Opérationnaliser le machine learning
- Rapport d’analyste
- PDF 503 KB
- 10
Présentation générale
À l’instar du DevOps pour le cycle de vie de développement du logiciel, le domaine émergeant du ML Ops vise à apporter agilité et vitesse au cycle de vie du ML. Une récente étude de Forrester, commissionnée par HPE et Intel, montre comment 98 % des organisations professionnelles qui investissent dans le ML Ops en escomptent un avantage concurrentiel. Parmi les participants à cette étude, 53 % s’attendent à ce que leurs investissements engendrent une hausse de rentabilité, et 49 % pensent progresser dans l’adoption des meilleures pratiques en matière de science des données et renforcer leurs compétences.
HPE fournit HPE Ezmeral ML Ops, une plateforme de classe entreprise, basée sur des conteneurs. La solution HPE Ezmeral ML Ops prend en charge toutes les étapes du cycle de vie du ML : préparation des données, création du modèle, entraînement du modèle, déploiement du modèle, collaboration et surveillance. HPE Ezmeral ML Ops est une solution complète de sciences de données offrant la flexibilité nécessaire pour s’exécuter sur site, dans plusieurs clouds publics ou dans un modèle hybride, et pour répondre aux besoins dynamiques de votre activité dans divers cas d’utilisation.
Intel :
Pour fournir des informations commerciales utilisant l’analyse en temps réel, les entreprises ont besoin d’une stratégie intégrale qui optimise chaque étape du cycle de vie des données — de l’intégration à l’archivage, d’un bout à l’autre de l’architecture, de l’edge au cloud. Le large portefeuille de technologies d’Intel, présenté dans un écosystème de solutions complet et fortement intégré, accélère les informations optimisées par les données. Les solutions fondées sur la technologie Intel® assurent les performances nécessaires pour traiter d’énormes quantités de données en mémoire, et apportent la flexibilité requise pour permettre une évolution horizontale et verticale fluide d’une infrastructure fiable et déjà connue.