Durch die Verwendung von H2O Driverless AI mit HPE Servern und BlueData-Software können Unternehmen AI-Lösungen schnell und produktiv bereitstellen.
Glücklicherweise ist die Einführung von Lösungen für maschinelles Lernen zur Hand, die sich auf diese Herausforderungen konzentrieren. Neue Tools kommen auf den Markt und versprechen, automatisch Vorhersagemodelle zu erstellen und diese in großem Maßstab bereitzustellen. Auf diese Weise können Unternehmen die Vorteile der KI nutzen und gleichzeitig weniger Ressourcen verbrauchen.
H2O Driverless AI ist eines der führenden Tools für automatisiertes maschinelles Lernen, das eine solche Lösung bietet. H2O Driverless AI nutzt die Rechenleistung von Multi-GPU-Servern von HPE und ermöglicht es Unternehmen, die Erstellung maschineller Lernmodelle zu automatisieren und diese mühelos in die Produktion zu überführen - umsetzbare Vorhersagen, Kundenerkenntnisse und Geschäftswert zu generieren.
Schnelleres Bauen von KI-Modellen mit H2O Driverless AI
Um zu verstehen, welche Vorteile eine automatisierte Plattform für maschinelles Lernen bieten kann, sollten Sie sich einen konkreten Anwendungsfall ansehen. Angenommen, Sie sind eine Bank und möchten die Bewertung der Kreditrisikowerte von Kreditantragstellern verbessern. Sie können dazu künstliche Intelligenz verwenden. Das interne Erstellen und Testen von AI-basierten Vorhersagemodellen erfordert jedoch viel Zeit und Investitionen.
Stattdessen könnten Sie H2O Driverless AI verwenden, um innerhalb weniger Stunden ein robustes Modell für maschinelles Lernen zu erstellen und bereitzustellen - ein Vorgang, der normalerweise Wochen oder Monate in Anspruch nimmt. Durch die Erfassung und Aufbereitung von Daten in Bezug auf Kreditprofile und Finanzinformationen der Kunden identifiziert H2O Driverless AI schnell die Schlüsselfunktionen, die die Kreditwürdigkeit eines Kunden vorhersagen, und erstellt neue technische Funktionen, um die Genauigkeit des Modells zu verbessern. Diese ursprünglichen und technischen Merkmale bilden einen wesentlichen Bestandteil des Modells für die Bewertung neuer Bewerber.
Ein effizienter Weg zu genaueren Modellen
Dies ist H2O Driverless AI in seiner einfachsten und konzeptionellsten Form. Die Plattform bietet jedoch noch einige andere Möglichkeiten, um die Bereitstellung von AI-basierten Vorhersagemodellen viel weniger aufwendig, erfolgreicher und produktiver zu gestalten.
Mit der AutoViz-Funktion können Datenwissenschaftler beispielsweise die Eignung bestimmter Datensätze beurteilen, bevor Modelle erstellt und validiert werden. AutoViz erkennt Anomalien und Ausreißer, die möglicherweise die Leistung von Modellen beeinträchtigen könnten. Es ermöglicht Datenwissenschaftlern ein klares Verständnis ihrer Datensätze, bevor sie mit der Erstellung von Modellen beginnen, oder das Korrigieren oder Ändern von Daten, bevor sie fortfahren.
Nach Abschluss dieser Vorstufe werden mit H2O Driverless AI automatisch Hunderte von Modellen generiert. Das System vergleicht diese Modelle miteinander, um festzustellen, welche Modelle die besten Prognosen liefern.
Im medizinischen Kontext könnte H2O Driverless AI Modelle vergleichen, um zu ermitteln, welche Faktoren für die Einschätzung des Risikos eines Patienten für die Wiederaufnahme in ein Krankenhaus aufgrund einer chronischen Krankheit am besten geeignet sind. Die Plattform konnte nicht nur das genaueste Modell für die Vorhersage der Rückübernahme in dringenden Fällen ermitteln, sondern bietet auch Interpretierbarkeit beim maschinellen Lernen, die die wichtigsten Funktionen und Variablen des Modells in intuitiven Diagrammen und Grafiken umreißt. Auf diese Weise können Datenwissenschaftler und andere Mitarbeiter eines Unternehmens jedes implementierte Modell für sich selbst sowie aus Gründen der Governance und der Einhaltung gesetzlicher Bestimmungen interpretieren und nachvollziehen.
