精品国产亚洲一区二区三区|亚洲国产精彩中文乱码AV|久久久久亚洲AV综合波多野结衣|漂亮少妇各种调教玩弄在线

<blockquote id="ixlwe"><option id="ixlwe"></option></blockquote>
  • <span id="ixlwe"></span>

  • <abbr id="ixlwe"></abbr>

    該如何利用MLOps大規(guī)模運(yùn)行ML?

    大多數(shù)組織認(rèn)識(shí)到機(jī)器學(xué)習(xí)(ML)的變革優(yōu)勢,并且已經(jīng)采取措施實(shí)施它。但是,在生產(chǎn)中部署ML模型和大規(guī)模操作它們時(shí),他們?nèi)匀幻媾R一些挑戰(zhàn)。

    這些挑戰(zhàn)源于大多數(shù)企業(yè)ML工作流缺乏通常與軟件工程相關(guān)的標(biāo)準(zhǔn)化流程這一事實(shí)。答案是統(tǒng)稱為MLOps(機(jī)器學(xué)習(xí)操作)的一組標(biāo)準(zhǔn)實(shí)踐。MLOps為ML生命周期帶來了標(biāo)準(zhǔn)化,幫助企業(yè)從試驗(yàn)轉(zhuǎn)向大規(guī)模ML部署。

    在最近的一項(xiàng)研究中,F(xiàn)orrester發(fā)現(xiàn)98%的IT領(lǐng)導(dǎo)者相信MLOps將為其公司帶來競爭優(yōu)勢并提高盈利能力。但是只有6%的人認(rèn)為他們的MLOps功能已經(jīng)成熟或非常成熟。

    那么,為什么差距懸殊?

    很少有公司具有圍繞ML模型開發(fā)和部署的健壯且可操作的流程。這不一定是由于缺乏嘗試或認(rèn)可而引起的,這并非易事。

    希望繼續(xù)使用ML來改善其業(yè)務(wù)流程或提供新客戶體驗(yàn)的組織面臨著持續(xù)而重大的挑戰(zhàn):

    · IT運(yùn)營團(tuán)隊(duì)無法掌握ML

    · 關(guān)鍵MLOps功能缺乏能力

    · 機(jī)器學(xué)習(xí)開發(fā)和運(yùn)營團(tuán)隊(duì)之間的協(xié)作不足

    · 缺乏凝聚力,高效的技術(shù)工具鏈

    · 跨團(tuán)隊(duì)位置(云和本地部署)分布的數(shù)據(jù)的安全性和控制

    企業(yè)如何克服這些挑戰(zhàn)并從人工智能(AI)和機(jī)器學(xué)習(xí)中受益?在企業(yè)級(jí)實(shí)施ML并部署更多ML用例的關(guān)鍵操作步驟是什么?

    根據(jù)HPE/Forrester論文的發(fā)現(xiàn),運(yùn)營是一個(gè)分為四個(gè)步驟的過程。

    · 發(fā)現(xiàn)并執(zhí)行高優(yōu)先級(jí),高投資回報(bào)率的機(jī)器學(xué)習(xí)用例,這些用例可以迅速揭示工作成果。就是說,確保用例在技術(shù)上可行并具有影響力對(duì)于為機(jī)器學(xué)習(xí)的實(shí)施奠定基礎(chǔ)至關(guān)重要。

    · 建立合適的AI團(tuán)隊(duì)。真空操作的數(shù)據(jù)科學(xué)家不會(huì)給任何組織成功所需的動(dòng)力。盡管毫無疑問,數(shù)據(jù)科學(xué)家無疑是構(gòu)建ML模型的專家,包括IT團(tuán)隊(duì),業(yè)務(wù)分析師,項(xiàng)目經(jīng)理,設(shè)計(jì)師和AI團(tuán)隊(duì)中的AI團(tuán)隊(duì),他們將提供更廣闊的視野并幫助緩解最后的部署問題。

    · 分析影響整個(gè)ML生命周期的現(xiàn)有硬件,軟件,安全性,數(shù)據(jù)訪問和控制。確定哪里存在差距,效率低下,不足以及可能阻礙機(jī)器學(xué)習(xí)進(jìn)度的潛在領(lǐng)域。

    · 投資于既能解決分析中發(fā)現(xiàn)的問題,又能簡化部署,維護(hù)和控制的工具,技術(shù)和流程。

    HPE提供的解決方案可幫助企業(yè)成功實(shí)現(xiàn)ML。HPE Ezmeral ML Ops是一種軟件解決方案,為機(jī)器學(xué)習(xí)生命周期的每個(gè)階段提供支持,為ML工作流帶來類似于DevOps的速度和敏捷性。

    HPE Ezmeral ML Ops利用容器和Kubernetes支持整個(gè)ML生命周期。它為容器化數(shù)據(jù)科學(xué)環(huán)境提供了使用任何開放源代碼或第三方數(shù)據(jù)科學(xué)工具進(jìn)行模型開發(fā)的能力,并且可以輕松地通過一鍵式模型將其部署到內(nèi)部或云中的可擴(kuò)展容器化端點(diǎn)。數(shù)據(jù)科學(xué)家受益于一個(gè)單一的平臺(tái),可以跨任何基礎(chǔ)架構(gòu)平臺(tái)監(jiān)視和部署所有數(shù)據(jù)科學(xué)應(yīng)用程序。更重要的是,企業(yè)可以快速運(yùn)行機(jī)器學(xué)習(xí)模型,并加快其機(jī)器學(xué)習(xí)計(jì)劃的價(jià)值實(shí)現(xiàn)時(shí)間,從而獲得競爭優(yōu)勢。

    (免責(zé)聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請(qǐng)進(jìn)一步核實(shí),并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏,概不負(fù)任何法律責(zé)任。
    任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí),應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后,將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí),溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 )

    贊助商
    2020-08-17
    該如何利用MLOps大規(guī)模運(yùn)行ML?
    大多數(shù)組織認(rèn)識(shí)到機(jī)器學(xué)習(xí)(ML)的變革優(yōu)勢,并且已經(jīng)采取措施實(shí)施它。但是,在生產(chǎn)中部署ML模型和大規(guī)模操作它們時(shí),他們?nèi)匀幻媾R一些挑戰(zhàn)。

    長按掃碼 閱讀全文