MACHINE LEARNING OPERATIVO SU SCALA ENTERPRISE

HPE Ezmeral ML Ops standardizza i processi e fornisce tool preconfigurati per creare, addestrare, distribuire e monitorare i flussi di lavoro di machine learning, offrendo la velocità e l’agilità di DevOps in ogni fase del ciclo di vita ML.

Creazione dei modelli
Ambienti sandbox self-service preconfezionati

Valorizza rapidamente gli ambienti con i tuoi strumenti di data science preferiti per esplorare un’ampia gamma di origini dati aziendali sperimentando contemporaneamente più framework di machine learning o deep learning per scegliere il modello più adatto per i problemi di business che devi affrontare

HPE Ezmeral Early Access

HPE Ezmeral Early Access consente agli sviluppatori di provare i nuovi prodotti prima del rilascio, acquisendo esperienza pratica con le nuove funzionalità e caratteristiche.

Addestramento del modello
Ambienti containerizzati a nodo singolo o multi-nodo distribuiti

Ambienti self-service on-demand per i carichi di lavoro di sviluppo e test o produzione. Ambienti di addestramento dalle prestazioni elevate, con distinzione tra elaborazione e storage, che accedono in modo sicuro alle origini dati aziendali nello storage on-premise o basato su cloud.

Architettura multi-tenant e isolamento dei dati su infrastrutture e origini dati condivise

Sfrutta l’architettura multi-tenant e le caratteristiche di isolamento dei dati per garantire la separazione logica tra ciascun progetto, gruppo o reparto all'interno dell’azienda. La piattaforma si integra con meccanismi di autenticazione e sicurezza aziendale come LDAP, Active Directory e Kerberos.

Implementazione e monitoraggio dei modelli
Distribuzione nei container con visibilità completa sull’intera pipeline ML

Distribuisci l’immagine di runtime del modello (Python, R, H2O ecc.) in un endpoint containerizzato. Con il registro dei modelli, monitora le versioni dei modelli e aggiorna i modelli secondo necessità senza problemi. Acquisisci una visibilità completa sull'utilizzo delle risorse durante il runtime. Monitora, misura e registra le prestazioni del modello, salva e ispeziona gli input e gli output di ogni richiesta di valutazione. Le integrazioni con il software di terzi consentono di valutare l’accuratezza e l’interpretabilità dei modelli.

Predisposto per il cloud ibrido

Esegui il software HPE Ezmeral ML Ops on-premise su qualsiasi infrastruttura, in diversi cloud pubblici (Amazon® Web Services, Google® Cloud Platform o Microsoft® Azure) o in un modello ibrido, aumentando l’efficienza di utilizzo delle risorse e riducendo i costi operativi.

Collaborazione
CI/CD. Test A/B o test Canary

HPE Ezmeral ML Ops consente il controllo delle origini con strumenti di integrazione pronti all'uso come GitHub. Memorizza più modelli (versioni multiple con metadati) per vari motori runtime nel registro dei modelli. Esegui test A/B o Canary per convalidare il modello prima della distribuzione su vasta scala. Un repository di progetti integrato facilita la collaborazione e fornisce il monitoraggio della derivazione per migliorare la verificabilità.

  • 53%
    Aumento della redditivitàForrester%3A%20Rendere%20operativo%20il%20machine%20learning%2C%20giugno%202020%20
  • 52%
    Miglioramento della customer experienceForrester%3A%20Rendere%20operativo%20il%20machine%20learning%2C%20giugno%202020%20
  • 49%
    Incremento dell’adozione di best practice di data scienceForrester%3A%20Rendere%20operativo%20il%20machine%20learning%2C%20giugno%202020%20

VIDEO TECNICI SU HPE ML OPS

HPE EZMERAL ML OPS - DETTAGLI DEL PRODOTTO

HPE Ezmeral ML Ops supera le problematiche dell’“ultimo miglio”, con una piattaforma che garantisce un’esperienza paragonabile al cloud unita a tool preconfigurati per rendere operativo il ciclo di vita del machine learning, dalla fase pilota alla produzione.

HPE Ezmeral ML Ops 

Una soluzione software che estende le funzionalità di HPE Ezmeral Runtime Enterprise per supportare l’intero ciclo di vita ML implementando processi simili a DevOps per standardizzare e accelerare i flussi di lavoro di machine learning, fornendo ai team di data science l’implementazione con un clic di ambienti AI/ML distribuiti e l’accesso sicuro ai dati di cui hanno bisogno.