- Community Home
- >
- HPE Community, Austria, Germany & Switzerland
- >
- HPE Blog, Austria, Germany & Switzerland
- >
- Neue HPE-Lösung bringt KI schneller auf die Straße
Kategorien
Company
Local Language
Forums
Diskussionsforum
Forums
- Data Protection and Retention
- Entry Storage Systems
- Legacy
- Midrange and Enterprise Storage
- Storage Networking
- HPE Nimble Storage
Diskussionsforum
Diskussionsforum
Diskussionsforum
Forums
Diskussionsforum
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
- BladeSystem Infrastructure and Application Solutions
- Appliance Servers
- Alpha Servers
- BackOffice Products
- Internet Products
- HPE 9000 and HPE e3000 Servers
- Networking
- Netservers
- Secure OS Software for Linux
- Server Management (Insight Manager 7)
- Windows Server 2003
- Operating System - Tru64 Unix
- ProLiant Deployment and Provisioning
- Linux-Based Community / Regional
- Microsoft System Center Integration
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Gemeinschaft
Kontakt
Forums
Blogs
- RSS-Feed abonnieren
- Als neu kennzeichnen
- Als gelesen kennzeichnen
- Lesezeichen
- Abonnieren
- Drucker-Anzeigeseite
- Anstößigen Inhalt melden
Neue HPE-Lösung bringt KI schneller auf die Straße
Hewlett Packard Enterprise (HPE) bringt mit HPE ML Ops eine Container-basierte Software-Lösung auf den Markt, die den gesamten Lebenszyklus von Machine-Learning-Modellen unterstützt – im lokalen Rechenzentrum, in der Public Cloud und in hybriden Umgebungen. Die neue Lösung nutzt dazu DevOps-ähnliche Prozesse. Die Projektdauer bis zur Inbetriebnahme kann dadurch von Monaten auf Tage verkürzt werden.
HPE ML Ops (Machine Learning Operations) erweitert die Funktionen der BlueData-EPIC-Plattform und gibt Datenanalysten einen On-demand-Zugang zu Container-Umgebungen für verteilte KI-, ML- und Analytics-Umgebungen. HPE übernahm BlueData im November 2018.
Laut Gartner hat sich der KI-Einsatzgrad in Unternehmen in den letzten vier Jahren mehr als verdoppelt (1). Die Unternehmen investieren viel Zeit und Geld, um Machine-Learning- und Deep-Learning-Modelle für eine große Bandbreite an Anwendungsfällen zu entwickeln – dazu gehören etwa die Betrugsaufdeckung, personalisierte Medizin oder die Prognose der Kundennachfrage. Die größte Herausforderung ist die Inbetriebnahme dieser Modelle, die so genannte „letzte Meile“. Laut Gartner werden bis zum Jahr 2021 mindestens die Hälfte der ML-Projekte aus diesem Grund nicht vollständig betriebsbereit sein (2).
HPEs ML-Ops-Lösung hilft Firmen dabei, KI-Projekte aus dem Pilot- in den Echtbetrieb zu überführen, indem sie den ganzen Lebenszyklus unterstützt: von der Datenvorbereitung und Modellentwicklung über das Training bis hin zur Einführung und dem Monitoring.
„Die meisten Firmen bringen die Entwicklung und das Training von KI-/ML-Modellen gut in Gang, aber es fällt ihnen schwer, den kompletten ML-Lebenszyklus vom PoC- zum Pilot- und Echtbetrieb und Monitoring umzusetzen“, so Ritu Jyoti, Program Vice President für KI-Strategien bei IDC. „HPE schließt diese Lücke mit seinem Container-basierten, Plattform-unabhängigen Angebot, das den gesamten ML-Lebenszyklus abbildet. Es unterstützt eine Reihe von ML-Betriebsanforderungen, führt schneller zu Einsichten und Geschäftsergebnissen.“
HPE ML Ops unterstützt die folgenden Phasen und Funktionen von KI-/KL-Projekten:
- Modell-Entwicklung – mit vorinstallierten Sandbox-Umgebungen für ML-Werkzeuge und Data Science Notebooks
- Modell-Training – mit skalierbaren Trainings-Umgebungen und sicherem Datenzugang
- Modell-Einführung – unterstützt eine flexible, schnelle und nachvollziehbare Einführung
- Modell-Monitoring – mit Transparenz über den gesamten ML-Lebenszyklus
- Zusammenarbeit – unterstützt Workflows für Continuous Integration und Continuous Delivery mit Code-, Modell- und Projekt-Repositories
- Sicherheit und Steuerung – sichert Mehrmandantenfähigkeit durch Integration mit Authentifizierungs-Mechanismen
- Hybride Architekturen – unterstützt die Einführung im lokalen Rechenzentrum, in der Public Cloud und in hybriden Modellen
HPE ML Ops unterstützt eine große Bandbreite von Open-Source-Frameworks für Machine Learning und Deep Learning. Dazu gehören zum Beispiel Keras, MXNet, PyTorch, und TensorFlow – außerdem kommerzielle Machine-Learning-Anwendungen von HPE-Partnern wie Dataiku und H2O.ai.
HPE ML Ops ist ab sofort als SaaS-Lösung zusammen mit Services und Support von HPE Pointnext verfügbar.
Weitere Informationen über HPE ML Ops finden sich hier: hpe.com/info/MLOps
Vgl. auch den Blogbeitrag „Machine Learning Operationalization in the Enterprise“
Die englische Version dieser Meldung finden Sie im globalen Newsroom von Hewlett Packard Enterprise.
(1) Gartner, 2019 CIO Survey: CIOs Have Awoken to the Importance of AI, 3. Januar 2019
(2) Gartner, A Guidance Framework for Operationalizing Machine Learning for AI, 24. Oktober 2018
- Zurück zum Blog
- Neuerer Artikel
- Älterer Artikel
- Martin Fryba auf: HPE verpflichtet Lieferanten auf wissenschaftlich ...
- ThoRah auf: Initiales Setup eines Nimble Arrays
- UO auf: Höchstleistung aus dem Rechenzentrum
- gregor58 auf: VVols - Ganz einfach mit Nimble