HPE, AI 모델에 DevOps 적용

새로운 HPE 이니셔티브는 내부 IT 팀에 대한 데이터 과학자 종속성을 줄여 AI 모델 구축을 가속화하는 것을 목표로 합니다.

HPE(Hewlett-Packard Enterprise)는 오늘 지난 11월 BlueData를 인수하여 얻은 플랫폼을 기반으로 공식 HPE ML Ops 이니셔티브를 시작했습니다.

HPE BlueData의 부사장 겸 총괄 책임자인 Anant Chintamaneni는 "목표는 머신 및 딥 러닝 알고리즘을 사용하여 인공 지능(AI) 모델의 구축 및 배포를 가속화하도록 특별히 설계된 DevOps 프레임워크 세트를 IT 조직에 제공하는 것입니다. /P>

많은 조직에서 AI 모델을 구축하기 위해 데이터 과학자를 고용했지만 프로덕션 환경에서 이를 통합하기 위한 구조화된 접근 방식이 부족합니다.

Chintamaneni는 "그들은 그것을 운용하는 방법을 모릅니다."라고 말합니다.

HPE ML Ops는 또한 일반적으로 CI/CD(지속적 통합/지속적 배포) 플랫폼과 관련된 프로세스를 불러일으키는 방식으로 코드, 모델 및 프로젝트 리포지토리로 워크플로를 활성화합니다.

참조: Gartner:77%의 조직이 AI 배포를 목표로 하고 있지만 직원의 기술로 인해 도입이 지연됩니다.

Blue Data를 인수함으로써 HPE는 데이터 과학자가 스스로 환경을 가동할 수 있게 해주는 컨테이너 기반 EPIC 플랫폼에 액세스할 수 있게 되었습니다. 그들은 이러한 환경을 사용하여 AI 모델을 훈련하는 데 사용할 머신 러닝 도구와 데이터 과학 노트북이 미리 채워진 셀프 서비스 샌드박스와 함께 완전한 AI 모델을 구축하고 업데이트할 수 있습니다. HPE ML Ops는 AI 배포 시간을 몇 주가 아닌 며칠로 단축하는 방식으로 데이터 준비 및 모델 구축에서 교육, 모니터링 및 협업에 이르기까지 전체 기계 학습 수명 주기를 처리합니다.

HPE ML Ops 솔루션은 Keras, MXNet, PyTorch, TensorFlow를 비롯한 다양한 오픈 소스 머신 러닝 및 딥 러닝 프레임워크와 Dataiku 및 H2O.ai와 같은 HPE 파트너의 상용 머신 러닝 애플리케이션을 지원합니다. 플랫폼은 온프레미스 또는 퍼블릭 클라우드에 배포할 수 있으며 다양한 인증 프로토콜과 통합하여 사이버 보안을 보장할 수 있습니다.

전체적으로 이러한 기능은 내부IT 팀에 대한 데이터 과학자의 의존도를 줄여 AI 모델이 구축되는 시간을 단축한다고 Chintamaneni는 말합니다.

많은 조직에서 AI 모델을 재교육하고 업데이트해야 하는 빈도를 과소평가합니다. 조직은 AI 모델에 반영해야 하는 새로운 데이터 소스에 자주 액세스합니다. 더 많은 애플리케이션이 실시간으로 데이터를 사용하기 시작하면 평가해야 하는 데이터의 양이 증가할 것입니다.

데이터 과학자가 주어진 프로세스에 대해 설정한 많은 가정도 진화하는 비즈니스 조건에 따라 변경될 수 있습니다. 몇 주 전에 최적의 결과를 제공한 AI 모델을 다른 AI 모델로 교체해야 할 수도 있습니다. 오늘날 조직이 직면한 문제는 AI 모델을 지속적으로 업데이트하고 교육할 수 있는 프레임워크가 없다는 것입니다. HPE는 Gartner의 추정치를 인용하여 오늘 2021년까지 머신 러닝 프로젝트의 최소 50%가 운영 프로세스 부족으로 인해 완전히 배포되지 않을 것이라고 언급했습니다.

AI는 많은 데이터 과학자들이 종종 인정하는 것보다 훨씬 더 많은 시행착오를 수반합니다. 구축 중인 많은 AI 모델은 데이터 과학자를 속담 그리기 게시판으로 되돌릴 수 있는 편향도 검토해야 합니다. 정적 AI 모델 같은 것은 없습니다. 조직이 이러한 데이터 관리 현실에 더 빨리 적응할수록 AI에 대한 투자 수익이 더 빨리 나타날 것입니다.