HPE部署新工具以在企業(yè)中實施AI和機器學習

根據(jù)國際分析學會的最新報告，不到10%……據(jù)估計，這是在企業(yè)環(huán)境中的大規(guī)模生產(chǎn)中部署的人工智能測試項目的數(shù)量。

產(chǎn)生如此之少的數(shù)量有很多原因，其中包括大量的數(shù)據(jù)以及缺乏易于使用的工具來進行分析。這個問題需要實現(xiàn)AI和機器學習的可操作性，使其始終如一地可訪問和可重復。

BlueData副總裁兼總經(jīng)理Anant Chintamaneni(如圖)說：“最終，如果您想從這些模型以及所做的所有辛勤工作中獲得商業(yè)價值，就必須將其注入業(yè)務流程中。”惠普企業(yè)公司的負責人。“機器學習的運營最終是關鍵，這是企業(yè)必須取得的進步。”

Chintamaneni與位于加州帕洛阿爾托的CUBE工作室的SiliconANGLE Media移動流媒體直播工作室CUBE的聯(lián)合主持人Peter Burris(@plburris)進行了交談。聯(lián)合主持人Stu Miniman(@stu)參加了Burris的數(shù)字社區(qū)活動，他們還采訪了HPE杰出的技術專家和首席數(shù)據(jù)科學家Nanda Vijaydev。HPE大數(shù)據(jù)，分析和橫向擴展數(shù)據(jù)平臺副總裁兼總經(jīng)理Patrick Osborne;和Wikibon分析師James Kobielus(@jameskobielus)。討論的重點是數(shù)據(jù)科學團隊中所需的角色，HPE引入了一種新的軟件解決方案以指導企業(yè)進行分析部署，以及在業(yè)務流程中實現(xiàn)AI和機器學習的重要性。(*以下披露。)

數(shù)據(jù)科學的DevOps

在企業(yè)中實施AI和機器學習的一個問題是它需要一個村莊。數(shù)據(jù)科學家可以選擇正確的算法，數(shù)據(jù)工程師可以清理輸入的信息，機器學習架構師可以構建預測變量，程序員也可以。

這些都是數(shù)據(jù)科學團隊的一部分，該團隊負責推動所謂的數(shù)據(jù)中心運營。“在Wikibon中，我們將其稱為數(shù)據(jù)科學的DevOps，” Kobielus說。

為了幫助這個多元化的團隊確保實踐的一致性，HPE在9月推出了以容器為中心的軟件解決方案ML Ops，該解決方案基于該公司去年收購BlueData時獲得的技術。BlueData的軟件平臺結合了容器，虛擬化和大數(shù)據(jù)工具，可為客戶提供更好的機器學習和AI體驗。

Osborne表示：“ ML Ops可幫助您從數(shù)據(jù)科學家或數(shù)據(jù)工程師那里擴展其筆記本電腦上的算法，從而能夠在數(shù)據(jù)中心內大規(guī)模運行該算法。”“我們?yōu)閲@AI和機器學習的新生態(tài)系統(tǒng)建立了許多備受矚目的新關系。”