Le média qui explore la transformation digitale

HPE ML Ops : le machine learning opérationnel !

Sep 11, 2019 | Data Center | 0 commentaires

HPE ML Ops transforme les projets et pilotes AI en opérations de production en couvrant l’ensemble du cycle de vie du machine learning.

Réduire le délai de déploiement de l’intelligence artificielle de plusieurs mois à quelques jours. Telle est l’ambition de HPE qui annonce la disponibilité de HPE ML Ops.

Cette solution logicielle à base de conteneurs a pour vocation de supporter l’ensemble du cycle de vie des modèles de machine learning dans les environnements sur site, de cloud public ou de cloud hybride. Ce faisant, HPE inaugure un processus de type DevOps afin de normaliser les workflows de machine learning et ramener les délais de déploiement de l’intelligence artificielle de plusieurs mois à quelques jours. 

Dans les grandes lignes, la solution HPE ML Ops étend les capacités de BlueData EPIC pour les conteneurs. Cette plate-forme, rappelons-le, donne aux équipes de data scientists un accès à la demande aux environnements conteneurisés pour les applications en AI, machine learning et analytiques distribuées.

Relever le défi de l’opérationnel

Aujourd’hui, quand on parle d’AI, le plus grand défi des entreprises réside dans la mise en œuvre du machine learning. Autrement dit, franchir l’étape de l’opérationnel. Et réussir le déploiement pour, in fine, en dégager de la valeur. Selon Gartner, c’est là que le bât blesse. D’ici à 2021, au moins 50 % des projets de machine learning ne seront pas totalement déployés en raison de lacunes sur le plan opérationnel… 

De là, l’ambition de HPE : transformer les projets et pilotes en AI en opérations de production. Et donc couvrir l’ensemble du cycle de vie du machine learning. Pour rappel, le cycle de vie s’étend de la préparation des données et la création des modèles à leur apprentissage, déploiement, supervision et… utilisation collaborative. 

L’ensemble du cycle de vie du machine learning couvert

«La proposition est forte : apporter au machine learning la rapidité et l’agilité de DevOps afin d’accélérer la rentabilisation de l’AI. Seule condition pour y arriver : rendre opérationnel l’ensemble du cycle de vie, de la preuve de concept et du pilote au déploiement en production et au suivi, observe Ritu Jyoti, Program Vice President, Artificial Intelligence (AI) Strategies, IDC. HPE comble cette lacune. Et couvre l’ensemble du cycle de vie du machine learning avec son offre à base de conteneurs . Qui plus est, la proposition est agnostique vis-à-vis des plateformes. Elle accélère globalement les analyses et améliore les résultats pour l’entreprise.» 

Techniquement, la solution HPE ML Ops repose sur la technologie BlueData acquise en novembre 2018. Par ailleurs,  elle  complète ses propres solutions d’informatique hybride et ses services Pointnext. HPE ML Ops fonctionne avec un large éventail de frameworks de machine learning et de deep learning en open source. Le constructeur cite Keras, MXNet, PyTorch et TensorFlow, ainsi que les applications de machine learning de nos partenaires, tels que Dataiku et H2O.ai. 

…..

Ces articles parle de "Data Center"

Infrastructure, Servers, Network, Storage

Follow this Topic

Summary
HPE ML Ops : le machine learning opérationnel !
Article Name
HPE ML Ops : le machine learning opérationnel !
Description
HPE ML Ops transforme les projets et pilotes AI en opérations de production en couvrant l’ensemble du cycle de vie du machine learning.
Author
Publisher Name
Solutions Magazine
Publisher Logo