A. 편향되거나 부정확한 데이터는 알고리즘이 바람직하지 않은 방식으로 작동하도록 가르칠 수 있습니다.

B. 개발자는 의사 결정권자가 머신 러닝의 가치를 인식하도록 하기 위해 고군분투합니다.

C. 인공 지능과 머신 러닝을 위한 모델은 아직 거의 없습니다.

D. 기업들이 머신러닝을 구현하기에 충분한 데이터가 없습니다.

A. HPE는 HPE 스토리지 솔루션을 보다 효율적으로 만들기 위해 중복 제거 및 압축을 위한 MapR의 Al 기반 알고리즘을 추가했습니다.

B. 고객은 밀도 최적화 HPE Apollo 서버에서 인공 지능(AI) 배포를 단순화하도록 설계된 MapR 소프트웨어 플랫폼을 얻을 수 있습니다.

C. HPE는 인공 지능 및 기계 학습에 대한 MapR 전문 지식의 이점을 고객에게 제공할 수 있습니다.

D. 슈퍼컴퓨팅을 위한 선도적인 하드웨어 제공업체인 MapR을 추가함으로써 HPE는 고객에게 보다 광범위한 HPC 포트폴리오를 제공할 수 있습니다.

A. HPE InfoSight에 내장된 인공 지능(AI) 기능을 노출합니다.

B. DevOps를 위한 컨테이너 런타임 환경을 제공하여 애플리케이션 개발 속도를 높입니다.

C. 고객이 선호하는 도구를 사용하여 환경을 추가로 오케스트레이션할 수 있습니다.

D. 고객이 다양한 워크로드에 대한 사일로를 설정하도록 지원하여 인프라를 더 쉽게 관리할 수 있습니다.

A. HPE Synergy는 모든 워크로드에 대한 요구 사항을 충족하도록 조정되는 단일 인프라를 제공합니다.

B. HPE Synergy는 HPE InfoSight의 예측 분석을 지원하여 IT가 각 워크로드에 사용할 컴퓨팅 모듈을 결정할 수 있도록 합니다.

C. HPE Synergy는 엔터프라이즈 환경의 미션 크리티컬 워크로드를 위한 고성능 컴퓨팅(HPC)을 지원합니다.

D. HPE Synergy는 고객의 가장 까다로운 워크로드에 대해 밀도 최적화된 스토리지 및 컴퓨팅을 제공하도록 설계되었습니다.

A. HPE Synergy에는 개발자가 IT의 도움 없이 컨테이너 플랫폼을 프로비저닝할 수 있는 셀프 서비스 카탈로그가 포함되어 있습니다.

B. HPE Synergy는 고객이 기존의 CI/CD(지속적 통합/지속적 배포) 도구를 종단 간 HPE Synergy 자동화 도구로 교체할 수 있도록 지원합니다.

C. HPE Synergy는 기존 또는 가상화된 워크로드가 아닌 컨테이너화된 워크로드를 실행하도록 특별히 설계되었습니다.

D. HPE Synergy는 고객이 Red Hat OpenShift Container Platform의 배포 시간을 며칠에서 몇 시간으로 단축하도록 지원합니다.