HPE ML Ops, è la soluzione software basata su container presentata da Hewlett Packard Enterprise per supportare l’intero ciclo di vita dei modelli di machine learning residenti on-premises, su cloud pubblici o in ambienti cloud ibridi. La nuova soluzione introduce un processo simile a DevOps che permette di standardizzare i workflow di machine learning e accelera i deployment di intelligenza artificiale promettendo di ridurli da mesi a giorni.
Più nello specifico, la nuova soluzione estende le capacità della piattaforma software BlueData EPIC, che fornisce ai team responsabili della data science accesso on-demand ad ambienti containerizzati per attività di analytics e di intelligenza artificiale/machine learning.
In pratica, HPE ML Ops è stato progettato per trasformare le iniziative di intelligenza artificiale da sperimentazioni e progetti pilota in attività operative e di produzione di livello enterprise, affrontando l’intero ciclo di vita del machine learning, dalla preparazione dei dati in poi. I team responsabili della data science coinvolti nella costruzione e nel deployment di modelli di machine learning con HPE ML Ops possono sfruttare una soluzione completa per l’operazionalizzazione e la gestione del ciclo di vita delle iniziative AI: per esempio, per la costruzione dei modelli (grazie ad ambienti sandbox self-service pre-pacchettizzati per i tool ML e i notebook per la data science); per il loro addestramento (con ambienti di training scalabili con accesso protetto ai dati) e deployment rapido; quindi, possono contare su una visibilità end-to-end sul ciclo di vita del modello di machine learning per il monitoraggio e così via.
La soluzione HPE ML Ops funziona con una vasta gamma di framework open source dedicati al machine learning e al deep learning come Keras, MXNet, PyTorch e TensorFlow, oltre che con applicazioni di machine learning commerciali prodotte da software partner di ecosistema quali Dataiku e H2O.ai.
“Solamente i modelli di machine learning operativi – ha dichiarato Kumar Sreekanti, SVP e CTO, Hybrid IT di HPE – restituiscono valore di business. E con HPE ML Ops proponiamo l’unica soluzione di classe enterprise capace di operazionalizzare il ciclo di vita end-to-end del machine learning nei deployment on-premises e su cloud ibridi. Estendiamo di fatto la velocità e l’agilità di DevOps al machine learning, velocizzando il time-to-value della AI negli ambienti enterprise”.
“Dal retail alle banche all’industria, fino alla sanità e oltre – ha spiegato Ritu Jyoti, program vice president, Artificial Intelligence Strategies di IDC – non c’è praticamente settore che non stia adottando o considerando progetti AI/ML per sviluppare prodotti e servizi innovativi e conquistare un vantaggio competitivo. Sebbene la maggior parte delle aziende stia procedendo spedita lungo la fase di costruzione e addestramento dei rispettivi progetti AI/ML, esse stanno tuttavia facendo fatica a operazionalizzare l’intero ciclo di vita ML, dalla prova concettuale alla fase pilota, per poi arrivare al deployment in produzione e al monitoraggio. HPE sta colmando questo gap affrontando l’intero ciclo di vita ML con la sua proposta basata su container e indipendente dalla piattaforma, allo scopo di supportare una serie di requisiti operativi ML, accelerare il time-to-insights complessivo e promuovere risultati di business superiori”.
