【转载】加速机器学习工作流程，更快获取深刻见解

一颗野菜

从试用到生产，通过以服务交付的MLOps解决方案部署模型

机器学习(ML)模型可快速从大型数据集提供深刻见解，并助力企业制定数据驱动型业务决策。为充分实现ML的价值，包括新增收入来源和更出色的客户体验，企业需要全面实施ML运营工作流程。不过，机器学习运营(MLOps)可能会充满挑战。此解决方案需要实现标准化，同时支持ML工作流程所需的实验，并确保数据科学家、开发人员和IT运维专业人员之间的协作。满足整个ML生命周期有助于真正消除孤岛式环境。为始终与时俱进，MLOps解决方案需要构建并采用来自开源社区的最佳创新成果，不受供应商束缚。无论数据在哪里，团队都需要快速访问可扩展的安全基础设施。减少采购、设置和部署ML基础设施所需的时间后，公司可以大幅提升数据科学家和开发人员的工作效率，从而加速发现深刻见解。在整个ML生命周期中（从试用到生产），企业需要一款能够带来类似于DevOps的速度和敏捷性的端到端解决方案。HPEGreenLake目前已借助实施ML在您企业内获得了更快的价值实现速度。借助HPEGreenLake，可将典型的六至九个月基础设施采购周期缩减到几周。此解决方案将交付至您的内部部署位置，并接受监控和管理，以减少风险，控制成本，释放IT资源。这样有助于数据科学家快速实施ML模型。使ML工作流程实现标准化，提高工作效率，加速价值实现。

加速向数据科学家提供IT资源借助全托管HPEGreenLake服务，实施端到端ML生命周期。此解决方案为总包企业级解决方案，具有集成安全性功能，以及一系列精选数据科学开源和ISV工具。可支持任何开源工具或框架，有助于企业数据科学团队跟上开源社区的最新创新成果。数据科学家可以快速部署、测试和运行ML模型，并与开发人员合作分析结果。因为是HPEGreenLake，只需为实际使用的基础设施付费。

加速取得业务成效

•通过无缝部署，并增强数据科学家、开发人员和IT运维人员之间的协作，加快获取深刻见解

快速开始工作

•借助采用容器的即插即用型总包解决方案，在几分钟内快速部署ML开发、测试和生产环境•连接现有数据湖或数据仓库，以便实现近乎实时访问任何位置的数据资源

减少风险

•通过数据治理、ML模型可审计性和来源跟踪，获得开箱即用的企业级安全性和访问控制

提高工作效率

•减少通常与公有云ML建模相关的延迟问题。随时可用的基础设施可快速交付，进而加快建模速度

增强可扩展性

•采用支持业务需求的弹性容量，可避免前期投入，只需为使用的基础设施和服务付费。此外，还有助于消除隐性成本，如清理、存储、聚合、贴标和创建以自己的AI/ML平台为中心的数据流

简化IT

•利用HPEGreenLake进行安装、实施、维护和管理，卸下管理基础设施的重担

加速实现业务成果

快速启动ML项目

通过直观的图形用户界面，以及简单配置和标准化工具集，在整个企业内实现快速部署

加速生成深刻见解

利用总包解决方案助力团队在几分钟内（而非几天或几周）快速部署环境，释放数据中心、主机代管设施和边缘等任何位置的数据的价值

提高合规性

利用现有合规性工具，统一即插即用型服务的可见性和控制力，同时避免将数据移动或传输至公有云的风险立即开始执行MLOps策略。