Hewlett Packard Enterprise (HPE) ha presentado una solución de software basada en contenedores, HPE ML Ops, para dar soporte a todo el ciclo de vida del Machine Learning para entornos de cloud pública, privadas e híbrida. La nueva solución presenta un modelo similar a DevOps para estandarizar los flujos de trabajo en la implantación de plataformas de Machine Learning y reducir su despliegue de meses a días, según la compañía.
La nueva solución HPE ML Ops amplía las capacidades de la plataforma de software basada en contenedores BlueData EPIC, proporcionando a los equipos dedicados al análisis de datos acceso bajo demanda a entornos de contenedores de Machine Learning y Deep Learning distribuidos. BlueData fue adquirida por HPE en noviembre de 2018 para reforzar su oferta de IA, análisis de datos y contenedores, y complementa también las soluciones de TI híbridas de HPE y los servicios HPE Pointnext para despliegues de IA empresarial.
La adopción de la IA en el entorno empresarial se ha más que duplicado en los últimos cuatro años y las organizaciones continúan invirtiendo tiempo y recursos para construir entornos de Machine Learning y Deep Learning que puedan emplearse en una gran variedad de casos de uso, tales como detección del fraude, medicina personalizada o análisis predictivo de clientes. En cualquier caso, el principal reto al que deben hacer frente los técnicos es cómo poner en marcha estos entornos de IA para desplegar y gestionar con éxito estos modelos, así como para liberar el valor del negocio lo más rápido posible. Según Gartner, en 2021, al menos el 50 por ciento de los proyectos de Machine Learning no se habrán desplegado completamente debido a la falta de operatividad de los mismos.
HPE ML Ops transforma y facilita la gestión de las iniciativas de IA desde las fases de experimentación y los proyectos piloto, hasta la puesta en producción final, abordando todo el ciclo de vida del Machine Learning. HPE ML Ops ayuda a una mejor preparación de los datos, desde la creación de modelos, hasta la formación, implementación, monitorización y colaboración.
“Solamente aquellos modelos operacionales eficientes de Machine Learning ofrecen valor al negocio a largo plazo”, ha declarado Kumar Sreekanti, SVP y CTO de Hybrid IT en HPE. “Y con HPE ML Ops, proporcionamos la única solución empresarial para cubrir el ciclo de vida de extremo a extremo de Machine Learning para el despliegue de entornos cloud híbridos y on-premise. Aportamos la velocidad y agilidad de DevOps al Machine Learning, ofreciendo la posibilidad de sacar mayor partido para el negocio”.
Con la solución HPE ML Ops, los analistas pueden participar en la creación e implementación de modelos ML y beneficiarse de la solución de gestión del ciclo de vida y operaciones más completa del sector para la IA empresarial:
• Modelos de arquitectura: permiten a los analistas acceder a entornos pre-empaquetados para construir distintas arquitecturas con un rápido despliegue.
• Modelos de entrenamiento: se dispone de una amplia librería de modelos escalables de entrenamiento con acceso seguro a los datos.
• Modelos de despliegue: para permitir una rápida implementación.
• Modelos de monitorización: con objeto de tener visibilidad de extremo a extremo en todo el ciclo de vida del modelo ML.
• Colaboración: habilitar flujos de trabajo de CI/CD con repositorios de códigos, modelos y proyectos.
• Seguridad y control: soporte de entornos seguros multi-usuario y multi-cliente con integración a los mecanismos de autenticación empresariales.
• Despliegue híbrido: compatibilidad con cloud local, cloud pública o cloud híbrida
La solución HPE ML Ops funciona con una amplia gama de entornos de código abierto para Machine Learning y Deep Learning entre los que se incluyen Keras, MXNet, PyTorch y TensorFlow, así como aplicaciones comerciales como Dataiku y H2O.ai.