Schnelle Bereitstellung und Skalierung von AI-Umgebungen mit containerisierten Umgebungen
Die Verwendung von H2O Driverless AI in Verbindung mit der HPE BlueData-Software erleichtert auch die Bereitstellung von AI-gesteuerten Großmodellen.
Mit der container-basierten BlueData-Softwareplattform können Unternehmen containerisierte Umgebungen einrichten, in denen mehrere verschiedene Data Science-Projektteams auf einer gemeinsam genutzten Infrastruktur maschinelle Lernmodelle für ihre eigenen spezifischen Anwendungsfälle bereitstellen können. Dies erspart Unternehmen die ressourcenintensive und zeitaufwändige Installation der dedizierten Computerinfrastruktur für den jeweiligen Anwendungsfall. Stattdessen können sie die BlueData-Plattform verwenden, um On-Demand-Ressourcen für jedes Data-Science-Projekt anzupassen und zuzuweisen und so innerhalb von Minuten neue containerisierte maschinelle Lernumgebungen zu schaffen. Sie können auch schnell und sicher auf Unternehmensdatenquellen zugreifen, um ihre Modelle zu schulen.
Um ein anderes Bankbeispiel zu verwenden, kann die BlueData-Plattform Finanzinstituten die Verwendung von H2O Driverless AI in einem Geschäftsbereich (z. B. Privatkundengeschäft) ermöglichen und GPUs und andere Infrastrukturressourcen für ein bestimmtes maschinelles Lernprojekt zuweisen (z. B. um ein Modell zur Vorhersage der Kundenabwanderung zu erstellen). . Sobald dieses Modell erstellt und trainiert wurde, kann die Institution die GPUs und andere Ressourcen schnell freigeben und einer anderen Gruppe (z. B. der Kreditkartenabteilung) zuweisen, um ein Modell für die Vorhersage von Transaktionsbetrug zu erstellen. Dies kann auf unbestimmte Zeit wiederholt werden. Und das Finanzinstitut kann dieselben gemeinsam genutzten Infrastrukturressourcen wiederverwenden und wiederverwenden, ohne dass in jedem Anwendungsfall eine dedizierte Infrastruktur implementiert werden muss. Das Ergebnis ist eine bessere Auslastung der Infrastruktur, eine höhere Kapitalrendite und geringere Kosten.
Skalieren Sie mit HPE Servern
Zusammen können H2O Driverless AI und BlueData die Bereitstellung von AI in einem Unternehmen beschleunigen und kostengünstiger gestalten. Die Verwendung des HPE ProLiant DL380 mit Unterstützung von bis zu 3 NVIDIA® V100 32 GB-GPUs oder der HPE Apollo 6500 Server mit Unterstützung von bis zu 8 NVIDIA® V100 32 GB-GPUs bietet zusätzliche Effizienz und Leistung. Auf diese Weise wird H2O Driverless AI optimiert, um die GPU-Beschleunigung zu nutzen und den automatisierten maschinellen Lernprozess zu beschleunigen.
Da H2O Driverless AI GPU-beschleunigte Algorithmen wie TensorFlow, XGBoost und LightGBM unterstützt, eröffnen die Server ProLiant DL380 und Apollo 6500 unzählige Möglichkeiten für die Entwicklung von AI-Modellen aus proprietären Datensätzen.
Der Markt für künstliche Intelligenzsoftware wird voraussichtlich bis 2025 einen Wert von rund 118 Milliarden US-Dollar haben. Angesichts der Erkenntnisse, die AI-Lösungen wie H2O Driverless AI, HPEs BlueData-Software und HPE-Server liefern, ist es nicht schwer zu verstehen, warum.
Diese Tools erleichtern es Unternehmen, eigene Modelle für maschinelles Lernen zu erstellen und bereitzustellen. Dank der Leistung von HPE Servern können diese Modelle skaliert werden. Solche KI-Lösungen verhindern, dass viele Probleme beim manuellen Erstellen von KI-Modellen und -Programmen auftreten. Letztendlich können sie fast jeder Art von Organisation helfen, konkrete Ergebnisse beim Einsatz von KI zu erzielen.
Pankaj Goyal, Vice President, HPE AI Business, Hewlett Packard Enterprise
Originial English version: How to build AI solutions at scale in the enterprise
