OPERATIONALISIERUNG DES MASCHINELLEN LERNENS IM ENTERPRISE-MASSSTAB
HPE Ezmeral ML Ops standardisiert Prozesse und bietet vorkonfektionierte Tools zum Entwickeln, Trainieren, Implementieren sowie Überwachen von Maschinenlern-Workflows mit DevOps-ähnlicher Geschwindigkeit und Agilität in jeder Phase des ML-Lebenszyklus.
- Erstellung von Modellen
- Modelltraining
- Implementierung und Monitoring von Modellen
- Zusammenarbeit
Komplette Self-Service-Sandbox-Umgebungen
Stellen Sie in kürzester Zeit Umgebungen mit Ihren bevorzugten Data-Science-Tools bereit, um eine Vielzahl an Datenquellen im Unternehmen zu untersuchen und gleichzeitig mit verschiedenen Frameworks für maschinelles Lernen oder Deep Learning zu experimentieren. So können Sie das am besten geeignete Modell für die zu lösenden Geschäftsprobleme wählen.
HPE Ezmeral Early Access ermöglicht es Entwicklern, neue Produkte vor ihrer Veröffentlichung auszuprobieren und praktische Erfahrungen mit neuen Funktionen und Möglichkeiten zu sammeln.
Single-Node- oder verteilte Multi-Node-Containerumgebungen
Self-Service-Umgebungen on demand für Entwicklung und Tests oder Produktionsworkloads. Extrem leistungsfähige Trainingsumgebungen, in der Datenverarbeitung und Speicherung getrennt sind und die sicher auf gemeinsame Datenquellen vor Ort im Unternehmen oder im Cloudspeicher zugreifen können.
Stellen Sie durch Multi-Tenancy und Datenisolation die logische Trennung zwischen einzelnen Projekten, Gruppen oder Abteilungen im Unternehmen sicher. Die Plattform lässt sich mit den Authentifizierungs- und Sicherheitsmechanismen von Unternehmen integrieren, z. B. LDAP, Active Directory und Kerberos.
Implementierung in Containern mit umfassendem Einblick in die gesamte ML-Pipeline
Implementieren Sie das Runtime-Image des Modells (Python, R, H2O usw.) an einem containerisierten Endpunkt. Mit der Modell-Registry können Modellversionen nachverfolgt und Modelle bei Bedarf nahtlos aktualisiert werden. Sie erhalten vollständigen Einblick in die Runtime-Ressourcennutzung. Verfolgen, messen und dokumentieren Sie die Modellleistung. Speichern und prüfen Sie außerdem Einträge und Ergebnisse für jede Auswertungsanfrage. Durch Integrationen mit Software von Drittanbietern lassen sich Berichte über die Genauigkeit und Interpretierbarkeit von Modellen erstellen.
HPE Ezmeral ML Ops kann in einer On-Premises-Umgebung in jeder beliebigen Infrastruktur, in verschiedenen Public Clouds (Amazon® Web Services, Google® Cloud Platform oder Microsoft® Azure) oder in einem Hybrid-Modell ausgeführt werden. So lassen sich die Ressourcen effizient nutzen und die Betriebskosten senken.
CI/CD. A/B- und Canary-Tests
HPE Ezmeral ML Ops ermöglicht die Kontrolle von Quellen mit sofort einsatzfähigen Integrationstools wie GitHub. Speichern Sie mehrere Modelle (mehrere Versionen mit Metadaten) für verschiedene Runtime Engines in der Modell-Registry. Validieren Sie das Modell durch A/B- oder Canary-Tests vor einem umfangreichen Deployment. Ein integriertes Projekt-Repository vereinfacht die Zusammenarbeit und ermöglicht Lineage Tracking für eine bessere Auditierbarkeit.
- 53 %höhere Profitabilität
Forrester%3A%20Operationalisierung%20des%20maschinellen%20Lernens%2C%20Juni%202020 - 52 %besseres Kundenerlebnis
Forrester%3A%20Operationalisierung%20des%20maschinellen%20Lernens%2C%20Juni%202020 - 49 %bessere Umsetzung von Best Practices für Data Science
Forrester%3A%20Operationalisierung%20des%20maschinellen%20Lernens%2C%20Juni%202020
HPE EZMERAL ML OPS – PRODUKTDETAILS
HPE Ezmeral ML Ops bewältigt die „letzte Meile“ mithilfe einer Plattform, die eine Cloud-ähnliche Erfahrung in Kombination mit vorgefertigten Tools bietet, um den Lebenszyklus des maschinellen Lernens zu operationalisieren – vom Pilotprojekt bis zur Produktionsumgebung.
Eine Software-Lösung, die den Funktionsumfang von HPE Ezmeral Runtime Enterprise zur Unterstützung des gesamten ML-Lebenszyklus erweitert. Durch Implementierung DevOps-ähnlicher Prozesse zur Standardisierung und Beschleunigung von Maschinenlern-Workflows, erhalten Data Science-Teams die Möglichkeit, mit einem Klick Bereitstellungen für verteilte KI-/ML-Umgebungen vorzunehmen und sicher auf die von ihnen benötigten Daten zuzugreifen.
ML OPS ON-DEMAND LERNEN
Lernen Sie HPE Ezmeral ML Ops in On-demand-Kursen kennen, die grundlegende Kenntnisse über künstliche Intelligenz (KI), maschinelles Lernen (ML) und praktische technische Erfahrung vermitteln. Nur rund 20 % der ML-Projekte werden in einer Produktionsumgebung umgesetzt. Lernen Sie daher die Grundkonzepte von KI und ML und die Funktionsweise von Lernalgorithmen kennen.