Gestire l’intero ciclo di vita del Machine Learning con HPE
Hewlett Packard Enterprise (HPE) ha annunciato HPE ML Ops, una soluzione software basata su container che supporta 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 AI riducendoli da mesi a giorni.
La nuova soluzione HPE ML Ops 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 AI/ML. BlueData è stata acquisita da HPE nel novembre 2018 allo scopo di arricchirne le proposte dedicate ad AI, analytics e container, affiancandosi alle soluzioni Hybrid IT di HPE e ai servizi Pointnext per i deployment AI enterprise.
L’adozione della AI nei contesti enterprise è più che raddoppiata negli ultimi quattro anni e le aziende continuano a investire significative quantità di tempo e risorse nella messa a punto di modelli di machine learning e deep learning per una vasta gamma di casi di utilizzo, come il rilevamento delle frodi, la medicina personalizzata o la customer analytics predittiva. Tuttavia, la sfida più difficile affrontata dai tecnici risiede nella operazionalizzazione del ML, quel che è altrimenti detto “ultimo miglio”, per implementare e gestire tali modelli e ricavarne valore di business. Secondo Gartner, entro il 2021 almeno il 25% dei progetti di machine learning non risulterà completamente implementato proprio a causa della loro mancanza di operazionalizzazione.
HPE ML Ops trasforma le iniziative AI 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 e dalla costruzione dei modelli all’addestramento, al deployment, al monitoraggio e alla collaborazione.
“Solamente i modelli di machine learning operativi restituiscono valore di business”, ha dichiarato Kumar Sreekanti, SVP e CTO, Hybrid IT di HPE. “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, 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”, ha affermato Ritu Jyoti, program vice president, Artificial Intelligence (AI) Strategies di IDC. “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”.
“I nostri giochi online generano miliardi di data point ogni giorno”, ha sottolineato Alex Ryabov, Head of Data Services di Wargaming. “Usando modelli ML complessi, i nostri data scientist possono sfruttare questi dati per attività di analisi prescrittiva che migliorano l’esperienza dei nostri giocatori, il loro lifetime value e la loro fidelizzazione. Con il software BlueData di HPE stiamo containerizzando questi ambienti di ML e analytics per aiutare a migliorare l’efficienza operativa e ottimizzare il nostro business”.
Con la soluzione HPE ML Ops, i team responsabili della data science coinvolti nella costruzione e nel deployment di modelli ML possono sfruttare la più completa soluzione per l’operazionalizzazione e la gestione del ciclo di vita delle AI enterprise. Costruzione dei modelli: Ambienti sandbox self-service pre-pacchettizzati per i tool ML e i notebook per la data science. Addestramento dei modelli: Ambienti di training scalabili con accesso protetto ai dati. Deployment dei modelli: Deployment rapido e flessibile completo di riproducibilità. Monitoraggio dei modelli: Visibilità end-to-end sul ciclo di vita del modello ML. Collaborazione: Workflow CI/CD con repository per codice, modelli e progetti. Sicurezza e controllo: Multi-tenancy sicura integrata con meccanismi di autenticazione enterprise. Deployment ibrido: Supporto di ambienti on-premises, cloud pubblico e cloud ibrido
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.
“Partner di HPE Pointnext Services da lungo tempo, siamo entusiasti che BlueData faccia ora parte di HPE”, ha commentato Florian Douetteau, CEO di Dataiku. “Dataiku offre a tutte le aziende la possibilità di adottare il machine learning su vasta scala. La combinazione tra Dataiku e il software HPE BlueData aiuterà i nostri clienti a scalare e operazionalizzare con successo i rispettivi progetti di machine learning ottenendo un impatto effettivo sul loro business”.
Contenuti correlati
-
AI in simulazione e HPC con Altair al Farnborough Airshow 2024
Altair porta in mostra le ultime innovazioni nel campo della simulazione ingegneristica, dell’intelligenza artificiale (AI) e del calcolo ad alte prestazioni (HPC) al Farnborough International Airshow 2024, in programma dal 22 al 26 luglio presso il Farnborough...
-
Un podcast innovazione e AI nell’industria manifatturiera
A fine 2023 Google ha presentato GNoMe, un’intelligenza artificiale specializzata nello scoprire nuovi materiali: ne ha trovati 2.2 milioni, di cui 380.000 considerati stabili, un bel passo in avanti se si considera che fino a quella data...
-
Edge e Cloud nella produzione di impermeabilizzanti per edilizia
Un percorso di innovazione per l’ottimizzazione del processo produttivo nel settore degli impermeabilizzanti per l’edilizia: come l’intelligenza artificiale applicata in linea ha consentito a Volteco di migliorare l’efficienza, ridurre gli sprechi e aumentare la qualità del prodotto...
-
Faulhaber semplifica l’uso delle sue soluzioni di azionamento ai fini della semplessità
Chiunque si interessi dei principali temi di attualità si sarà sicuramente imbattuto nel termine “semplessità”. Connubio dei termini “semplicità” e “complessità”, a prima vista potrebbe sembrare composto da due elementi contrapposti. Cosa è la “semplessità” Questo termine racchiude essenzialmente...
-
La regolamentazione sull’AI: la visione di Appian
L’Europa si è posta all’avanguardia nella regolamentazione sull’AI grazie all’EU AI Act, la prima legge di questo tipo al mondo completa e approvata all’unanimità dagli Stati membri dell’UE il 21 maggio 2024. All’interno del quadro normativo dell’UE...
-
Droni, automazione e intelligenza artificiale: Inspire sviluppa la piattaforma per il monitoraggio degli incendi
Nelle attività di spegnimento di un incendio boschivo, la Protezione civile e i Vigili del fuoco si trovano frequentemente a dover affrontare la riaccensione di fuochi da punti caldi considerati già spenti, soprattutto durante la notte quando...
-
Uno sguardo al futuro del settore dell’automotive
Intelligenza artificiale, Infotainment e Adas richiedono diversi tipi di chip in grado di fornire le prestazioni di calcolo e l’adattabilità che sono essenziali per l’innovazione automobilistica. AMD propone dei semiconduttori che consentono di implementare l’AI a livello...
-
Controllo della produzione: imperativo ottimizzare la convergenza OT-IT
L’integrazione dei sistemi di controllo di fabbrica con le applicazioni IT di gestione del business promette di portare nuovi livelli di efficienza e produttività: l’orchestrazione di software MES, ERP, cloud e applicazioni IIoT va però attuata minimizzando...
-
Innovazione e intelligenza artificiale on-device alla base della competitività
Il fondamento strategico del Gruppo Keba, ovvero la diversificazione del business in vari mercati e settori, si è dimostrato ancora una volta una base solida e stabile per l’azienda. Con 26 filiali in 16 paesi e siti...
-
Siemens e MGA: una partnership virtuosa verso l’innovazione dell’industria farmaceutica
Masco Group Automation (MGA), società parte di Masco Group, è un’azienda specializzata nello sviluppo e nella produzione di soluzioni per l’automazione e la digitalizzazione nel settore Pharma. Fondata con l’obiettivo di fornire tecnologie all’avanguardia per ottimizzare i...