Rendere operativo il machine learning
- Report degli analisti
- PDF 503 KB
- 10
Panoramica
Il campo emergente di ML Ops punta a generare agilità e velocità all’interno nel ciclo di vita del machine learning, analogamente a quanto ha fatto DevOps per lo sviluppo software. Un recente studio di Forrester commissionato da HPE e Intel ha messo in luce che il 98% delle organizzazioni enterprise che investe in ML Ops conta di ottenere un vantaggio competitivo in futuro. I partecipanti prevedono che gli investimenti determineranno un incremento dei profitti del 53% e un miglioramento del 49% nell'adozione delle best practice di data science e nel potenziamento delle competenze.
HPE fornisce una piattaforma basata su container di livello enterprise: HPE Ezmeral ML Ops. La soluzione HPE Ezmeral ML Ops supporta tutte le fasi del ciclo di vita del machine learning: preparazione dei dati, realizzazione, addestramento e distribuzione dei modelli, collaborazione e monitoraggio. HPE Ezmeral ML Ops è una soluzione di data science end-to-end dotata della flessibilità necessaria per l’esecuzione on-premise, in più cloud pubblici o in un modello ibrido, e per i requisiti aziendali dinamici in un gran numero di casi d’uso.
Intel:
per estrarre informazioni di business con le analisi in tempo reale, le aziende necessitano di una strategia end-to-end che ottimizzi ogni fase del ciclo di vita dei dati, dall'acquisizione all'archiviazione e nell'intera architettura dall’edge al cloud. L’ampio portafoglio di tecnologie di Intel, presenti in un ecosistema completo ed estremamente integrato di soluzioni, accelera le informazioni basate sui dati. Le soluzioni basate sulla tecnologia Intel® garantiscono le prestazioni necessarie per la gestione di enormi quantità di dati in-memory, oltre alla flessibilità di scalare senza problemi in verticale e orizzontale su un’infrastruttura già conosciuta e ritenuta affidabile.