WYKORZYSTANIE UCZENIA MASZYNOWEGO W SKALI PRZEDSIĘBIORSTWA

HPE Ezmeral ML Ops standaryzuje procesy i obejmuje pakiet narzędzi do tworzenia, trenowania, wdrażania i monitorowania przepływów pracy uczenia maszynowego, zapewniając szybkość i elastyczność dorównującą DevOps na każdym etapie cyklu uczenia maszynowego.

+ pokaż więcej
HPE GreenLake dla ML Ops
Tworzenie modelu
Zobacz wideo: HPE Ezmeral Machine Learning Ops
Gotowe, samoobsługowe środowiska piaskownicy

Szybkie testowanie środowisk z użyciem preferowanych narzędzi analityki danych umożliwia badanie różnych źródeł danych przedsiębiorstwa, przy jednoczesnym eksperymentowaniu z różnymi strukturami uczenia maszynowego i głębokiego uczenia w celu wybrania modelu optymalnie rozwiązującego napotykane problemy biznesowe.

Rozwijanie modelu
Obejrzyj prezentację: Budowanie i rozwijanie modelu
Konteneryzowane środowiska z jednym węzłem lub rozproszone z wieloma węzłami

Samoobsługowe środowiska na żądanie do rozwijania i testowania modeli lub obsługi obciążeń produkcyjnych. Bardzo wydajne środowiska rozwoju — z rozdzieleniem mocy obliczeniowej i pamięci masowej — dające bezpieczny dostęp do współdzielonych źródeł danych przedsiębiorstwa w lokalnej lub chmurowej pamięci masowej.

Wdrażanie i monitorowanie modelu
Obejrzyj prezentację: Wdrażanie modelu
Wdrażanie w kontenerach z pełną widocznością potoku uczenia maszynowego

Wdrażanie obrazu środowiska uruchomieniowego modelu (Python, R, H2O itp.) w konteneryzowanym punkcie końcowym. Rejestr modeli umożliwia ewidencjonowanie wersji modeli i ich płynną aktualizację w razie potrzeby. Pełna widoczność wykorzystania zasobów środowiska uruchomieniowego. Ewidencjonowanie, pomiar i raportowanie wydajności modeli, zapisywanie i kontrolowanie danych wejściowych i wyjściowych każdego żądania oceny. Integracja z różnym oprogramowaniem innych firm do raportowania dokładności i łatwości interpretacji modeli.

Współpraca
Obejrzyj prezentację: Konfiguracja repozytorium projektów
CI/CD. Testy A/B i kanarkowe

Rozwiązanie HPE Ezmeral ML Ops umożliwia kontrolę kodu źródłowego za pomocą gotowych narzędzi do integracji, takich jak GitHub. W rejestrze modeli można przechowywać wiele modeli (wiele wersji z metadanymi) dla różnych środowisk uruchomieniowych. Testy A/B lub kanarkowe pozwalają sprawdzić poprawność modelu przed jego wdrożeniem na dużą skalę. Zintegrowane repozytorium projektów ułatwia współpracę i umożliwia śledzenie pochodzenia zmian na potrzeby audytowe.

Zabezpieczenia i kontrola
Wielodostęp i izolacja danych we współdzielonej infrastrukturze i źródłach danych

Wielodostęp i izolacja danych umożliwiają logiczne wydzielenie każdego projektu, grupy lub działu w organizacji. Platforma integruje się z zabezpieczeniami i mechanizmami uwierzytelniania dla przedsiębiorstw, takimi jak LDAP, Active Directory i Kerberos.

Wdrażanie hybrydowe
Obsługa chmur hybrydowych

Oprogramowanie HPE Ezmeral ML Ops może działać w dowolnej infrastrukturze lokalnej, w wielu chmurach publicznych (Amazon® Web Services, Google® Cloud Platform lub Microsoft® Azure) lub w modelu hybrydowym, umożliwiając efektywne wykorzystanie zasobów i obniżenie kosztów operacyjnych.

  • 53%
    zwiększona rentownośćForrester%3A%20Operacjonalizacja%20uczenia%20maszynowego%2C%20czerwiec%202020%26nbsp%3Br.
  • 52%
    usprawnienie obsługi klientaForrester%3A%20Operacjonalizacja%20uczenia%20maszynowego%2C%20czerwiec%202020%26nbsp%3Br.
  • 49%
    poprawa skuteczności wdrażania najlepszych praktyk analityki danychForrester%3A%20Operacjonalizacja%20uczenia%20maszynowego%2C%20czerwiec%202020%26nbsp%3Br.

FILMY TECHNICZNE POŚWIĘCONE HPE ML OPS

SZCZEGÓŁOWE INFORMACJE O PRODUKCIE HPE EZMERAL ML OPS

HPE Ezmeral ML Ops pomaga przedsiębiorstwom przezwyciężyć wyzwania „ostatniego etapu” dzięki platformie, która daje zalety chmury w połączeniu z pakietem narzędzi do operacjonalizacji cyklu życia uczenia maszynowego, od wdrożenia pilotażowego, aż po produkcję.

+ pokaż więcej
HPE Ezmeral ML Ops

Rozwiązanie programowe, które rozszerza możliwości HPE Ezmeral Runtime Enterprise o obsługę całego cyklu życia ML poprzez wdrożenie procesów na podobieństwo DevOps w celu standaryzacji i przyspieszenia przepływów pracy związanych z uczeniem maszynowym, umożliwiając zespołom ds. analityki danych wdrażanie jednym kliknięciem rozproszonych środowisk AI/ML oraz bezpieczny dostęp do potrzebnych danych.

SUCCESS IN ACTION
Optum logo

ADVISORY BOARD (OPTUM) USES HPE EZMERAL TO ACCELERATE BUSINESS OUTCOMES WITH AI AND ML IN THE ENTERPRISE

Advisory Board (Optum) deploys predictive analytics and machine learning on big data using the container-based platform from HPE Ezmeral. Learn how they streamlined operations and cut costs while enhancing patient care in U.S. hospitals.

Wyzwanie

Helping hospitals across the US translate their big data into actionable insights that deliver business value.

Rozwiązanie

Deployment of distributed ML and analytics applications and for the separation of compute and memory from storage.

“HPE Ezmeral has helped us to address these challenges with their containerized solution that has delivered faster time-to-insights, reduced our costs, and freed up our staff to innovate. It’s paying big dividends for our organization, and we look forward to continuing our journey together.”

Ramesh Thyagarajan, Executive Director, Advisory Board (Optum)

Wynik

Data-driven insights needed to improve operational efficiency, reduce infrastructure costs, and enhance patient care. 

Watch the Video