Operações de Machine Learning

Operações de Machine Learning

A H2O.ai fornece um conjunto abrangente de recursos em torno das operações de Machine Learning que dão suporte a cientistas de dados e engenheiros na implantação, gerenciamento e monitoramento de seus modelos em produção.

Além disso, o H2O AI Cloud oferece uma arquitetura incrivelmente flexível com processamento distribuído, eficiência de computação otimizada e capacidade de implantação no ambiente de sua escolha.

Monitore modelos automaticamente em tempo real e defina limites personalizados para receber alertas sobre precisão de previsão e desvio de dados e garanta que os modelos implantados estejam operando conforme o esperado.

 

Repositório de Modelos
  • Gerenciamento de modelos Crie um local central para hospedar e gerenciar todos os experimentos e seus artefatos associados em toda a organização. Registre experimentos como modelos, incluindo metadados gerados automaticamente e personalizados para ter uma visão centralizada de todos os modelos.
  • Versão do modelo Registre experimentos como novas versões de modelo e mantenha uma visão transparente de todas as versões implantadas.
  • Suporte a modelos de terceiros Gerencie modelos treinados em qualquer estrutura de terceiros, incluindo scikit-learn, PyTorch, TensorFlow, XGBoost, LightGBM e muito mais, assim como seus modelos nativos de AI sem driver.

 

Implantação de modelos
  • Implantações de destino Construa uma vez e implemente em qualquer ambiente de pontuação.
  • Modos de implantação Implante modelos no ambiente de produção em diferentes modos, incluindo multivariante (A/B), campeão/desafiador e canary.
  • Modelos de pontuação podem ser pontuados em tempo real (endpoint RESTful hospedado), em lote (stores de dados de origem e destino compatíveis), de forma assíncrona ou como dados de streaming.

 

Monitoramento de Modelos
  • Data e Concept Drift Mantenha a supervisão do modelo e saiba se seus modelos estão pontuando em dados para os quais não deveriam ou não foram treinados.
  • Importância do recurso Receba explicações sobre quais características estão contribuindo mais/menos para o valor da previsão, juntamente com o resultado da pontuação.
  • Tabela de classificação Exibir e classificar experimentos e modelos por métricas-chave de avaliação.
  • Alertas Receba alertas e notificações para todas as métricas monitoradas com a capacidade de definir limites personalizados.

 

Arquitetura flexível

O H2O AI Cloud é independente do ambiente, portanto, qualquer empresa, independentemente de sua infraestrutura existente, pode incorporar tecnologias H2O.ai em seus pipelines de Machine Learning.

 

Extensível
  • Plataformas agnósticas Suporte para Google Cloud Platform, Amazon Web Services, Microsoft Azure ou local.
  • Arquitetura de receita personalizada Beneficie-se das versões mais recentes do Python, RAPIDS/CUML, PyTorch, TensorFlow, H2O, XGBoost, LightGBM, datatable, datatable, sklearn, pandas e muitos outros pacotes. E obtenha controle total sobre eles e qualquer outro pacote Python com nossa arquitetura de receita personalizada integrada.
  • Suporte de modelo flexível Treinar e implantar qualquer H2O.ai ou terceiro party e personalize-o com Python.
  • Várias linguagens de programação Abrange a maior parte da base de usuários de ciência de dados com clientes para Python, R e Java.

 

Distribuído
  • Treinamento de vários nós Os back-ends de Machine Learning escaláveis ​​e distribuídos podem lidar com qualquer tamanho de dados expandindo para vários nós.
  • Treinamento multi-CPU/GPU Treine modelos mais rapidamente em várias CPUs/GPUs.
  • Implantação baseada em Kubernetes Simplifica a escalabilidade e a manutenção da infraestrutura automatizando as alocações de recursos da nuvem.

 

Escalável
  • Integração NVIDIA RAPIDS Computação de alto desempenho fornecida por meio da integração completa do NVIDIA RAPIDS.
  • GPUs baseadas em Amperes Dimensione facilmente as cargas de trabalho com suporte para computação sem precedentes e aceleração de rede de GPUs NVIDIA baseadas em Ampere por meio do uso do tempo de execução CUDA mais recente.
  • API de desempenho da plataforma Visualize e monitore o uso do sistema com uma API publicamente disponível que fornece métricas de plataforma para monitoramento de recursos e dimensionamento automático de clusters multinós H2O AI Cloud.

Continue lendo

Organizando nossos projetos

Antes de começarmos a “pensar microsserviços”, precisamos compreender dois princípios importantes: o primeiro chamado “Lei de Conway”; e o segundo, “Lei de Conway Reversa”. A

Dimensionamento Agile

A definição de dimensionamento Agile é criar uma empresa Ágil. Visamos criar sistemas de negócios ágeis, transformando a burocracia corporativa e a inovação em parceiros

DevOps Transformation

DevOps Transformation, com esse serviço de consultoria sua empresa ganha agilidade com a adoção de novas práticas. Abordamos a experiência do cliente com um conjunto