Mit ML Ops hat Hewlett Packard Enterprise (HPE) einen containerbasierten Software-Service lanciert, der einen Devops-ähnlichen Prozess bereitstellt, um maschinelle Lernabläufe zu standardisieren und KI-Implementierungen zu beschleunigen. Der Dienst ist ein Ergebnis der Übernahme von Bluedata und soll die Projektdauer bis zur Inbetriebnahme von Monaten auf Tage verkürzen.
Der ML Ops-Service soll die Möglichkeiten der Epic-Softwareplattform von Bluedata erweitern, die es Unternehmen ermöglicht, Hadoop- und Spark-Cluster in virtuellen Umgebungen zu erstellen. Der Besondere bei Epic ist, dass die Kombination aus Docker-Containern, Virtualisierung und grosen Datentools den Einsatz in Rechenzentren erleichtert. Mit ML Ops kombiniert HPE die Softwareplattform von Bluedata gleichsam mit seiner bestehenden softwaredefinierten Infrastruktur, um Kunden einen containerbasierten Service für KI, Machine Learning und Big Data Analytics anzubieten.
"Die meisten Firmen bringen die Entwicklung und das Training von KI-/ML-Modellen gut in Gang, aber es fällt ihnen schwer, den kompletten ML-Lebenszyklus vom PoC- zum Pilot- und Echtbetrieb und Monitoring umzusetzen", erklärt dazu Ritu Jyoti, Program Vice President für KI-Strategien bei IDC. "HPE schliesst diese Lücke mit seinem Container-basierten, Plattform-unabhängigen Angebot, das den gesamten ML-Lebenszyklus abbildet. Es unterstützt eine Reihe von ML-Betriebsanforderungen, führt schneller zu Einsichten und Geschäftsergebnissen."
HPE ML Ops unterstützt die folgenden Phasen und Funktionen von KI-/KL-Projekten:
- Modell-Entwicklung – mit vorinstallierten Sandbox-Umgebungen für ML-Werkzeuge und Data Science Notebooks
- Modell-Training – mit skalierbaren Trainings-Umgebungen und sicherem Datenzugang
- Modell-Einführung – unterstützt eine flexible, schnelle und nachvollziehbare Einführung
- Modell-Monitoring – mit Transparenz über den gesamten ML-Lebenszyklus
- Zusammenarbeit – unterstützt Workflows für Continuous Integration und Continuous Delivery mit Code-, Modell- und Projekt-Repositories
- Sicherheit und Steuerung – sichert Mehrmandantenfähigkeit durch Integration mit Authentifizierungs-Mechanismen
- Hybride Architekturen – unterstützt die Einführung im lokalen Rechenzentrum, in der Public Cloud und in hybriden Modellen
HPE ML Ops unterstützt eine grosse Bandbreite von Open-Source-Frameworks für Machine Learning und Deep Learning. Dazu gehören etwa Keras, MXNet, Pytorch, und Tensorflow – ausserdem kommerzielle Machine-Learning-Anwendungen von HPE-Partnern wie Dataiku und H2O.ai. ML Ops ist ab sofort als SaaS-Lösung zusammen mit Services und Support von HPE Pointnext verfügbar.
Der Online-Stellenmarkt für ICT Professionals