Внедрение машинного обучения

  • Аналитический отчет
  • PDF 503 KB
  • 10

Обзор

Развивающееся направление ML Ops имеет цель обеспечить гибкость и повысить скорость жизненного цикла машинного обучения по аналогии с тем, как удалось оптимизировать жизненный цикл разработки программного обеспечения с помощью подхода DevOps. Недавнее исследование Forrester, проведенное по заказу HPE и Intel, описывает, почему 97% крупных компаний, инвестирующих в ML Ops, ...

Развивающееся направление ML Ops имеет цель обеспечить гибкость и повысить скорость жизненного цикла машинного обучения по аналогии с тем, как удалось оптимизировать жизненный цикл разработки программного обеспечения с помощью подхода DevOps. Недавнее исследование Forrester, проведенное по заказу HPE и Intel, описывает, почему 97% крупных компаний, инвестирующих в ML Ops, уверены, что это обеспечит им конкурентное преимущество. Участники этого исследования ожидают, что подобные инвестиции приведут к увеличению прибыли на 53%; повышению качества обслуживания на 52%; на 49% более эффективному применению передовых решений в области изучения данных, а также улучшению навыков.

Машинное обучение (МО) — это фундаментальный структурный блок для внедрения технологий ИИ на предприятии. В последние годы проводилось множество серьезных экспериментов с МО для самых различных сценариев использования.

Предоставлено компаниями HPE и Intel®.




HPE Ezmeral ML Ops

Компания HPE предлагает платформу корпоративного класса на основе контейнеров — HPE Ezmeral ML Ops. Решение HPE Ezmeral ML Ops обеспечивает поддержку на каждом этапе жизненного цикла машинного обучения, включая подготовку данных, создание модели, обучение модели, развертывание модели, совместную работу и мониторинг. HPE Ezmeral ML Ops предоставляет собой комплексное решение для изучения данных, которое может выполняться в локальной среде, в нескольких общедоступных облаках и в гибридной модели. Эта платформа также позволяет реагировать на динамические бизнес-требования в различных сценариях использования.

Intel:
Для получения аналитической бизнес-информации компаниям требуется комплексная стратегия, которая оптимизирует каждый этап жизненного цикла обработки данных, от получения до архивирования, а также по всей архитектуре от периферии до облака. Широкий портфель технологий Intel, используемый в целой интегрированной экосистеме решений, ускоряет получение аналитической информации из данных. Решения на основе технологии Intel® обеспечивают необходимую производительность для обработки больших данных в оперативной памяти, а также гибкость для горизонтального и вертикального масштабирования известной и проверенной инфраструктуры.