Operationalisierung des maschinellen Lernens
- Analystenbericht
- PDF 503 KB
- 10
Übersicht
ML Ops ist ein neues Konzept, das für Agilität und Schnelligkeit im ML-Lebenszyklus sorgen soll – vergleichbar mit DevOps im Software Development Lifecycle. Eine kürzlich von Forrester im Auftrag von HPE und Intel durchgeführte Studie zeigt, dass 98 % der Unternehmen, die in ML Ops investieren, überzeugt sind, dass sie von einem Wettbewerbsvorteil profitieren werden. Die Teilnehmer an dieser Studie erwarten, dass ihre Investitionen zu einerum 53 % höheren Rentabilität und einer um 49 % besseren Anwendung von Best Practices für Data-Science sowie besseren Kenntnissen in diesem Bereich führen werden.
Mit HPE Ezmeral ML Ops stellt HPE eine containerbasierte Plattform der Enterprise-Klasse für MLOps bereit. HPE Ezmeral ML Ops unterstützt alle Phasen des ML-Lebenszyklus – Datenaufbereitung, Modellerstellung, Modelltraining, Modellbereitstellung, Zusammenarbeit und Überwachung. HPE Ezmeral ML Ops ist eine End-to-End-Lösung für Data-Science mit der Flexibilität, Workloads in On-Premises-Umgebungen, in mehreren Public Clouds oder in einem Hybrid-Modell auszuführen und auf dynamische Geschäftsanforderungen in einer Vielzahl von Anwendungsfällen zu reagieren.
Intel:
Um mit Echtzeitanalysen geschäftsrelevante Erkenntnisse zu gewinnen, benötigen Unternehmen eine End-to-End-Strategie, die jede Phase des Datenlebenszyklus optimiert – von der Erfassung bis zur Archivierung sowie in der gesamten Architektur von Edge bis Cloud. Das breite Portfolio der Technologien von Intel, die in den Lösungen eines umfassenden, in hohem Maße integrierten Partnernetzwerks eingesetzt werden, beschleunigt datengestützte Erkenntnisse. Lösungen auf der Basis von Intel®-Technologie bieten die nötige Leistung für die Verarbeitung enormer Datenmengen im Hauptspeicher und die erforderliche Flexibilität für die nahtlose Skalierung in einer Infrastruktur, die Sie kennen und auf die Sie vertrauen.