大多數(shù)組織認(rèn)識(shí)到機(jī)器學(xué)習(xí)（ML）的變革優(yōu)勢(shì)，并且已經(jīng)采取措施實(shí)施它。但是，在生產(chǎn)中部署ML模型和大規(guī)模操作它們時(shí)，他們?nèi)匀幻媾R一些挑戰(zhàn)。

創(chuàng)新互聯(lián)長期為1000+客戶提供的網(wǎng)站建設(shè)服務(wù)，團(tuán)隊(duì)從業(yè)經(jīng)驗(yàn)10年，關(guān)注不同地域、不同群體，并針對(duì)不同對(duì)象提供差異化的產(chǎn)品和服務(wù)；打造開放共贏平臺(tái)，與合作伙伴共同營造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為南潯企業(yè)提供專業(yè)的成都網(wǎng)站建設(shè)、網(wǎng)站設(shè)計(jì)，南潯網(wǎng)站改版等技術(shù)服務(wù)。擁有10多年豐富建站經(jīng)驗(yàn)和眾多成功案例,為您定制開發(fā)。

這些挑戰(zhàn)源于大多數(shù)企業(yè)ML工作流缺乏通常與軟件工程相關(guān)的標(biāo)準(zhǔn)化流程這一事實(shí)。答案是統(tǒng)稱為MLOps（機(jī)器學(xué)習(xí)操作）的一組標(biāo)準(zhǔn)實(shí)踐。MLOps為ML生命周期帶來了標(biāo)準(zhǔn)化，幫助企業(yè)從試驗(yàn)轉(zhuǎn)向大規(guī)模ML部署。

在最近的一項(xiàng)研究中，F(xiàn)orrester發(fā)現(xiàn)98％的IT領(lǐng)導(dǎo)者相信MLOps將為其公司帶來競(jìng)爭(zhēng)優(yōu)勢(shì)并提高盈利能力。但是只有6％的人認(rèn)為他們的MLOps功能已經(jīng)成熟或非常成熟。

那么，為什么差距懸殊？

很少有公司具有圍繞ML模型開發(fā)和部署的健壯且可操作的流程。這不一定是由于缺乏嘗試或認(rèn)可而引起的，這并非易事。

希望繼續(xù)使用ML來改善其業(yè)務(wù)流程或提供新客戶體驗(yàn)的組織面臨著持續(xù)而重大的挑戰(zhàn)：

· IT運(yùn)營團(tuán)隊(duì)無法掌握ML

· 關(guān)鍵MLOps功能缺乏能力

· 機(jī)器學(xué)習(xí)開發(fā)和運(yùn)營團(tuán)隊(duì)之間的協(xié)作不足

· 缺乏凝聚力，高效的技術(shù)工具鏈

· 跨團(tuán)隊(duì)位置（云和本地部署）分布的數(shù)據(jù)的安全性和控制

企業(yè)如何克服這些挑戰(zhàn)并從人工智能（AI）和機(jī)器學(xué)習(xí)中受益？在企業(yè)級(jí)實(shí)施ML并部署更多ML用例的關(guān)鍵操作步驟是什么？

根據(jù)HPE/Forrester論文的發(fā)現(xiàn)，運(yùn)營是一個(gè)分為四個(gè)步驟的過程。

· 發(fā)現(xiàn)并執(zhí)行高優(yōu)先級(jí)，高投資回報(bào)率的機(jī)器學(xué)習(xí)用例，這些用例可以迅速揭示工作成果。就是說，確保用例在技術(shù)上可行并具有影響力對(duì)于為機(jī)器學(xué)習(xí)的實(shí)施奠定基礎(chǔ)至關(guān)重要。

· 建立合適的AI團(tuán)隊(duì)。真空操作的數(shù)據(jù)科學(xué)家不會(huì)給任何組織成功所需的動(dòng)力。盡管毫無疑問，數(shù)據(jù)科學(xué)家無疑是構(gòu)建ML模型的專家，包括IT團(tuán)隊(duì)，業(yè)務(wù)分析師，項(xiàng)目經(jīng)理，設(shè)計(jì)師和AI團(tuán)隊(duì)中的AI團(tuán)隊(duì)，他們將提供更廣闊的視野并幫助緩解最后的部署問題。

· 分析影響整個(gè)ML生命周期的現(xiàn)有硬件，軟件，安全性，數(shù)據(jù)訪問和控制。確定哪里存在差距，效率低下，不足以及可能阻礙機(jī)器學(xué)習(xí)進(jìn)度的潛在領(lǐng)域。

· 投資于既能解決分析中發(fā)現(xiàn)的問題，又能簡(jiǎn)化部署，維護(hù)和控制的工具，技術(shù)和流程。

HPE提供的解決方案可幫助企業(yè)成功實(shí)現(xiàn)ML。HPE Ezmeral ML Ops是一種軟件解決方案，為機(jī)器學(xué)習(xí)生命周期的每個(gè)階段提供支持，為ML工作流帶來類似于DevOps的速度和敏捷性。

HPE Ezmeral ML Ops利用容器和Kubernetes支持整個(gè)ML生命周期。它為容器化數(shù)據(jù)科學(xué)環(huán)境提供了使用任何開放源代碼或第三方數(shù)據(jù)科學(xué)工具進(jìn)行模型開發(fā)的能力，并且可以輕松地通過一鍵式模型將其部署到內(nèi)部或云中的可擴(kuò)展容器化端點(diǎn)。數(shù)據(jù)科學(xué)家受益于一個(gè)單一的平臺(tái)，可以跨任何基礎(chǔ)架構(gòu)平臺(tái)監(jiān)視和部署所有數(shù)據(jù)科學(xué)應(yīng)用程序。更重要的是，企業(yè)可以快速運(yùn)行機(jī)器學(xué)習(xí)模型，并加快其機(jī)器學(xué)習(xí)計(jì)劃的價(jià)值實(shí)現(xiàn)時(shí)間，從而獲得競(jìng)爭(zhēng)優(yōu)勢(shì)。

文章題目：該如何利用MLOps大規(guī)模運(yùn)行ML？
網(wǎng)頁網(wǎng)址：http://www.rwnh.cn/article42/cjooec.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供面包屑導(dǎo)航、App開發(fā)、定制網(wǎng)站、外貿(mào)建站、微信小程序、軟件開發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)