機械学習をDevOpsのようにスピーディーに、立ちはだかる課題をどう乗り越える？

　ビジネスにおける競争力の源泉として、人工知能や機械学習を活用したデータインサイトの抽出に注力する組織は増え続けている。ただ、データサイエンス組織の多くは、DevOps登場以前の開発環境のまま取り組んでおり、それが多くのプロジェクトの失敗要因となっている。

　悩ましいのは、MLライフサイクルにDevOpsのツールやプラクティスを単に適用しただけでは、この課題を解決できないことだ。MLワークフローは反復的な特性があり、一般的なDevOpsの手法を適用しにくい。加えて、企業独自の要件から展開先が限定される場合もあり、ハイブリッド環境のどこにも展開できる開発・運用環境が望ましい。

　そこで本資料が提案するのが、MLライフサイクル全体をカバーするオープンソース型のMLOpsプラットフォームだ。データの準備からモデルの構築、トレーニング、展開、さらには連携・監視まであらゆる段階をサポートできるという。その特徴とメリットを、本資料でさらに詳しく紹介していく。

Brought to you by HPE and Intel®