來(lái)源｜AIT News Desk

編譯｜CDA數(shù)據(jù)分析師

Dotscience Emerges from Stealth to Eliminate the Biggest Pain Points of Operationalizing AI in the Enterprise

Dotscience是DevOps機(jī)器學(xué)習(xí)（ML）的先驅(qū)，憑借其用于協(xié)作，端到端ML數(shù)據(jù)和模型管理的平臺(tái)而脫穎而出。通過(guò)為團(tuán)隊(duì)提供協(xié)作跟蹤運(yùn)行的獨(dú)特能力，培訓(xùn)AI模型時(shí)使用的數(shù)據(jù)，代碼和參數(shù)記錄Dotscience為包括金融科技，自動(dòng)駕駛汽車，醫(yī)療保健和咨詢?cè)趦?nèi)的行業(yè)的ML和數(shù)據(jù)科學(xué)團(tuán)隊(duì)授權(quán)，以實(shí)現(xiàn)可重復(fù)性，問(wèn)責(zé)制，協(xié)作跨AI模型生命周期的持續(xù)交付。Dotscience平臺(tái)現(xiàn)在可以作為SaaS或本地提供，并在8月份的亞馬遜網(wǎng)絡(luò)服務(wù)（AWS）市場(chǎng)上提供。

“人工智能開(kāi)發(fā)的現(xiàn)狀很像20世紀(jì)90年代的軟件開(kāi)發(fā)。在稱為DevOps的運(yùn)動(dòng)之前，版本控制，持續(xù)集成和持續(xù)交付等現(xiàn)代最佳實(shí)踐遠(yuǎn)沒(méi)有那么普遍，軟件需要六個(gè)月才能發(fā)貨是正常的。現(xiàn)在，軟件只需幾分鐘即可完成，“ Dotscience創(chuàng)始人兼首席執(zhí)行官Luke Marsden表示?！霸贒otscience，我們正在應(yīng)用相同的協(xié)作，控制和持續(xù)交付DevOps的原則到AI，以簡(jiǎn)化，加速和控制AI開(kāi)發(fā)?！?/span>

人工智能開(kāi)發(fā)和運(yùn)營(yíng)挑戰(zhàn)

數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)團(tuán)隊(duì)通常面臨眾多問(wèn)題，這些問(wèn)題使ML項(xiàng)目更有可能失敗并為業(yè)務(wù)創(chuàng)造財(cái)務(wù)，聲譽(yù)或法律風(fēng)險(xiǎn)。這些包括浪費(fèi)時(shí)間，協(xié)作困難，手動(dòng)跟蹤數(shù)據(jù)時(shí)出錯(cuò)，無(wú)可重復(fù)性或來(lái)源，缺乏自動(dòng)化測(cè)試，手動(dòng)部署模型，不受監(jiān)控的模型以及丟失正在運(yùn)行的內(nèi)容以及它來(lái)自哪里導(dǎo)致“雪花部署”。

根據(jù)德勤的“企業(yè)人工智能狀況，第2版”，大多數(shù)受訪者表示“實(shí)施，整合到角色和功能，以及衡量和證明人工智能解決方案的商業(yè)價(jià)值是人工智能計(jì)劃的最大挑戰(zhàn)。”根據(jù)Dotscience的“ 人工智能應(yīng)用開(kāi)發(fā)和運(yùn)營(yíng)狀況2019 ”市場(chǎng)研究結(jié)果今天發(fā)布的調(diào)查結(jié)果顯示，受訪者在AI工作負(fù)載中遇到的三大挑戰(zhàn)是重復(fù)工作（33.2％），在團(tuán)隊(duì)成員離職后重寫(xiě)模型（27.8％）并且難以證明價(jià)值（27％）。該報(bào)告評(píng)估了企業(yè)如何在今天部署AI，并在構(gòu)建，部署和迭代AI時(shí)調(diào)查問(wèn)責(zé)制和協(xié)作的需求。

