Operationalisera maskininlärning

Analytikerrapport
PDF 503 KB
10

Översikt

Syftet med det växande fältet ML Ops är att leverera flexibilitet och hastighet till ML-livscykeln – liknande det som DevOps har gjort för programvaruutvecklingens livscykel. En studie som nyligen genomfördes av Forrester och beställdes av HPE och Intel belyser hur 97 % av företagsorganisationerna som investerar i ML Ops tror att det kommer att ge dem en konkurrensfördel. Deltagarna i den här studien förväntar sig att investeringar leder till 53 % ökad lönsamhet, 52 % bättre kundupplevelser och 49 % bättre användning av bästa praxis inom datavetenskap och ökad kompetens.

Visa mer Visa mindre

Maskininlärning (ML) är en grundläggande byggsten för AI i företagsklass. De senaste åren har man gjort experiment med ML på hög nivå för ett stort antal användarfall.

Tillhandahålls av HPE och Intel®.

HPE Ezmeral ML Ops

HPE tillhandahåller en containerbaserad plattform i företagsklass – HPE Ezmeral ML Ops. HPE Ezmeral ML Ops har stöd för varje steg i ML-livscykeln – dataförberedelse, modellbyggnad, modellträning, modelldistribution, samarbete och övervakning. HPE Ezmeral ML Ops är en komplett datavetenskaplig lösning med flexibiliteten att kunna köras lokalt, i flera offentliga moln eller i en hybridmodell samt svara på dynamiska verksamhetsbehov över en mängd olika användningsfall.

Intel:
Ska företag kunna leverera affärsinsikter med realtidsanalys behöver de en helhetsstrategi som optimerar varje steg i datans livscykel – från intag till arkivering och över hela arkitekturen från edge till molnet. Intels breda portfölj med tekniker som finns i ett omfattande och extremt integrerat ekosystem av lösningar accelerera datadriven insikt. Lösningar baserade på Intel®-teknik levererar den prestanda som krävs för att hantera enorma mängder data i minnet, plus flexibilitet för att skala sömlöst upp och ut i den infrastrukturen du redan känner till och litar på.