Публикации
2023 г. – новый этап практического применения CXL, статья
VMware сдвигает акцент в проекте Capitola на CXL, статья
Dell Validated Design for Analytics — Data Lakehouse: интегрированное хранилище данных, статья
OCP Global Summit: решения для Computational Storage и компонуемых масштабируемых архитектур, статья
Samsung CXL MemoryySemantic SSD: 20M IOPs, статья
UCIe – открытый протокол для взаимосвязи чиплетов и построения дезагрегированных инфраструктур, статья
Omni-Path Express – открытый интерконнект для экзафлопных HPC/AI-систем, статья
GigaIO: CDI_решение на базе AMD для высшего образования, статья
Энергоэффективные ЦОД на примерах решений Supermicro, Lenovo, Iceotope, Meta, статья
От хранилищ данных и “озер данных” к open data lakehouse и фабрике данных, статья
EuroHPC JU развивает НРС-экосистему на базе RISC-V, статья
LightOS™ 2.2 – программно-определяемое составное блочное NVMe/TCP хранилище, статья
End-to-end 64G FC NAFA, статья
Computational Storage, статья
Технология KIOXIA Software-Enabled Flash™, статья
Pavilion: 200 млн IOPS на стойку, статья
CXL 2.0: инновации в операциях Load/Store вводаавывода, статья
Тестирование референсной архитектуры Weka AI на базе NVIDIA DGX A100, статья
Fujitsu ETERNUS CS8000 – единая масштабируемая платформа для резервного копирования и архивирования, статья
SmartNIC – новый уровень инфраструктурной обработки, статья
Ethernet SSD, JBOF, EBOF и дезагрегированные хранилища, статья
Compute, Memory и Storage, статья
Lenovo: CXL – будущее серверов с многоуровневой памятью , статья
Liqid: компонуемые дезагрегированные инфраструктуры для HPC и AI, статья
Intel® Agilex™ FPGA, статья
Weka для AI-трансформации, статья
Cloudera Data Platform – “лучшее из двух миров”, статья
Fujitsu ETERNUS DSP - разработано для будущего, статья
Технологии охлаждения для следующего поколения HPC-решений, статья
Что такое современный HBA?, статья
Fugaku– самый быстрый суперкомпьютер в мире, статья
НРС – эпоха революционных изменений, статья
Новое поколение СХД Fujitsu ETERNUS, статья
Зональное хранение данных, статья
За пределами суперкомпьютеров, статья
Применение Intel® Optane™ DC и Intel® FPGA PAC, статья
Адаптивные HPC/AI-архитектуры для экзаскейл-эры, статья
DAOS: СХД для HPC/BigData/AI приложений в эру экзаскейл_вычислений, статья
IPsec в пост-квантовую эру, статья
LiCO: оркестрация гибридныхНРС/AI/BigData_инфраструктур, статья
 
Обзоры
Все обзоры в Storage News
 
Тематические публикации
Flash-память
Облачные вычисления/сервисы
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных
Современные СХД
Информационная безопасность (ИБ), борьба с мошенничеством
Рынки
HPE стимулирует развитие инноваций в области ИИ, благодаря решению для управления полным циклом машинного обучения корпоративного класса

12, сентябрь 2019  — 

Новое решение HPE Machine Learning (ML) Ops сокращает время окупаемости инвестиций в ИИ с нескольких месяцев до нескольких дней и обеспечивает гибкость DevOps на протяжении жизненного цикла модели машинного обучения

Hewlett Packard Enterprise (HPE) анонсировала программное контейнерное решение HPE ML Ops , созданное для поддержки полного жизненного цикла модели машинного обучения (МО) для локального размещения и облачного – публичного или гибридного. Новое решение представляет собой процесс, подобный DevOps, для стандартизации рабочих процессов машинного обучения и ускорения развертывания систем искусственного интеллекта (ИИ) с нескольких месяцев до нескольких дней.

Новое решение HPE ML Ops расширяет возможности программной платформы BlueData EPIC ™ , использующей программные контейнеры, тем самым предоставляя специалистам по интеллектуальному анализу данных доступ по запросу к контейнерным средам для работы с распределенным ИИ/МО и аналитикой. Компания BlueData была приобретена HPE в ноябре 2018 года, чтобы улучшить свой портфель предложений в области ИИ, контейнерных приложений и аналитики и таким образом дополнила решения продуктового подразделения HPE Hybrid IT и сервисного HPE Pointnext для внедрения ИИ на предприятиях.

За последние четыре года внедрение ИИ в корпорациях выросло более чем вдвое, и организации продолжают инвестировать значительные средства и время в создание моделей машинного и глубокого обучения для широкого спектра применений ИИ, таких как обнаружение мошеннических действий, персонализированная медицина и прогнозная аналитика поведения потребителей. Однако самым большим вызовом, с которым сталкиваются технические специалисты, известным также как « проблема последней мили »– является практическое применение МО для успешного развертывания и управления разработанными моделями и извлечения из них коммерческой выгоды. По данным аналитиков Gartner, к 2021 году, как минимум 50% проектов по МО не будут развернуты полностью из-за недостатков в их практическом применении.

