MLOPS Platform Teerative ، التي أعلنت عن جولة بقيمة 20 مليون دولار قبل عام تقريبًا ، تم إطلاقها اليوم MLEM ، وهي أداة إدارة ونماذج للتعلم الآلي المفتوح المصدر GIT.
الفكرة هنا ، والفكرة هنا ، تقول الشركة ، هي سد الفجوة بين مهندسي ML وفرق DevOps باستخدام النهج القائم على GIT الذي يعرفه المطورون بالفعل. باستخدام MLEM ، يمكن للمطورين تخزين وتتبع نماذج ML الخاصة بهم طوال دورة حياتهم. على هذا النحو ، فإنه يكمل سجل Artifact Open Source Open من TeArative و DVC ، نظام التحكم في الإصدار للشركة للبيانات والموديلات.
الحصول على سجل نموذج للتعلم الآلي أصبح جزءًا أساسيًا من مكدس تقنية التعلم الآلي. وقال ديمتري بتروف ، المؤسس المشارك والمدير التنفيذي لشركة تكرارية ، إن حلول SaaS الحالية يمكن أن تؤدي إلى اختلاف في دورة حياة نماذج ML وتطبيقات البرمجيات. تتمثل نهجنا في سجل نموذج ML في توفير لبنات بناء وحدات يمكن للمؤسسات دمجها بسهولة في مكدس MLOPS Tech الحالي. يتم استخدام MLEM لاستخراج المعلومات الوصفية لنماذج ML وتبسيط النشر. تدير DVC ملفات طراز ML الكبيرة في سحابة أو تخزين محيطي. يوفر GTO وظائف GITOPS لنماذج الإصدار في GIT وإرسال إشارات إلى أنظمة CI/CD لإنتاج النموذج. تجلب الأدوات المنفصلة فلسفة وحدات UNIX لإدارة نموذج ML و Modelops. والفرق ، مع تسهيل أيضًا على تعاون فرق ML مع فرق DevOps الخاصة بهم. بالنسبة للصناعات ذات التنظيم العالي ، يوفر نظام مثل هذا أيضًا مصدرًا واحدًا للحقيقة لمعرفة نسب نموذج معين.
سجلات النماذج تبسط نماذج التتبع التي تتحرك خلال دورة حياة ML عن طريق تخزين النماذج المدربة والإصدار ، ولكن وقالت بتروف إن المؤسسات التي تبني هذه السجلات تنتهي بمداولين تقنيين مختلفين لنماذج التعلم الآلي وتطوير البرمجيات. يستخدم MLEM كبنة بناء لسجلات النماذج GIT وأدوات CI/CD التقليدية ، ومحاذاة فرق ML والبرامج حتى يتمكنوا من إدخال النماذج في الإنتاج بشكل أسرع. من هذه الأشياء من خلال خدمة الاستوديو التائية الخاصة بها للتعاون في نماذج ML وتتبع التجارب والتصورات ، وكذلك سجلها النموذجي المستضاف.
اخلاء مسؤولية! هذا المقال لا يعبر بالضرورة عن رأي جامعة الرازي
