Le démarrage AutoML prend en charge les modèles basés sur des conteneurs

Alors que les plates-formes de science des données se développent dans les applications d’entreprise telles que l’analyse prédictive, les fournisseurs de machine learning automatisé intègrent régulièrement des modèles d’IA avec une infrastructure émergente pour faciliter le déploiement et l’orchestration.

Par exemple, le spécialiste de l’automatisation de la science des données dotData a publié cette semaine un modèle d’apprentissage automatique basé sur des conteneurs destiné à la prédiction en temps réel. Les applications incluent le traitement automatisé des prêts, la tarification dynamique, la détection des fraudes et les déploiements industriels de l’Internet des objets, comme un partenariat de fabrication intelligente également annoncé cette semaine.

La plate-forme Stream est conçue pour fournir des prévisions en temps réel à l’aide de l’IA et des modèles d’apprentissage automatique de dotData. Ces modèles sont téléchargés à partir de la plate-forme phare de la société via un processus en un clic semblable au lancement d’un conteneur d’application Docker.

Les options de déploiement incluent l’exécution du prédicteur en temps réel dans des plates-formes MLOps basées sur le cloud conçues pour gérer les tâches d’orchestration de l’IA d’entreprise. Il peut également fonctionner sur des serveurs de périphérie pour les applications IoT, a indiqué la société mardi 7 juillet.

« Nous constatons une demande croissante de capacités de prédiction en temps réel », a déclaré Ryohei Fujimaki, fondateur et PDG de dotData. L’entreprise, basée à San Mateo, en Californie, a également dévoilé un partenariat avec JFE Steel Corp. du Japon pour déployer la plate-forme Stream dans ses installations de fabrication.

Parallèlement à l’automatisation des workflows de développement de l’IA, les outils MLOps de dotData sont promus comme rendant les modèles d’apprentissage automatique opérationnels. La capacité comprend la production de pipelines d’apprentissage automatique en production qui incluent le développement de fonctionnalités et la notation ML utilisée pour prédire les valeurs futures dérivées des données.

Le processus de maintenance de ces pipelines est automatisé «à mesure que les données changent avec le temps», a déclaré la société.

Le géant japonais de l’informatique NEC Corp. s’est séparé de l’équipe de Fujimaki pour former dotData en avril 2018, alors que les entreprises commençaient à abandonner la forte dépendance de l’apprentissage en profondeur de la «boîte noire» à des approches d’IA explicables. Le cadre de la «boîte blanche» du spin-off cherche à fournir plus de transparence sur la façon dont les prédictions sont faites tout en automatisant le pipeline d’apprentissage automatique. Ces outils incluent la collecte de données et la formation de modèles ainsi que la sélection de modèles et, maintenant, facilitent le déploiement de modèles en production via des conteneurs.

Parallèlement à son dernier partenariat de fabrication intelligente avec JFE Steel, le logiciel dotData a été adopté par des entreprises des secteurs des services financiers, des télécommunications, de la vente au détail, des produits pharmaceutiques, des transports et des compagnies aériennes, notamment Japan Airlines (OTCMKTS: JAPSY).

À propos de l’auteur: George Leopold

George Leopold écrit sur la science et la technologie depuis plus de 30 ans, se concentrant sur l’électronique et la technologie aérospatiale. Il était auparavant rédacteur en chef d’Electronic Engineering Times. Leopold est l’auteur de « Calculated Risk: The Supersonic Life and Times of Gus Grissom » (Purdue University Press, 2016).

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *