HPE EZMERAL ML OPS

Une solution de ML Ops qui vous permet de concevoir, d’entraîner et déployer des modèles avec la rapidité et l’agilité de DevOps afin d’opérationnaliser le cycle de vie du machine learning et d’accélérer vos charges de travail

Sortie de HPE Ezmeral Runtime et HPE Ezmeral ML Ops 5.4

Parcourir le blog pour les dernières annonces Parcourir le blog pour les dernières annonces

Présentation générale

Détails du produit

Formations à la demande

Regarder la démo interactive

Écrire à l’équipe commerciale

Entretien de vente en ligne

OPÉRATIONNALISER LE MACHINE LEARNING À L’ÉCHELLE DE L’ENTREPRISE

HPE Ezmeral ML Ops normalise les processus et fournit un jeu d’outils intégré pour concevoir, entraîner, déployer et surveiller les workflows de machine learning afin de vous faire bénéficier de la rapidité et de l’agilité de DevOps à tous les stades du cycle de vie du ML.

Création de modèle
Entraînement de modèle ML
Déploiement et surveillance de modèle
Collaboration

Création de modèle

Environnements sandbox prépackagés en libre-service

Créez rapidement des environnements en utilisant vos propres outils de science de données. Explorez les diverses sources de données de l’entreprise tout en expérimentant plusieurs frameworks de machine learning ou de deep learning afin de déterminer le modèle le plus adapté aux problèmes à traiter.

Regarder la vidéo : HPE Ezmeral Machine Learning Ops

HPE Ezmeral en accès anticipé

HPE Ezmeral en accès anticipé permet aux développeurs d’essayer de nouveaux produits avant leur sortie et d’acquérir une expérience pratique de leurs nouvelles fonctions et capacités.

Entraînement de modèle ML

Environnements conteneurisés à un seul nœud ou à plusieurs nœuds distribués

Des environnements en libre-service accessibles à la demande, pour des charges de travail de développement et test ou de production. Des environnements d’apprentissage hautes performances qui dissocient les capacités de calcul et de stockage et offrent un accès sécurisé aux sources de données partagées de l’entreprise, qu’elles soient sur site ou stockées sur le cloud.

Regarder la vidéo : Créer et entraîner un modèle

Architecture mutualisée et isolation des données pour l’infrastructure et les sources de données partagées

Appuyez-vous sur l’architecture mutualisée et sur l’isolation des données pour établir une séparation logique entre les différents projets, groupes ou départements de l’entreprise. La plateforme s’intègre aux mécanismes de sécurité et d’authentification de l’entreprise, comme LDAP, Active Directory et Kerberos.

Déploiement et surveillance de modèle

Déployer dans des conteneurs avec une visibilité complète sur le pipeline ML

Déployez l’image du runtime du modèle (Python, R, H2O, etc.) sur un point de terminaison conteneurisé. Grâce au registre de modèles, suivez les versions du modèle et mettez-le facilement à jour lorsque c’est nécessaire. Profitez d’une visibilité complète sur l’utilisation des ressources d’exécution. Assurez le suivi, la mesure et le rapport des performances des modèles. Enregistrez et vérifiez les données en entrée et en sortie pour chaque demande d’évaluation. Des intégrations avec des logiciels tiers assurent la justesse et l’interprétabilité des modèles.

Regarder la vidéo : Déployer le modèle

Prêt pour le cloud hybride

Exécutez le logiciel HPE Ezmeral ML Ops où vous le souhaitez : dans l’infrastructure sur site de votre choix, sur différents clouds publics (Amazon® Web Services, Google® Cloud Platform ou Microsoft® Azure) ou selon un modèle hybride, pour une utilisation optimale des ressources et une réduction des coûts opérationnels.

Collaboration

CI/CD. Test A/B et test canary

HPE Ezmeral ML Ops assure un contrôle de la source à l’aide d’outils d’intégration prêts à l’emploi comme GitHub. Stockez plusieurs modèles (plusieurs versions avec des métadonnées) pour divers moteurs de runtime dans le registre de modèles. Effectuez des tests A/B ou Canary afin de valider le modèle avant de le déployer à grande échelle. Un référentiel de projet intégré qui facilite la collaboration et assure un suivi du lignage afin d’améliorer l’auditabilité du modèle.

Regarder la vidéo : Configurer un référentiel de projet

53 %

d’accroissement de la rentabilitéForrester%26nbsp%3B%3A%20Op%C3%A9rationnaliser%20le%20machine%20learning%2C%20juin%26nbsp%3B2020
52 %

d’amélioration de l’expérience clientForrester%26nbsp%3B%3A%20Op%C3%A9rationnaliser%20le%20machine%20learning%2C%20juin%26nbsp%3B2020
49 %

d’amélioration de l’adoption des meilleures pratiques de science des donnéesForrester%26nbsp%3B%3A%20Op%C3%A9rationnaliser%20le%20machine%20learning%2C%20juin%26nbsp%3B2020

Opérationnaliser le machine learning

Forrester a mené une enquête en ligne pour comprendre les difficultés liées au machine learning et découvrir comment exploiter ML Ops pour déployer cette technologie à l’échelle de l’entreprise.