HPE ML Ops превращает все технологические инициативы, связанные с ИИ, из экспериментов и пилотных проектов в производственные и бизнес- процессы, охватывая весь жизненный цикл МО: от подготовки данных и построения моделей до обучения, развертывания, мониторинга и их взаимодействия.

« Только работающие модели машинного обучения приносят бизнесу коммерческую выгоду », – считает Кумар Сриканти (Kumar Sreekanti), старший вице-президент и технический директор подразделения Hybrid IT в HPE. – А благодаря HPE ML Ops мы предоставляем единственное решение корпоративного класса, позволяющее реализовать полный жизненный цикл машинного обучения для локального размещения и гибридного облака. Мы привносим скорость и гибкость работы DevOps в МО, обеспечивая более быстрое и экономически эффективное использование ИИ на предприятии ».

« От розничной торговли до банковского дела, от производства до здравоохранения и не только – практически все отрасли внедряют или исследуют ИИ/МО для разработки инновационных продуктов и услуг ради получения конкурентного преимущества. Пока большинство предприятий сосредотачивают усилия на фазах построения и обучения своих проектов в области ИИ/МО, они борются за практическое применение полного жизненного цикла МО – от концепции, к пилотному проекту, развёртыванию в продуктивной системе и мониторингу, – сказал Риту Джйоти (Ritu Jyoti), вице-президент программы стратегии искусственного интеллекта в IDC. – HPE восполняет этот пробел, предлагая мультиплатформенное решение для всего жизненного цикла МО на основе технологии контейнеров, предназначенное для поддержки ряда эксплуатационных требований МО, ускорения получения результатов и достижения превосходных результатов в бизнесе ».

« Наши онлайн-игры генерируют миллиарды точек данных (data points) каждый день, – говорит Алекс Рябов (Alex Ryabov), руководитель службы обработки данных в Wargaming. – Применяя сложные модели МО, наши специалисты по интеллектуальному анализу данных используют эту информацию для предписывающей аналитики, чтобы улучшить игровой опыт и повысить лояльность наших игроков. С помощью программного обеспечения HPE BlueData мы контейнеризируем эти аналитические и МО среды, чтобы увеличить операционную эффективность и оптимизировать наш бизнес ».

Пользуясь HPE ML Ops, специалисты по обработке данных, участвующие в создании и развертывании моделей МО, могут ощутить на себе преимущества наиболее комплексного в отрасли решения для эксплуатации и управления жизненным циклом ИИ на предприятии:

•  Построение модели : предварительно подготовленные среды и самообслуживающиеся песочницы для тестирования инструментов МО и ведения записей об анализе данных;

•  Обучение модели: масштабируемая среды для обучения с безопасным доступом к данным;

•  Развертывание модели : гибкое и быстрое развертывание с функцией воспроизводимости;

•  Мониторинг модели: полноценный обзор всего жизненного цикла модели МО;

•  Взаимодействие: организация рабочих процессов непрерывной интеграции и доставки (CI/CD) с помощью репозиториев для кода, моделей и проектов;

•  Безопасность и контроль: безопасная многопользовательская среда с интеграцией в механизмы аутентификации предприятия;

•  Гибридное развертывание: поддержка локального размещения и облачного – публичного или гибридного.

Решение HPE ML Ops совместимо с широким спектром систем машинного и глубокого обучения с открытым исходным кодом, включая Keras, MXNet, PyTorch и TensorFlow, а также с коммерческими приложениями МО в рамках ПО партнерской экосистемы, в том числе на таких платформах, как Dataiku и H2O.ai .

« Будучи давними партнерами сервисного подразделения HPE Pointnext, мы очень рады, что BlueData теперь является частью HPE, – говорит Флориан Дуэтто (Florian Douettaeu), генеральный директор Dataiku. – В Dataiku мы стремимся обеспечить широкомасштабное внедрение машинного обучения на всех предприятиях. Сочетание платформы Dataiku с программным обеспечением HPE BlueData поможет нашим заказчикам успешно масштабировать свои проекты по машинному обучению и находить им практическое применение, достигая ощутимых результатов для бизнеса ».

Подробнее о HPE ML Ops: hpe.com/ info / MLOps

Доступность:

Решение HPE ML Ops доступно уже сейчас по подписке, наряду с другими услугами HPE Pointnext и службой поддержки.

О компании Hewlett Packard Enterprise

Hewlett Packard Enterprise ? мировой технологический лидер, специализируется на разработке интеллектуальных решений, позволяющих заказчикам накапливать, анализировать и использовать данные в ИТ-инфраструктурах любого уровня ? от периферийных систем до облаков. HPE помогает клиентам ускорить получение бизнес-результатов за счет внедрения новых бизнес-моделей, создания новых возможностей для заказчиков и сотрудников, а также повышения операционной эффективности ? сегодня и в будущем.

Публикации по теме
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных
 
Новости HPE

© "Storage News" journal, Russia&CIS
(495) 233-4935;
www.storagenews.ru; info@storagenews.ru.