HPE ML Ops – управление полным циклом машинного обучения

--> Дата: Сен 18, 2019 34

Hewlett Packard Enterprise анонсировала программное контейнерное решение HPE ML Ops, предназначенное для поддержки полного жизненного цикла модели машинного обучения (МО) для локального размещения и облачного – публичного или гибридного. Новое решение представляет собой процесс, подобный DevOps, для стандартизации рабочих процессов машинного обучения и ускорения развертывания систем искусственного интеллекта с нескольких месяцев до нескольких дней.

HPE ML Ops расширяет возможности программной платформы BlueData EPIC, использующей программные контейнеры, тем самым предоставляя специалистам по интеллектуальному анализу данных доступ по запросу к контейнерным средам для работы с распределенным ИИ/МО и аналитикой. Компания BlueData была приобретена HPE в ноябре 2018 г., с тем чтобы улучшить портфель предложений в области ИИ, контейнерных приложений и аналитики, и таким образом дополнила решения продуктового подразделения HPE Hybrid IT и сервисного HPE Pointnext для внедрения ИИ на предприятиях.

Как отмечают в компании, самой большой проблемой, с которым сталкиваются технические специалисты при работе с ИИ, это «проблема последней мили» – практическое применение МО для развертывания и управления разработанными моделями и извлечения из них коммерческой выгоды. HPE ML Ops превращает все технологические инициативы, связанные с ИИ, из экспериментов и пилотных проектов в производственные и бизнес- процессы, охватывая весь жизненный цикл МО: от подготовки данных и построения моделей до обучения, развертывания, мониторинга и их взаимодействия.

Пользуясь HPE ML Ops, специалисты по обработке данных, участвующие в создании и развертывании моделей МО, могут получить преимущества комплексного решения для эксплуатации и управления жизненным циклом ИИ на предприятии, а именно:

Построение модели – предварительно подготовленные среды и самообслуживающиеся песочницы для тестирования инструментов МО и ведения записей об анализе данных;
Обучение модели – масштабируемая среды для обучения с безопасным доступом к данным;
Развертывание модели – гибкое и быстрое развертывание с функцией воспроизводимости;
Мониторинг модели – полноценный обзор всего жизненного цикла модели МО;
Взаимодействие – организация рабочих процессов непрерывной интеграции и доставки (CI/CD) с помощью репозиториев для кода, моделей и проектов;
Безопасность и контроль – безопасная многопользовательская среда с интеграцией в механизмы аутентификации предприятия;
Гибридное развертывание – поддержка локального размещения и облачного – публичного или гибридного.

Решение HPE ML Ops совместимо с широким спектром систем машинного и глубокого обучения с открытым исходным кодом, включая Keras, MXNet, PyTorch и TensorFlow, а также с коммерческими приложениями МО в рамках ПО партнерской экосистемы, в том числе на таких платформах, как Dataiku и H2O.ai.