Lire le rapport Forrester

VIDÉOS TECHNIQUES SUR HPE ML OPS

Créer et entraîner un modèle avec HPE ML Ops

Déployer le modèle avec HPE ML Ops

Configurer un référentiel de projet dans HPE ML Ops

HPE Ezmeral ML Ops : présentation du cycle de vie complet du machine learning

« Nos jeux en ligne génèrent des milliards de points de données chaque jour. Grâce à des modèles ML complexes, nos data scientists effectuent des analyses prescriptives sur ces données afin d’améliorer l’expérience, la valeur de durée de vie et la fidélité de nos joueurs. Les logiciels HPE Ezmeral nous permettent de conteneuriser ces environnements de ML et d’analyse afin de gagner en efficacité opérationnelle et d’optimiser nos activités. »

Alex Ryabov, responsable des services de données, Wargaming
Partager

« En tant qu’entreprise de santé, nous disposons de grandes quantités de données, mais nos équipes de data scientists avaient du mal à y accéder et à opérationnaliser leur pipeline d’analyse et de machine learning. HPE Ezmeral nous a aidés à relever ces défis grâce à sa solution conteneurisée, qui nous a permis d’extraire des informations plus rapidement, de réduire nos coûts et de dégager du temps pour innover. Les bénéfices pour notre organisation sont importants, et nous souhaitons poursuivre cette collaboration. »

Ramesh Thyagarajan, directeur général, The Advisory Board Company (Optum)
Partager

« Alors que la plupart des entreprises parviennent à accélérer les phases de création et d’apprentissage de leurs projets IA/ML, elles peinent à opérationnaliser le cycle de vie complet du ML — de la démonstration de faisabilité au pilote, puis au déploiement et à la surveillance de la production. HPE comble cette lacune en intégrant le cycle de vie complet du ML dans une solution conteneurisée indépendante de la plateforme et capable de prendre en charge les diverses exigences opérationnelles du ML, d’accélérer l’extraction d’informations et d’optimiser la performance de l’entreprise. »
Ritu Jyoti, vice-président des programmes, Stratégies d’IA chez IDC
Partager

PRÉSENTATION DÉTAILLÉE DE HPE EZMERAL ML OPS

HPE Ezmeral ML Ops aide les entreprises à surmonter les défis du dernier kilomètre via une plateforme associant expérience cloud et outils packagés, afin d’opérationnaliser le cycle de vie du machine learning depuis le projet pilote jusqu’à la production.

HPE Ezmeral ML Ops

Une solution logicielle qui étend les fonctionnalités de HPE Ezmeral Runtime Enterprise à la gestion intégrale du cycle de vie du ML en implémentant des processus de type DevOps pour normaliser et accélérer les workflows de machine learning. Les équipes de data scientists bénéficient notamment du déploiement en un clic pour les environnements IA/ML distribués et d’un accès sécurisé aux données dont elles ont besoin.

Lire la présentation de solution

Explorer les informations

Opérationnaliser le machine learning

Ce webinaire organisé par des experts de HPE et de Forrester Research présente les principaux enjeux technologiques et organisationnels qui influent sur la réussite des projets de machine learning (ML).

Regarder le webinaire

Apprenez à maîtriser HPE Ezmeral ML Ops en suivant des formations à la demande qui vous apporteront les connaissances de base en intelligence artificielle (IA) et en machine learning (ML) ainsi qu’une expérience technique pratique. On estime que seulement 20 % des projets de ML finissent par être mis en production. Alors formez-vous aux concepts de base de l’IA et du ML et intégrez le fonctionnement des algorithmes.

Élaborer des projets de machine learning

Cette formation vous familiarise avec les aspects les plus importants de l’élaboration d’un plan de projet de machine learning. Elle présente un processus en six étapes que vous pourrez reproduire pour tout workflow de machine learning.

Introduction à l’intelligence artificielle et au machine learning

Cette formation vous initie aux concepts de base de l’IA et du ML ainsi qu’au fonctionnement des algorithmes.

Découvrir toutes les formations à la demande sur HPE Ezmeral

Découvrez de nombreux cours concernant la plateforme HPE Ezmeral, y compris Zero Trust et sécurité des données, IA et ML, Apache Spark et SQL Analytics, Kubernetes et applications d’état et bien plus encore.