HaberlerDataRobot, merkezi bir makine öğrenme hub’ı başlattı

MLOps, DataRobot’un mevcut model yönetimi ve izleme çözümünü, DataRobot’un Haziran ayında edindiği MLOps kategori lideri ParallelM’in özellikleriyle birleştiriyor.
9 Ekim 201916

Kurumsal AI servis sağlayıcısı DataRobot, kurum genelinde makine öğrenme modellerini dağıtmak, izlemek ve yönetmek için bir makine öğrenme operasyonları çözümü olan MLOps’i duyurdu.

DataRobot’un merkezi makine öğrenme hub’ı

DataRobot’un yeni MLOps teklifi, çeşitli araçlardan oluşturulan modellerin dağıtımı, izlenmesi ve yönetilmesi için merkezi bir hub sunuyor. Bu sayede kuruluşlar, makine öğrenmeye dayalı hizmetleri üretimde kullanmada ve ölçeklendirmede ayırdığı süreleri kısaltabilecek.

Veri bilimi ekiplerine ve altyapıya yapılan yatırımlara rağmen pek çok şirket AI projelerinden ölçülebilir bir değer elde edemedi. Endüstri analistlerine göre makine öğrenme modellerinin sadece bir kısmı üretime giriyor. AI’ın etkin ve sorumlu kullanımı, AI üretim yaşam döngüsünün her adımında hem modellerin hem de projelerin dağıtımını, izlenmesini ve yönetimini otomatikleştirmek için modern ve merkezi bir sistem gerektiriyor.

DataRobot’un DataRobot otomatik makine öğrenme ürünü, içine yerleştirilmiş olan önceki model yönetim ve izleme çözümleri, müşterilerin modelleri operasyonelleştirmelerine ve performanslarını izlemelerine olanak sağlıyor.

ParallelM’in teknolojisi, çeşitli makine öğrenme platformlarında oluşturulan makine öğrenme modellerini Kubernetes ve Spark da dahil olmak üzere müşteri tarafından yönetilen ortamlara dağıtıyor ve yönetiyor.

İkisi birleştiğinde DataRobot’un yeni MLOps ürünü, makine öğrenim platformları, çerçeveler ve diller kullanılarak oluşturulan modeller için gerçek zamanlı izleme ve merkezi yönetim ve yönetişim sunuyor ve onu açık bir platform haline getiriyor.

Gerçek zamanlı gösterge panoları, kullanıcıların üretim sorunlarını veya düşük işletme performansını önlemek için yeniden eğitilmeleri veya değiştirilmeleri gereken modelleri belirlemelerini sağlıyor.

Ek olarak merkezi ve yerleşik yönetişim, kuruluşların AI projeleri üzerinde kontrol sahibi olmalarını, devlet düzenlemelerine uymalarını ve erişim veya üretim modellerinde değişiklik riskini azaltmalarını mümkün kılıyor.

İlgili Haberler