跳到主要内容
为当今的IT领导者探索技术洞察力信息和想法的下一步

实现机器学习的实用化AI的未来

人工智能在业务中的可能性几乎是无限的,但是必须采取哪些措施才能真正实现彼此的融合MLOps的实践可能是成功的关键所在

通过AI交付一致的业务价值的关键是采用可操作的机器学习工作流程,该流程以可靠且可重复的方式将机器学习模型完全集成到标准企业流程中

那就是MLOps进来的地方

数据科学家兼O Reilly s的合著者Piero Cinquegrana说,企业使用机器学习基本上可以做两件事,一是提高流程效率,二是发布新产品和功能。企业规模的机器学习

这些过程可以是销售过程,营销度量操作和可重复执行的任务,这些任务可以被Cinquegrana称为域

一些经典的用例是度量,例如对销售线索进行评分,这样销售客户主管就不必冷落一长串不合格的线索,他说,只要您能更有效地评估事情,就可以更有效地在渠道或受众群体上花钱对您的消息更敏感在这些情况下,机器学习可以干预并使事情更具可扩展性和效率

MLOps是一个框架

HPE企业软件业务部门产品策略师Matheen Raza和O Reilly报告的Cinquegrana合著者Matheen Raza表示,MLOps指的是创建机器学习生命周期的过程以及更加标准化的机器学习工作流程,这些过程实际上是对DevOps的一种尝试。旨在将像DevOps这样的流程引入机器学习

像DevOps一样,MLOps使用CI CD持续集成持续开发来推出更新和改进,而无需停止技术或业务流程

MLOps是一个框架,可让数据科学家快速启动其开发环境,开发其模型,针对企业生产数据训练其模型,然后使用基础容器平台将这些模型和生产代码推入运行时,HPE的Matt Maccaux全球现场CTO解释说

简而言之,MLOps是在企业中提供一致且可靠的AI模型的流程应用程序。它是实用的机器学习方法,在所有行业中都非常流行

机器的兴起

在过去的几年中,机器学习和现在的MLOps的使用增加与通用数据中AI增加的原因保持一致

越来越多的计算在边缘发生,根据多莫的研究应用程序越来越受欢迎这导致产生的数据过去被认为是一种废品,而不是几何上增长的资源。圣地亚哥超级计算机中心的Jim Short首席科学家估计数据增长率每年百分比

现在,大多数企业专业人员都认为数据是一种资源,可以在成功与失败之间发挥作用,他们愿意尝试像MLOps这样的流程,希望利用这些数据来获取业务收益。

Cinquegrana说,您可以在小型数据集上使用机器学习,但是实际上,当您拥有大量数据并且可以将其投入生产时,您开始看到很多改进,因此企业可以更轻松地实现这一目标。

MLOps生命周期

MLOps的一个有趣的元素是,其生命周期分为两个截然不同的用户组,以及两个不同的工作数据科学家,他们创建机器学习模型并从对大数据和软件工程师的使用中获得见解,而软件工程师主要关注的是实现和运行该技术整个公司,对谁来说,它更具有工程职能

生产环境与开发环境之间存在差异或差异。Raza对于IT部门来说,这是规模问题。

您想要支持的用户越多,您的管理员队伍就越多,您的IT团队也说Raza,但是IT预算几乎是恒定的,因此,他们的任务基本上是减少数据科学家的工作量,而另一方面,他们只是希望他们的项目和模型部署到生产中

这些障碍会干扰MLOps实现其最大潜力

障碍路线

根据Maccaux的说法,采用MLOps的公司中有百分之百进入了最后一英里问题他们无法将模型付诸实践由于缺乏实施工具,企业中所有ML模型的一部分已经构建但无法投入运营

因此,要使MLOps在整个企业中更实用,更实用,就需要进行一些改进。首先,根据Cinquegrana的公司,需要良好的数据基础架构,并在良好的ML基础之上

如前所述,用于创建这些基础结构的工具非常复杂且众多。但是据Maccaux称,公司的IT部门不能成为这些工具的守门人,而又不会成为那些需要免费使用它们的人的瓶颈,因此MLOps将需要一个具有最大实用性,易于使用和安全的现成工具包

另一方面,数据科学家也可能成为瓶颈。Cinquegrana一个实用且有效的MLOps解决方案将为数据科学家在ML工具和框架方面提供选择的灵活性,同时也确保遵循一定的流程来确保协作

Raza MLOps最有效和最有效的说法是,它必须使企业能够标准化机器学习生命周期,同时为用户提供灵活性,使其可以在自己选择的基础设施中部署机器学习应用程序,这些基础设施既可以部署在多个云中,也可以部署在边缘,同时还可以保持企业级水平安全与治理

未来发展

Maccaux说,机器学习和MLOps都位于一个新兴的空间中,并且一切都在迅速变化。六个月之内,这将是一个很酷的空间。

他添加的MLOps的完美之处是我们必须共同解决的问题

本文内容由确定的个人作者撰写,并不一定反映Hewlett Packard Enterprise Company的观点