Cálculo seguro de datos para el entrenamiento de modelos de IA agroalimentaria

¿Interesado en este servicio? Contáctenos en agrifoodtef@udl.cat

Póngase en contacto con el proveedor de servicios
Cálculo seguro de datos para el entrenamiento de modelos de IA agroalimentaria

Vista general

Este servicio permite a las startups, investigadores y empresas de IA entrenar sus modelos de aprendizaje automático y aprendizaje profundo en conjuntos de datos agrícolas diversos y del mundo real sin tener que acceder a los datos en bruto. Al utilizar la arquitectura AgrospAI, los proveedores de datos (como las cooperativas agrícolas) conservan la soberanía total sobre su información confidencial. Los clientes implementan sus algoritmos en una sala de datos segura donde el entrenamiento ocurre localmente en nuestro clúster, produciendo solo los pesos del modelo entrenado. El servicio aprovecha el clúster AgrospAI (hasta 280 núcleos de CPU y 6 GPU con 288 GB de memoria total de GPU) para realizar tareas de entrenamiento pesadas, como visión por computadora para detección de plagas o análisis predictivo para rendimientos de cultivos. El entorno está en contenedores, lo que garantiza que los algoritmos propietarios del cliente estén protegidos al tiempo que evita cualquier extracción de los conjuntos de datos brutos del host.

Más sobre el servicio

¿Cómo puede ayudarle el servicio?

El cliente recibirá: Acceso a un entorno seguro y en contenedores para implementar sus scripts de capacitación. Acceso a GPU de gama alta para acelerar los ciclos de entrenamiento de aprendizaje profundo de semanas a horas. La capacidad de entrenar en conjuntos de datos exclusivos y multicooperativos que de otro modo serían legales o comercialmente inaccesibles. Con esto, el servicio resuelve: Estrangulamientos en materia de privacidad y soberanía de los datos: las cooperativas pueden monetizar o compartir el valor de sus datos sin correr el riesgo de fuga o copia de datos. Escasez de datos para el desarrollo de la IA: Las startups obtienen el volumen y la variedad de datos necesarios para crear modelos robustos. Limitaciones de la infraestructura: Los equipos de IA no necesitan invertir en granjas de GPU locales masivas para entrenarse en grandes conjuntos de datos agrícolas.

Cómo se entregará el servicio

El acceso de los clientes se concede a través del portal Pontus-X de Agrospai, donde los desarrolladores pueden presentar sus guiones de formación como contenedores Docker. Antes del acceso, al cliente se le proporcionarán las especificaciones del sistema de archivos y se le podrá proporcionar una plantilla con la que el contenedor interactuará. El acceso predeterminado dura una ventana de entrenamiento predefinida (por ejemplo, de 1 a 3 meses) basada en los requisitos computacionales. A lo largo del proceso de capacitación, se pueden integrar otros flujos de trabajo de capacitación (como métricas de evaluación comparativa) con un informe de rendimiento entregado al cliente al final de la ventana de capacitación.

Personalización del servicio

Estamos abiertos a ajustar el servicio a las expectativas del cliente, incluida la asignación de recursos específicos de GPU / CPU, la integración de métricas de benchmarking personalizadas durante el ciclo de capacitación y la facilitación de conexiones con proveedores de datos específicos dentro del ecosistema AgrospAI.
Sector
Cultivos herbáceos
Procesamiento de alimentos
Invernadero
Horticultura
Ganadería
Cultivos de árboles
Viticultura
Tipo de ensayo
Datos
Diseño / Documentación
Software o modelo de IA
Tipo de servicio
Entrenamiento de modelos de IA
País de entrega
País de entrega: España
Remoto Remoto
Prestador(es) de servicios:

Póngase en contacto

Rellena el formulario a continuación para contactar con el proveedor del servicio

Si está listo para solicitar este servicio, o si necesita más información antes de decidirse, no dude en ponerse en contacto con el proveedor del servicio.

Ellos le ayudarán con su consulta.

Your phone number
How would you like to access this service?
I have read and I agree with the AgrifoodTEF Privacy Policy