Catégories
Start-up et applications

Google annonce de nouveaux services pour simplifier les MLOps

vue de bout en bout des services MLOps de Google

Google a annoncé un nouvel ensemble de services visant à simplifier les opérations d'apprentissage automatique (MLOps) pour les scientifiques des données et les ingénieurs d'apprentissage automatique (ML).

Selon Google, les entreprises utilisent l'apprentissage automatique pour résoudre des problèmes complexes, mais les systèmes d'apprentissage automatique peuvent créer une dette technique indésirable s'ils ne sont pas bien gérés. Google a noté que l'apprentissage automatique présentait quelques défis de maintenance en plus de tous les défis du code traditionnel: des dépendances matérielles et logicielles uniques, des tests et la validation des données et du code, et le fait que les modèles se dégradent avec le temps à mesure que la technologie progresse.

CONTENU CONNEXE: Utilisez l'intelligence émotionnelle avant l'intelligence artificielle

«En d'autres termes, la création d'un modèle ML est la partie la plus simple. L'opérationnalisation et la gestion du cycle de vie des modèles, des données et des expériences de ML se compliquent», écrit Craig Wiley, directeur de la gestion des produits pour Cloud AI Platform chez Google. une Publier.

L’un des nouveaux services est un service entièrement géré pour les pipelines ML qui permet aux clients de créer des pipelines ML à l’aide des composants et des modèles prédéfinis de TensorFlow Extended. Cela permet de réduire considérablement l'effort nécessaire pour déployer des modèles, a expliqué Wiley. Ce service sera disponible en avant-première en octobre.

Un autre nouveau service est la surveillance continue, qui surveille les modèles en production et alerte les administrateurs si les modèles deviennent obsolètes ou s'il y a des valeurs aberrantes, des biais ou des dérives de concept. Cela permettra aux équipes d'intervenir rapidement et de recycler les modèles. Celui-ci sera disponible d'ici la fin de 2020.

Le nouveau service final est Feature Store, qui est un référentiel des valeurs de fonctionnalités historiques et récentes. Ce service aidera à permettre la réutilisation au sein des équipes de ML et à augmenter la productivité des utilisateurs en éliminant les étapes redondantes. Selon Wiley, le Feature Story offrira également des outils qui atténuent les causes courantes d'incohérence entre les fonctionnalités utilisées pour la formation et la prédiction.

«Pratiquer MLOps signifie que vous préconisez l'automatisation et la surveillance à toutes les étapes de la construction du système ML, y compris l'intégration, les tests, la publication, le déploiement et la gestion de l'infrastructure. Les annonces que nous faisons aujourd'hui aideront à simplifier la façon dont les équipes d'IA gèrent l'ensemble du cycle de vie du développement ML. Notre objectif est de faire en sorte que l'apprentissage automatique agisse davantage comme l'informatique afin qu'il devienne plus efficace et plus rapide à déployer, et nous sommes ravis d'apporter cette efficacité et cette rapidité à votre entreprise », a écrit Wiley.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *