HPE Machine Learning (ML) Ops

Продукт
Разработчики: Hewlett Packard Enterprise (HPE)
Дата премьеры системы: 2019/09/10
Отрасли: Информационные технологии
Технологии: PLM - Управление жизненным циклом изделия

2019: Анонс программного контейнерного решения HPE ML Ops

10 сентября 2019 года компания 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 облачногопубличного или гибридного. 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.

Со слов разработчика, 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.

Как отметили в HPE, за 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.

Согласно заявлению разработчика, HPE ML Ops превращает 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. А благодаря HPE ML Ops мы предоставляем 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»,

отметил Кумар Сриканти (Kumar Sreekanti), старший вице-президент и технический директор подразделения Hybrid IT в HPE
»

«
«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. 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 высоких результатов в бизнесе»,

отметил Риту Джйоти (Ritu Jyoti), вице-президент программы стратегии искусственного интеллекта в IDC
»

«
«Наши онлайн-игры генерируют миллиарды точек данных (data points) каждый день. Применяя сложные модели МО, наши специалисты по интеллектуальному анализу данных используют эту информацию для предписывающей аналитики, чтобы улучшить игровой опыт и повысить лояльность наших игроков. С помощью программного обеспечения HPE BlueData мы контейнеризируем эти аналитические и МО среды, чтобы увеличить операционную эффективность и оптимизировать наш бизнес»,

отметил Алекс Рябов (Alex Ryabov), руководитель службы обработки данных в Wargaming
»

HPE Machine Learning (ML) Ops

Согласно заявлению HPE, пользуясь решением HPE ML Ops, специалисты по обработке данных, участвующие в создании и развертывании моделей МО, могут ощутить возможности 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, утверждают в HPE. По данным на сентябрь 2019 года решение HPE ML Ops уже доступно по подписке.



СМ. ТАКЖЕ (1)


Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров

За всю историю
2021 год
2022 год
2023 год
Текущий год

  АСКОН (1, 2)
  Top Systems (Топ Системы) (1, 1)
  Аппиус (Appius) (1, 1)
  Онланта (1, 1)
  Другие (0, 0)

  Dassault Systemes (1, 1)
  Top Systems (Топ Системы) (1, 1)
  Другие (0, 0)