HPE 推出 ML Ops 平台加速 AI 模型开发
新举措减少数据科学家对内部 IT 团队依赖
惠普企业 (HPE) 今日正式推出基于去年 11 月收购 BlueData 获得平台的 HPE ML Ops 计划。
目标是为 IT 组织提供一套专门设计的 DevOps 框架，使用机器学习和深度学习算法加速构建和部署人工智能 (AI) 模型，HPE BlueData 副总裁兼总经理 Anant Chintamaneni 表示。
许多组织雇佣数据科学家构建 AI 模型，但缺乏将其纳入生产环境的结构化方法。
“他们不知道如何将其运营化，”Chintamaneni 说。
HPE ML Ops 还以唤起持续集成/持续部署 (CI/CD) 平台典型流程的方式，支持代码、模型和项目存储库的工作流。
延伸阅读： Gartner: 77% Organizations Aim To Deploy AI, Staff Skill Holds Adoption Back
收购 BlueData 让 HPE 获得基于容器的 EPIC 平台，使数据科学家能自行启动环境。他们可用这些环境构建和更新 AI 模型，配备预装机器学习工具和数据科学笔记本的自助沙箱，用于训练 AI 模型。Chintamaneni 称，HPE ML Ops 覆盖从数据准备、模型构建到训练、监控和协作的整个机器学习生命周期，将 AI 部署时间从周缩短至天。
HPE ML Ops 解决方案支持一系列开源机器学习和深度学习框架，包括 Keras、MXNet、PyTorch 和 TensorFlow，以及来自 HPE 合作伙伴 Dataiku 和 H2O.ai 的商业机器学习应用。平台可部署在本地或公有云，并与各种认证协议集成以确保网络安全。
Chintamaneni 表示，这些能力共同通过减少数据科学家对内部 IT 团队的依赖，加速 AI 模型构建时间。
许多组织低估了 AI 模型需要重新训练和更新的频率。组织频繁获得需纳入 AI 模型的新数据源。随着更多应用开始实时消费数据，需评估的数据量只会增加。
数据科学家对任何给定过程的假设也会随业务条件演变而改变。几周前交付最佳结果的 AI 模型可能需被不同模型替代。组织面临的挑战是缺乏持续更新和训练 AI 模型的框架。引用 Gartner 估计，HPE 今日指出，到 2021 年至少 50% 机器学习项目将因缺乏运营化流程而未完全部署。
AI 涉及比许多数据科学家愿承认的更多试错。许多正在构建的 AI 模型还需审查偏见，这会让数据科学家回到起点。不存在静态 AI 模型。组织越早接受这一数据管理现实，AI 投资回报越早显现。
物联网技术