TOP > Software > 機械学習ライフサイクル管理のプラットフォーム(中)
関連カテゴリー: Network
機械学習ライフサイクル管理のプラットフォーム(中)
2020/10/14
プロフェッショナルのソフトウエア開発者にとっては、ALM(アプリケーションライフサイクルマネジメント)の利用は当たり前のことだ。一方、ソフトウエア開発のバックグラウンドを必ずしも持たないデータサイエンティストは、機械学習モデルにライフサイクルマネジメントを適用していない場合も多い。だがこの問題は、機械学習のライフサイクルマネジメントに対応したMLOpsの環境やフレームワークの登場に伴って、数年前に比べればかなり対処しやすくなった。
(前回から続く)
Domino Data Lab

米Domino Data LabのDomino Data Science Platformでは、データサイエンス向けのDevOpsを自動化でき、調査の時間を増やしたり、アイデアをスピーディに試したりできる。作業の自動追跡により、再現性、再利用性、コラボレーションを強化できる。使い慣れたツールを作業に使い、インフラも好きなように選べる(デフォルトではAWS)。実験のトラッキング、結果の再現と比較、作業の確認や議論、再利用といった面に一元的に対応する。
Google Cloud AI Platform
米GoogleのGoogle Cloud AI Platformは、モデルの準備、構築、デプロイ、管理、共有に対応したプラットフォーム。包括的なダッシュボード、AI Hub、データラベリング、ノートブック、ジョブ、ワークフローオーケストレーションなどを提供し、機械学習ライフサイクルマネジメントを支える。
ノートブックは、無料で利用できるGoogle Colabと連携している。AI Hubのリポジトリには、Kubeflowパイプライン、ノートブック、サービス、TensorFlowモジュール、VMイメージ、トレーニング済みモデル、技術ガイドなど、さまざまなリソースがある。
HPE Ezmeral ML Ops
米Hewlett Packard Enterprise(HPE)のHPE Ezmeral ML Opsは、エンタープライズ規模の機械学習プロジェクトに対応したコンテナベースのソリューション。機械学習やディープラーニングのフレームワークを利用したサンドボックス環境での実験から、コンテナ化された分散型クラスターでのモデルのトレーニング、実環境でのモデルのデプロイとトラッキングに至るまで、機械学習ライフサイクル全体をサポートしている。稼働には、オンプレミスの各種インフラや、AWS、Azure、Google Cloud Platformなどの各種パブリッククラウド、およびハイブリッドモデルを利用できる。