Hewlett Packard Enterprise (HPE) анонсувала програмне контейнерне рішення HPE ML Ops для підтримки повного життєвого циклу моделі машинного навчання
Hewlett Packard Enterprise (HPE) анонсувала програмне контейнерне рішення HPE ML Ops для підтримки повного життєвого циклу моделі машинного навчання
Hewlett Packard Enterprise (HPE) анонсувала програмне контейнерне рішення HPE ML Ops, створене для підтримки повного життєвого циклу моделі машинного навчання (МО) для локального розміщення та хмарного – публічного чи гібридного. Нове рішення являє собою процес, подібний до DevOps, для стандартизації робочих процесів машинного навчання та прискорення розгортання систем штучного інтелекту (ІІ) з кількох місяців до кількох днів.
Нове рішення HPE ML Ops розширює можливості програмної платформи BlueData EPIC, що використовує програмні контейнери, тим самим надаючи фахівцям з інтелектуального аналізу даних доступ на запит до контейнерних середовищ для роботи з розподіленим ІІ/МО та аналітикою. Компанія BlueData була придбана HPE у листопаді 2018 року, щоб покращити свій портфель пропозицій у галузі ІІ, контейнерних додатків та аналітики і таким чином доповнила рішення продуктового підрозділу HPE Hybrid IT та сервісного HPE Pointnext для впровадження ІІ на підприємствах.
За останні чотири роки впровадження ІІ в корпораціях зросло більш ніж удвічі, і організації продовжують інвестувати значні кошти та час у створення моделей машинного та глибокого навчання для широкого спектру застосувань ІІ, таких як виявлення шахрайських дій, персоналізована медицина та прогнозна аналітика поведінки споживачів . Однак найбільшим викликом, з яким стикаються технічні фахівці, відомим також як «проблема останньої милі» є практичне застосування МО для успішного розгортання і управління розробленими моделями та вилучення з них комерційної вигоди. За даними аналітиків Gartner, до 2021 року, як мінімум 50% проектів з МО не будуть розгорнуті повністю через недоліки в їх практичному застосуванні.
HPE ML Ops перетворює всі технологічні ініціативи, пов'язані з ІІ, з експериментів та пілотних проектів на виробничі та бізнес-процеси, охоплюючи весь життєвий цикл МО: від підготовки даних та побудови моделей до навчання, розгортання, моніторингу та їх взаємодії.
/p>
«Тільки працюючі моделі машинного навчання приносять бізнесу комерційну вигоду», – сказав старший віце-президент і технічний директор підрозділу Hybrid IT в HPE. – А завдяки HPE ML Ops ми надаємо єдине рішення корпоративного класу, що дозволяє реалізувати повний життєвий цикл машинного навчання для локального розміщення та гібридної хмари. Ми привносимо швидкість та гнучкість роботи DevOps у МО, забезпечуючи швидше та економічно ефективніше використання ІІ на підприємстві».
«Від роздрібної торгівлі до банківської справи, від виробництва до охорони здоров'я і не лише – практично всі галузі впроваджують або досліджують ІІ/МО для розробки інноваційних продуктів та послуг задля отримання конкурентної переваги. Поки більшість підприємств зосереджують зусилля на фазах побудови та навчання своїх проектів у галузі ІІ/МО, вони борються за практичне застосування повного життєвого циклу МО – від концепції до пілотного проекту, розгортання у продуктивній системі та моніторингу, – сказав віце-президент програми стратегії штучного інтелекту в IDC. – HPE заповнює цю прогалину, пропонуючи мультиплатформне рішення для всього життєвого циклу МО на основі технології контейнерів, призначене для підтримки низки експлуатаційних вимог МО, прискорення отримання результатів та досягнення чудових результатів у бізнесі».
Користуючись HPE ML Ops, фахівці з обробки даних, які беруть участь у створенні та розгортанні моделей МО, можуть відчути на собі переваги найбільш комплексного в галузі рішення для експлуатації та управління життєвим циклом ІІ на підприємстві.
Побудова моделі: попередньо підготовлені середовища та самообслуговуються пісочниці для тестування інструментів МО та ведення записів про аналіз даних.
Навчання моделі: масштабоване середовище для навчання з безпечним доступом до даних.
Розгортання моделі: гнучке та швидке розгортання з функцією відтворюваності.
Моніторинг моделі: повноцінний огляд всього життєвого циклу моделі МО.
Взаємодія: організація робочих процесів безперервної інтеграції та доставки (CI/CD) за допомогою репозиторіїв для коду, моделей та проектів.
Безпека та контроль: безпечне розраховане на багато користувачів середовище з інтеграцією в механізми автентифікації підприємства.
Гібридне розгортання: підтримка локального розміщення та хмарного – публічного чи гібридного.
Рішення HPE ML Ops сумісне з широким спектром систем машинного та глибокого навчання з відкритим вихідним кодом, включаючи Keras, MXNet, PyTorch і TensorFlow, а також з комерційними програмами МО в рамках ПЗ партнерської екосистеми, у тому числі на таких платформах, як Dataiku та H2O.ai.
