MACHINE LEARNING OPERATIONALISEREN OP ZAKELIJKE SCHAAL

HPE Ezmeral ML Ops standaardiseert processen en biedt een kant-en-klaar pakket met tools om machine learning-workflows te bouwen, trainen, implementeren en bewaken, zodat u DevOps-achtige snelheid en slagvaardigheid krijgt in elke fase van de ML-levenscyclus.

+ meer weergeven
HPE GreenLake voor ML Ops
Modelbouw
Bekijk de video: HPE Ezmeral machine learning ops
Kant-en-klare zelfservice-sandboxomgevingen

Versnel in rap tempo omgevingen met de datawetenschapstools van uw voorkeur voor het verkennen van allerlei databronnen binnen het bedrijf. Experimenteer tegelijkertijd met meerdere frameworks voor machine learning of deep learning en kies het beste model voor de zakelijke problemen die u moet aanpakken.

Modeltraining
Bekijk de demo: Bouw en train een model
Gecontaineriseerde omgevingen met een enkele node of gedistribueerde multinode

Zelfservice-omgevingen op aanvraag voor ontwikkeling en test- of productieworkloads. Krachtig presterende trainingsomgevingen met scheiding van computing en storage, die veilige toegang bieden tot gedeelde bedrijfsdatabronnen in storage op locatie of in de cloud.

Implementatie en bewaking van modellen
Bekijk de demo: Implementeer het model
Implementeren op containers met volledige zichtbaarheid van de complete ML-pijplijn

Implementeer het runtime image van het model (Python, R, H2O etc.) op een gecontaineriseerde endpoint. Met het modelregister volgt u de modelversies en werkt u modellen waar nodig naadloos bij. Beschik over volledige zichtbaarheid in het bronnengebruik van de runtime. Volg, meet en rapporteer modelprestaties en bewaar en inspecteer de input en output voor elk scoringsverzoek. Integraties met software van derde partijen rapporteren over de nauwkeurigheid en interpreteerbaarheid van het model

Samenwerking
Bekijk de demo: Projectopslagplaats configureren
CI/CD. A/B-testen en kanarietesten

HPE Ezmeral ML Ops maakt bronnencontrole mogelijk met out-of-the-box-integratietools, zoals GitHub. Bewaar meerdere modellen (meerdere versies met metadata) voor verschillende runtime-engines in het modellenregister. Voer A/B-testen of kanarietesten uit om voorafgaand aan grootschalige implementatie het model te valideren. Een geïntegreerd projectenregister maakt samenwerking eenvoudiger, biedt lijnvolging en verbetert de controleerbaarheid.

Beveiliging en controle
Multitenancy en data-isolatie op gedeelde infrastructuur en databronnen

Maak gebruik van multitenancy en data-isolatie voor een logische scheiding tussen elk project, elke groep en elke afdeling in de organisatie. Het platform kan geïntegreerd worden met beveiligings- en authenticatiemechanismen voor bedrijven, zoals LDAP, Active Directory en Kerberos.

Hybride implementatie
Klaar voor hybrid cloud

Voer de HPE Ezmeral ML Ops-software op locatie uit op elke infrastructuur, in meerdere publieke clouds (Amazon® Web Services, Google® Cloud Platform of Microsoft® Azure) of in een hybride model en zorg voor een effectief gebruik van bronnen en lagere operationele kosten.

  • 53%
    hogere rendabiliteitForrester%3A%20Operationalize%20Machine%20Learning%2C%20juni%202020
  • 52%
    betere klantervaringForrester%3A%20Operationalize%20Machine%20Learning%2C%20juni%202020
  • 49%
    betere adoptie van de best practices voor datawetenschapForrester%3A%20Operationalize%20Machine%20Learning%2C%20juni%202020

TECHNISCHE VIDEO'S OVER HPE ML OPS

PRODUCTGEGEVENS HPE EZMERAL ML OPS

HPE Ezmeral ML Ops overwint de laatste uitdagingen met een platform dat een met de cloud vergelijkbare ervaring levert in combinatie met een kant-en-klaar pakket tools om de levenscyclus van machine learning van de testfase tot de productie te operationaliseren.

+ meer weergeven
HPE Ezmeral ML Ops

Een softwareoplossing die de mogelijkheden van HPE Ezmeral Runtime Enterprise uitbreidt tot de volledige ML-levenscyclus door DevOps-achtige processen voor het standaardiseren en versnellen van machine learning-workflows te implementeren, waardoor datawetenschappers met één klik gedistribueerde AI/ML-omgevingen kunnen implementeren en veilige toegang krijgen tot de data die ze nodig hebben.

SUCCESS IN ACTION
Optum logo

ADVISORY BOARD (OPTUM) USES HPE EZMERAL TO ACCELERATE BUSINESS OUTCOMES WITH AI AND ML IN THE ENTERPRISE

Advisory Board (Optum) deploys predictive analytics and machine learning on big data using the container-based platform from HPE Ezmeral. Learn how they streamlined operations and cut costs while enhancing patient care in U.S. hospitals.

Uitdaging

Helping hospitals across the US translate their big data into actionable insights that deliver business value.

Oplossing

Deployment of distributed ML and analytics applications and for the separation of compute and memory from storage.

“HPE Ezmeral has helped us to address these challenges with their containerized solution that has delivered faster time-to-insights, reduced our costs, and freed up our staff to innovate. It’s paying big dividends for our organization, and we look forward to continuing our journey together.”

Ramesh Thyagarajan, Executive Director, Advisory Board (Optum)

Resultaat

Data-driven insights needed to improve operational efficiency, reduce infrastructure costs, and enhance patient care. 

Watch the Video