La plataforma MLOps de extremo a extremo de Canonical lanzada recientemente ofrece capacidades avanzadas de capacitación en inteligencia artificial y aprendizaje automático
8 de septiembre de 2022 – Canonical, el editor de Ubuntu, anunció hoy el lanzamiento Kubeflow fascinante 1.6, una plataforma MLOps integral con capacidades optimizadas de entrenamiento de modelos complejos. Charmed Kubeflow es la distribución de Kubeflow de nivel empresarial de Canonical, un conjunto de herramientas de aprendizaje automático de código abierto diseñado para usar con Kubernetes.
Charmed Kubeflow 1.6 sigue la misma cadencia de lanzamiento que el proyecto upstream Kubeflow. Esta última versión sigue a Kubeflow mapa de ruta Y viene con mejoras de rendimiento y capacidades de entrenamiento de modelos más avanzadas.
Acelerar la transformación digital: llevar los modelos desde el concepto hasta la producción
Charmed Kubeflow ayuda a los equipos de ciencia de datos a automatizar tareas y aumentar la productividad, ayudando a las empresas a reducir costos.Componentes del uso de la plataforma encanto – Operadores de Kubernetes para automatizar operaciones de mantenimiento y seguridad. Charms acelera la implementación de la carga de trabajo, lo que permite a los científicos de datos llevar modelos al mercado de manera más eficiente.
Según 2022 Informe de inteligencia artificial de IBM Index, el año pasado, la proporción de adopción de AI/ML en las empresas alcanzó el 35 %. Los beneficios son obvios.Por ejemplo, un banco Aprendizaje automático aplicado La creación de ganancias por referencias ha aumentado las ventas 10%, ahorró un 20 % en gastos de capital, aumentó la recaudación de efectivo en un 20 % y redujo la rotación de clientes en un 20 %. Identificar herramientas que lleven la automatización a los flujos de trabajo de la ciencia de datos es fundamental para obtener un ROI más rápido de los proyectos de IA/ML.
Mejore el procesamiento y seguimiento de datos con MLOps
Además de acelerar la implementación, Charmed Kubeflow 1.6 hace que el procesamiento de datos sea más fluido. 2022 para Kubeflow centro Se revela que el procesamiento y la transformación de datos son las actividades más desafiantes y que consumen más tiempo de una empresa. Además, los datos provienen de una variedad de fuentes, cada una con procesos y dependencias específicos.
Charmed Kubeflow 1.6 tiene mejores capacidades de seguimiento. Los modelos AI/ML se pueden medir de manera más eficiente; la evolución y la depuración se simplifican. Esta solución detecta la deriva de datos y permite que el modelo se adapte a ella rápidamente. Charmed Kubeflow 1.6 también mejora el seguimiento de los registros de prueba, lo que permite una depuración eficiente en caso de que falle la fuente de datos.
Entrenamiento y modelado de IA optimizados
Los modelos tardan hasta 15 iteraciones en entrar en producción, y solo la mitad de ellos logran adentrarse en el proceso de IA/ML. Charmed Kubeflow 1.6 admite el entrenamiento basado en la población (PBT), lo que acelera la iteración del modelo y aumenta la probabilidad de que los modelos alcancen un estado de producción. El operador de MPI se puede capacitar de manera más eficiente en grandes cantidades de datos. Las mejoras de entrenamiento elástico de PyTorch hacen que el entrenamiento de modelos sea más eficiente y ayuda a los ingenieros de ML a comenzar rápidamente.
Inmersión profunda en Charmed Kubeflow 1.6
Canonical realizará una transmisión en vivo el 8 de septiembre de 2022 para hablar más sobre Charmed Kubeflow 1.6. Esta será una mirada técnica en profundidad a algunos de los temas tratados en las hojas de ruta de Kubeflow y Canonical. La transmisión en vivo cubrirá:
- nueva versión
- La importancia de ser parte de la comunidad de código abierto
- Desafíos involucrados en el desarrollo de productos de código abierto
- Diferencias entre la versión upstream y Charmed Kubeflow de Canonical
Un próximo webcast profundizará en las funciones discutidas en la transmisión beta en vivo, que se puede ver en YouTube.guardar evento Facebook o LinkedIn Recibe notificaciones sobre futuros eventos de Canonical.
