イノベーションにかかる時間を短縮使用方法： AI リソースのプール化、キューイング、優先付けのメカニズムをネットアップストレージシステムと組み合わせることで、インフラ管理の面倒な作業から研究者を排除し、データサイエンスに専念させることができます。実行： AI とネットアップのお客様は、コンピューティングやデータパイプラインのボトルネックを発生させることなく、必要な数のワークロードを実行することで生産性を向上できます。

チームの生産性の向上。実行： AI 公正性アルゴリズムは、すべてのユーザとチームが公平なリソースを獲得できることを保証します。優先度の高いプロジェクトを中心としたポリシーをあらかじめ設定しておくことで、あるユーザチームから別のユーザチームへリソースを動的に割り当てることができ、ユーザが切望された GPU リソースにタイムリーにアクセスできるようになります。

GPU 利用率の向上：Run ： AI スケジューラを使用すると、 Kubernetes での分散トレーニング用に、フラクショナルな GPU 、整数型 GPU 、複数の GPU ノードを簡単に利用できます。このように、 AI ワークロードは容量ではなくニーズに基づいて実行されます。データサイエンスチームは、 1 つのインフラでより多くの AI 実験を実行できるようになりました。