GridGain® Professional Edition 2.7 führt TensorFlow-Integration sowie Transparent Data Encryption im Ruhezustand ein und steigert Usability

Foster City Kalifornien/München – 13. Dezember 2018 – GridGain Systems, Anbieter von In-Memory-Computing-Lösungen auf Basis von Apache® Ignite?, kündigt heute die Verfügbarkeit seiner GridGain Professional Edition 2.7 an. GridGain Professional Edition 2.7 unterstützt Apache Ignite 2.7 und beinhaltet eine TensorFlow? Integration für ein verbessertes Training von Deep-Learning-Modellen. Zudem bietet die neue 2.7 Version eine optimierte Usability, inklusive erweitertem Support für Thin Clients. Die Sicherheit wird durch Transparent Data Encryption im Ruhezustand verbessert. Zusammen vereinfachen diese neuen Features die Nutzung der GridGain In-Memory-Computing-Plattform für zahlreiche Anwendungsszenarien, wie beispielsweise das Erreichen der hohen Geschwindigkeit und Skalierbarkeit, die für die Implementierung eines Continuous Learning Modells für die digitale Transformation nötig sind.

TensorFlow Integration für leistungsstarkes Training von Deep-Learning-Modelle

TensorFlow, ein beliebtes Open-Source Deep-Learning-Framework, ist eine Softwarebibliothek für leistungsstarke numerische Berechnungen. Seine flexible Architektur ermöglicht eine einfache Bereitstellung der Berechnung auf einer Vielzahl von Geräten und Plattformen (CPUs, GPUs, TPUs).

Die Integration von TensorFlow ermöglicht es GridGain-Anwendern, die mit GridGain gespeicherten Daten einfach mit TensorFlow zu verwenden. Als speicherinterne Datenquelle für TensorFlow können GridGain-Anwender das TensorFlow Deep-Learning-Framework für das Training von Deep-Learning-Modellen in Echtzeit nutzen, ohne dass ein eigener Datenspeicher für TensorFlow erforderlich ist.

GridGain Professional Edition 2.7 enthält zudem neue Preprocessing-APIs und zusätzliche Machine-Learning-Algorithmen. Die Algorithmen erleichtern es Unternehmen, die Leistungsfähigkeit von GridGain In-Memory-Computing-Funktionen auf mehr Machine-Learning-Anwendungsfälle wie Erkennung von Kreditkartenbetrug, Hypothekengenehmigungen oder E-Commerce-Produktempfehlungen anzuwenden.

Erweiterter Support von Programmiersprachen

GridGain Professional Edition 2.7 bietet ab sofort erweiterten Support für Thin Clients und unterstützt mehr Programmiersprachen, darunter Python, Node.JS, PHP, C++, .NET und Java. Der Support dieser Thin Clients erleichtert die Programmierung, da Anwender ihre bevorzugte Sprache verwenden können.

Transparent Data Encryption im Ruhezustand

GridGain Professional Edition 2.7 verfügt auch im Ruhezustand eine transparente Datenverschlüsselung. Die Verschlüsselung wird auf alle im GridGain Persistent Store gespeicherten Daten angewendet. Selbst wenn ein Cyberkrimineller in ein GridGain-Cluster eindringen würde, könnte er die Daten nicht im Klartext sehen.

„Unsere neueste Version der GridGain Professional Edition macht es deutlich einfacher Deep Learning mit TensorFlow zu nutzen“, sagt Terry Erisman, Vice President of Marketing bei GridGain Systems. „Außerdem ist GridGain ab sofort noch einfacher zu implementieren und zu sichern, so dass alle Anwender In-Memory-Computing mit der hohen Leistung und massiven Skalierbarkeit nutzen können, die sie für ihre Initiativen zur digitalen Transformation oder Omnichannel-Kundenansprache benötigen.“

  apache-ignite, continuous-learning, deep-learning, gridgain, gridgain-professional-edition-2-7, in-memory-computing, in-memory-computing-l-sung, machine-learning, tensorflow, thin-clients