NoticiasAnalytics

HPE busca gestionar el ciclo de vida completo del machine learning

La nueva solución de Machine Learning (ML) de HPE quiere acelerar los procesos de gestión a través de la IA, así como agilidad a la implantación de metodologías DevOps.

Hewlett Packard Enterprise (HPE) ha presentado una solución de software basada en contenedores, HPE ML Ops, para dar soporte a todo el ciclo de vida del Machine Learning para entornos de cloud pública, privadas e híbrida. La nueva solución presenta un modelo similar a DevOps para estandarizar los flujos de trabajo en la implantación de plataformas de Machine Learning y reducir su despliegue de meses a días.

La nueva solución HPE ML Ops amplía las capacidades de la plataforma de software basada en contenedores BlueData EPIC, para proporcionar a los equipos dedicados al análisis de datos acceso bajo demanda a entornos de contenedores de Machine Learning y Deep Learning distribuidos. BlueData fue adquirida por HPE en noviembre de 2018 para reforzar su oferta de IA, análisis de datos y contenedores, y complementa también las soluciones de TI híbridas de HPE y los servicios HPE Pointnext para despliegues de IA empresarial.

La adopción de la IA en el entorno empresarial se ha más que duplicado en los últimos cuatro años y las organizaciones continúan invirtiendo tiempo y recursos para construir entornos de Machine Learning y Deep Learning que puedan emplearse en una gran variedad de casos de uso, tales como detección del fraude, medicina personalizada o análisis predictivo de clientes. En cualquier caso, el principal reto al que deben hacer frente los técnicos es cómo poner en marcha estos entornos de IA para desplegar y gestionar con éxito estos modelos, así como para liberar el valor del negocio lo más rápido posible. Según Gartner, en 2021, al menos el 50 por ciento de los proyectos de Machine Learning no se habrán desplegado completamente debido a la falta de operatividad de los mismos.

Según Gartner, en 2021, al menos el 50 por ciento de los proyectos de Machine Learning no se habrán desplegado completamente debido a la falta de operatividad de los mismos

HPE ML Ops tiene el objetivo de transformar y facilitar la gestión de las iniciativas de IA desde las fases de experimentación y los proyectos piloto, hasta la puesta en producción final, abordando todo el ciclo de vida del Machine Learning. HPE ML Ops también pretende ayudar a una mejor preparación de los datos, desde la creación de modelos, hasta la formación, implementación, monitorización y colaboración.

Con HPE ML Ops, proporcionamos la única solución empresarial para cubrir el ciclo de vida de extremo a extremo de Machine Learning para el despliegue de entornos cloud híbridos y on-premise”, ha declarado Kumar Sreekanti, SVP y CTO de Hybrid IT en HPE.

Desde la distribución a la banca, pasando por la fabricación y el sector sanitario, prácticamente todas las industrias están adoptando o investigando IA, con objeto de desarrollar productos y servicios más innovadores y así obtener mayor ventaja competitiva y HPE está cerrando esta brecha al abordar todo el ciclo de vida de ML con una oferta basada en contenedores y abierta para dar soporte a una amplia gama de requerimientos operacionales de ML, y acelerar la ingesta y procesado de los datos”, según declaraRitu Jyoti, vicepresidenta del programa de estrategias de inteligencia artificial en IDC.

La solución HPE ML Ops funciona con una amplia gama de entornos de código abierto para Machine Learning y Deep Learning entre los que se incluyen Keras, MXNet, PyTorch y TensorFlow, así como aplicaciones comerciales como Dataiku y H2O.ai.

Computing 786