Unternehmen finden MLOps entscheidend für Zuverlässigkeit und Leistung – TechCrunch

| |

Unternehmensstarts UIPath und Scale haben in den letzten Jahren große Aufmerksamkeit von Unternehmen auf sich gezogen, die Workflows automatisieren möchten, von RPA (Robotic Process Automation) bis hin zur Datenkennzeichnung.

Was im Zuge solcher Workflow-spezifischen Tools übersehen wurde, war die Basisklasse von Produkten, mit denen Unternehmen den Kern ihrer Workflows für maschinelles Lernen (ML) bilden, und die Verlagerung des Fokus auf die Automatisierung der Bereitstellungs- und Governance-Aspekte der ML-Workflow.

Hier kommt MLOps ins Spiel, und seine Popularität wurde durch den Aufstieg der wichtigsten ML-Workflow-Plattformen wie DataRobot in Boston angeheizt. Das Unternehmen hat mehr als 430 Millionen US-Dollar gesammelt und im vergangenen Herbst einen Wert von 1 Milliarde US-Dollar erreicht, um genau diesem Bedarf an Unternehmenskunden gerecht zu werden. Die Vision von DataRobot war einfach: Eine Reihe von Benutzern in Unternehmen, von Geschäfts- und IT-Benutzern bis hin zu Datenwissenschaftlern, können Daten sammeln und ML-Modelle schnell erstellen, testen und bereitstellen.

Das 2012 gegründete Unternehmen hat in aller Stille einen Kundenstamm aufgebaut, der mehr als ein Drittel der Fortune 50 ausmacht und seit 2015 ein dreistelliges jährliches Wachstum aufweist. DataRobots Zu den vier wichtigsten Branchen gehören Finanzen, Einzelhandel, Gesundheitswesen und Versicherungen. Die Kunden haben über die DataRobot-Plattform über 1,7 Milliarden Modelle bereitgestellt. Das Unternehmen ist nicht allein, mit Konkurrenten wie H20.ai, die im vergangenen August eine von Goldman Sachs angeführte Serie D im Wert von 72,5 Millionen US-Dollar gesammelt haben und eine ähnliche Plattform anbieten.

READ  Immobilienboom im Zehnjahresvergleich: Was passiert mit den Preisen nach Corona? *** BILDplus Inhalt *** - Mein Geld

Warum die Aufregung? Als künstliche Intelligenz in das Unternehmen eindrang, bestand der erste Schritt darin, von Daten zu einem funktionierenden ML-Modell überzugehen, das von Datenwissenschaftlern manuell durchgeführt wurde. Heute wird es jedoch zunehmend automatisiert und ist als „Auto-ML“ bekannt geworden. Mit einer Auto-ML-Plattform wie der von DataRobot kann ein Unternehmensbenutzer Funktionen anhand seiner Daten schnell automatisch auswählen und eine Reihe von Modellen automatisch generieren, um festzustellen, welche am besten funktionieren.

Mit zunehmender Beliebtheit von Auto-ML ist die Verbesserung der Bereitstellungsphase des ML-Workflows für Zuverlässigkeit und Leistung von entscheidender Bedeutung geworden – und tritt daher in MLOps ein. Dies ähnelt der Art und Weise, wie DevOps die Bereitstellung von Quellcode für Anwendungen verbessert hat. Unternehmen wie DataRobot und H20.ai sowie andere Startups und die wichtigsten Cloud-Anbieter verstärken ihre Bemühungen, MLOps-Lösungen für Kunden bereitzustellen.

Wir haben uns mit dem Team von DataRobot zusammengesetzt, um zu verstehen, wie ihre Plattform Unternehmen beim Aufbau von Auto-ML-Workflows unterstützt hat, worum es bei MLOps geht und was Kunden dazu veranlasst hat, MLOps-Praktiken jetzt anzuwenden.

Der Aufstieg von MLOps

Previous

Louis Vuitton veröffentlicht kostenlose E-Cards zum Muttertag 2020

Der Umsatz von Grubhub verbessert sich, wenn Kunden nach Lieferung greifen

Next

Leave a Comment

This site uses Akismet to reduce spam. Learn how your comment data is processed.