第3章 テクノロジープレビュー機能

分散ワークロードにより、データサイエンティストは複数のクラスターノードを並行して使用して、より高速かつ効率的なデータ処理とモデルトレーニングを行うことができます。CodeFlare フレームワークは、タスクのオーケストレーションと監視を簡素化し、高度な GPU サポートによる自動リソーススケーリングと最適なノード利用のためのシームレスな統合を提供します。

データサイエンティスト向けに設計された CodeFlare フレームワークは、Jupyter Notebook または Python コードから直接ワークロード設定を可能にし、導入の障壁を低くし、合理化された中断のないワークフローを保証します。ワークロードを分散すると、タスクの完了時間が大幅に短縮され、より大規模なデータセットとより複雑なモデルの使用が可能になります。分散ワークロード機能は現在、Red Hat OpenShift AI 2.8 でテクノロジープレビュー機能として利用可能です。この機能は OpenShift AI 2.4 で初めて導入されました。

Red Hat OpenShift AI には、code-server ノートブックイメージが含まれるようになりました。詳細は、GitHub の code-server を参照してください。

code-server ワークベンチイメージを使用すると、さまざまなエクステンションを使用して新しい言語、テーマ、デバッガーを追加したり、追加サービスに接続したりして、ワークベンチ環境をカスタマイズできます。構文の強調表示、自動インデント、括弧の一致により、データサイエンス作業の効率も向上します。