Hewlett Packard Enterprise (HPE) анонсировала программное контейнерное решение HPE ML Ops, созданное 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 (ИИ) с нескольких месяцев до нескольких дней.
Новое решение 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 года, чтобы улучшить свой 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.
За последние четыре года внедрение ИИ в корпорациях выросло более чем вдвое, и организации продолжают инвестировать значительные средства и время в создание моделей машинного и глубокого обучения для широкого спектра применений ИИ, таких как обнаружение мошеннических действий, персонализированная медицина и прогнозная аналитика поведения потребителей. Однако самым большим вызовом, с которым сталкиваются технические специалисты, известным также как «проблема последней мили» — является практическое применение МО для успешного развертывания и управления разработанными моделями и извлечения из них коммерческой выгоды. По данным аналитиков Gartner, к 2021 году, как минимум 50% проектов по МО не будут развернуты полностью из-за недостатков в их практическом применении .
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.
«Только работающие модели машинного обучения приносят бизнесу коммерческую выгоду, — считает Кумар Сриканти (Kumar Sreekanti), старший вице-президент и технический директор подразделения Hybrid IT в HPE. — А благодаря HPE ML Ops мы предоставляем единственное решение корпоративного класса, позволяющее реализовать полный жизненный цикл машинного обучения для локального размещения и гибридного облака. Мы привносим скорость и гибкость работы DevOps в МО, обеспечивая более быстрое и экономически эффективное использование ИИ на предприятии».
«От розничной торговли до банковского дела, от производства до здравоохранения и не только — практически все отрасли внедряют или исследуют ИИ/МО для разработки инновационных продуктов и услуг ради получения конкурентного преимущества. Пока большинство предприятий сосредотачивают усилия на фазах построения и обучения своих проектов в области ИИ/МО, они борются за практическое применение полного жизненного цикла МО — от концепции, к пилотному проекту, развёртыванию в продуктивной системе и мониторингу, — сказал Риту Джйоти (Ritu Jyoti), вице-президент программы стратегии искусственного интеллекта в IDC. — HPE восполняет этот пробел, предлагая мультиплатформенное решение для всего жизненного цикла МО на основе технологии контейнеров, предназначенное для поддержки ряда эксплуатационных требований МО, ускорения получения результатов и достижения превосходных результатов в бизнесе».
Пользуясь HPE ML Ops, специалисты по обработке данных, участвующие в создании и развертывании моделей МО, могут ощутить на себе преимущества наиболее комплексного в отрасли решения для эксплуатации и управления жизненным циклом ИИ на предприятии:
- 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.
Решение HPE ML Ops доступно уже сейчас по подписке, наряду с другими услугами HPE Pointnext и службой поддержки.