HPE kondigt de beschikbaarheid van HPE ML Ops aan. De DevOps-achtige oplossing vloeit rechtstreeks voort uit de overname ven BlueData vorig jaar en versnelt de uitrol van AI-toepassingen op het niveau van bedrijven.
HPE ML Ops, kort voor Machine Learning Operations, is een containergebaseerd softwareplatform dat de volledige levenscyclus van machine learning workflows, van de ontwikkeling tot de uitrol van een AI-model, ondersteunt en standaardiseert. Dat kan zowel on-premises, in de public cloud of in een hybride cloudomgeving.
Het bedrijf richt zich hiermee op een belangrijk probleem waar veel AI-projecten binnen bedrijven tegenaan stoten. Een succesvolle vertaling van AI en machine learning van experiment naar een bedrijfsklare oplossing, is geen evidentie.
DevOps
Volgens Gartner zullen tegen 2021 minstens de helft van alle machinelearningprojecten niet tot volledige wasdom komen. Dat komt veelal door een gebrek aan middelen en operationele processen. Machine learning is een complex proces dat grote hoeveelheden data en rekenkracht nodig heeft. Het operationaliseren van AI binnen een bedrijf kan daardoor heel duur en tijdsintensief zijn.
Het idee van ML Ops is om een pagina uit het boek van DevOps te lenen en gelijkaardige processen toe te passen op machine learning. Dat moet resulteren in een versnelling van AI-implementaties van maanden naar dagen. ML Ops dekt de volledige levenscyclus van AI-ontwikkeling, van het bouwen en trainen van een model, to het uitrollen en monitoren ervan.
BlueData
HPE bouwt met ML Ops verder op de mogelijkheden van het Epic-containerplatform van BlueData, dat het in november vorig jaar overnam om zijn AI- en analytics-aanbod te boosten. Het Epic-platform omvat vooraf geconfigureerde versies van populaire AI- en analytics-applicaties, verpakt in containers die snel in dienst kunnen worden genomen.
HPE ML Ops werkt samen met tal van opensource frameworks voor machine learning zoals Keras, MXNet, PyTorch en TensorFlow. Daarnaast ondersteunt het ook commerciële ML-applicaties van softwarepartners zoals Dataiku en H2O.ai.
“Alleen operationele ML-modellen leveren bedrijfswaarde op”, zegt Kumar Sreekanti, SVP en CTO, Hybrid IT bij HPE. “We brengen de snelheid en wendbaarheid van DevOps naar machine learning, waardoor AI in de onderneming sneller waarde oplevert.”
Gerelateerd: Hoe je analytics succesvol van experiment naar je business vertaalt