In modo molto simile a ciò che avviene con lo sviluppo software pre-DevOps, le organizzazioni di data science continuano a investire una grande quantità di tempo ed energie nello spostamento dei progetti dalla fase di sviluppo a quella di produzione. Il controllo delle versioni del modello e la condivisione dei codici sono manuali, e non vi è una standardizzazione di tool e framework, il che rende il processo di sviluppo di modelli di machine learning noioso nonché dispendioso in termini di tempo.
HPE Ezmeral Machine Learning Ops (HPE Ezmeral ML Ops) estende le funzionalità di HPE Ezmeral Runtime Enterprise fornendo al machine learning per aziende un livello di agilità simile a quello di DevOps.
Con HPE Ezmeral ML Ops, le aziende sono in grado di implementare i processi DevOps per standardizzare i propri flussi di lavoro ML. HPE Ezmeral ML Ops fornisce ai team di data science una piattaforma per le proprie esigenze end-to-end con la flessibilità di gestire i propri carichi di lavoro relativi a machine learning o deep learning (DL) on-premise, in più cloud pubblici, o un modello ibrido, per la risposta ai requisiti aziendali dinamici in un gran numero di casi d’uso.
Novità
- KubeFlow 1.3 (sicurezza rafforzata) e monitoraggio dei modelli
- Componente aggiuntivo Spark Operator, server Spark History, server Spark Thrift, Apache Livy e metastore Hive
- Supporto Delta Lake
- Versioni Spark supportate: Apache Spark 2.4.7 e Apache Spark 3.1.2
- HPE Ezmeral Runtime Analytics per Apache Spark
- Presentazione della nuova interfaccia utente di HPE Ezmeral Runtime Enterprise con UX ottimizzato: UX migliorato per i data scientist, librerie a pacchetti per un'esperienza di codifica semplificata e gli eccezionali notebook per KubeFlow
Caratteristiche
Time to value più rapido
Gestione e provisioning delle infrastrutture grazie a un’interfaccia utente grafica intuitiva.
Provisioning di sviluppo, test o ambienti di sviluppo in pochi minuti piuttosto che in intere giornate.
Onboarding veloce di nuovi data scientist con una buona scelta di strumenti e linguaggi, senza la creazione di ambienti di sviluppo in silo.
Maggiore produttività
I data scientist dedicano il proprio tempo alla costruzione di modelli e all’analisi dei risultati, piuttosto che attendere che vengano completati i lavori di formazione.
HPE Ezmeral Runtime Enterprise contribuisce a evitare la perdita di accuratezza o il calo delle prestazioni in ambienti multi-tenant.
Miglioramento di collaborazione e riproducibilità con repository di codici, progetti e modelli condivisi.
Riduzione del rischio
Sicurezza di livello aziendale e controlli di accesso sull’elaborazione e sui dati.
Il monitoraggio dell’orientamento fornisce la governance di modelli e la verificabilità per la conformità normativa.
Le integrazioni con software di terzi forniscono una buona interpretabilità.
Le distribuzioni a elevata disponibilità contribuiscono a garantire l’assenza di errori nelle applicazioni critiche.
Flessibilità ed elasticità
Distribuzione on-premise, cloud o in un modello ibrido per rispondere ai requisiti aziendali.
Scalabilità automatica dei cluster per rispondere ai requisiti dei carichi di lavoro dinamici.
- Kubernetes® è un marchio registrato della Linux Foundation negli Stati Uniti d'America e in altri paesi, ed è utilizzato su licenza della Linux Foundation. LINUX FOUNDATION e YOCTO PROJECT sono marchi registrati della Linux Foundation.
Link correlati
QuickSpecs
Servizi HPE
- HPE Financial Services
- Consulting Services
- HPE Managed Services
- HPE Complete Care Service
- HPE Tech Care Service
- HPE Lifecycle Services
- HPE Education Services
Per saperne di più su HPE Ezmeral Runtime Enterprise
Architettura di riferimento HPE per HPE Ezmeral Runtime Enterprise
- Architettura di riferimento HPE per HPE Ezmeral Container Platform e HPE Ezmeral Data Fabric su server HPE ProLiant DL360 e HPE ProLiant DL380 Gen10
- Architettura di riferimento HPE per HPE Ezmeral Container Platform e HPE Ezmeral Data Fabric su server HPE ProLiant DL325 e DL385 Gen10 Plus
Architettura di riferimento HPE per HPE Ezmeral ML Ops su Kubernetes