFace.
3. Cargue un modelo que haya entrenado usted mismo, principalmente transformadores de NLP en este punto.

El uso de modelos integrados le brinda valor desde el primer momento, sin requerir ninguna experiencia de ML de su parte, sin embargo, tiene la flexibilidad de probar diferentes modelos y determinar cuál funciona mejor con sus datos.

Diseñamos nuestra gestión de modelos para que sea escalable en múltiples nodos en un clúster, al mismo tiempo que garantizamos un buen rendimiento de inferencia para cargas de trabajo de alto rendimiento y baja latencia. Esto se debe en parte al empoderar las canalizaciones de ingesta para ejecutar la inferencia y al usar nodos dedicados para la inferencia del modelo computacionalmente exigente, durante la fase de ingesta, así como el análisis y la búsqueda de datos. 

Continúe leyendo para obtener más información sobre la biblioteca de Eland que le permite cargar modelos en Elastic y cómo funciona para los diversos tipos de aprendizaje automático que puede usar en Elasticsearch ®, desde los ^modelos más recientes de procesamiento de lenguaje natural y transformador (NLP) hasta el árbol potenciado. modelos de regresión.

Más información Elastic.