“數(shù)據(jù)科學(xué)家和ML工程師可能甚至都沒(méi)有意識(shí)到他們已經(jīng)存在的問(wèn)題，因?yàn)樗麄兞?xí)慣于使用破碎的流程，并且不了解可以更好地完成ML的解決方案，”Marsden解釋道?！敖鉀Q這些問(wèn)題將帶來(lái)更高效，更有效的AI團(tuán)隊(duì)以及更好，更安全的ML模型?！?/span>

“如果你將機(jī)器學(xué)習(xí)應(yīng)用程序投入生產(chǎn)，再現(xiàn)性就變得非常重要，” 人工智能和DevOps首席分析師James Kobielus表示，他們使用SiliconANGLE的Wikibon團(tuán)隊(duì)。“Dotscience能夠跟蹤人工智能培訓(xùn)，保持完整的審計(jì)跟蹤，并提供對(duì)機(jī)器學(xué)習(xí)應(yīng)用程序來(lái)源的全面可見(jiàn)性，使其非常適合這種不斷增長(zhǎng)的企業(yè)需求。同樣重要的是，Dotscience確?？缁旌显破脚_(tái)的可重復(fù)性的能力確保了當(dāng)今企業(yè)AI環(huán)境中復(fù)雜的DevOps工具鏈的可重復(fù)性?！?/span>

Dotscience平臺(tái)提供端到端的ML數(shù)據(jù)和模型管理

Dotscience提供了一種工具，通過(guò)授權(quán)數(shù)據(jù)科學(xué)家和ML工程師以他們熟悉的方式工作來(lái)管理完整的AI生命周期。數(shù)據(jù)科學(xué)和ML團(tuán)隊(duì)可以利用易于使用的平臺(tái)，并提供一個(gè)單獨(dú)的地方來(lái)協(xié)作，開(kāi)發(fā)，測(cè)試，監(jiān)控和交付他們的ML項(xiàng)目。

“實(shí)際上，與市場(chǎng)上的其他產(chǎn)品不同，這意味著團(tuán)隊(duì)可以繼續(xù)使用相同的開(kāi)發(fā)工具，ML框架，語(yǔ)言，數(shù)據(jù)源和計(jì)算，而不是被迫進(jìn)入有圍墻的花園，這可能導(dǎo)致供應(yīng)商鎖定和陡峭學(xué)習(xí)曲線，“ Dotscience產(chǎn)品和營(yíng)銷副總裁Mark Coleman說(shuō)?！坝捎贒otscience會(huì)跟蹤并打包進(jìn)入數(shù)據(jù)工程和模型創(chuàng)建過(guò)程的每次運(yùn)行，因此用戶可以復(fù)制彼此的工作，輕松協(xié)作并根據(jù)需要進(jìn)行跟蹤。”

Dotscience為數(shù)據(jù)科學(xué)和ML團(tuán)隊(duì)提供以下主要優(yōu)勢(shì)：

無(wú)縫靈活性和集成均來(lái)自一個(gè)平臺(tái)： Dotscience用戶可以輕松地將任何計(jì)算連接到平臺(tái)，無(wú)論是他們自己的筆記本電腦，基于云的VM還是本地裸機(jī)。在用戶訓(xùn)練模型后，Dotscience與持續(xù)集成和監(jiān)控工具集成，以便他們可以部署并監(jiān)控生產(chǎn)中的模型，將所有相關(guān)信息保存在一個(gè)位置。

?最佳的團(tuán)隊(duì)生產(chǎn)力：通過(guò)提供自動(dòng)化的ML知識(shí)庫(kù)來(lái)消除孤島，Dotscience消除了“關(guān)鍵人物風(fēng)險(xiǎn)”，使任何數(shù)據(jù)科學(xué)家或ML工程師都可以輕松地從另一個(gè)人那里找到一個(gè)在當(dāng)今競(jìng)爭(zhēng)中特別重要的屬性招聘景觀。Dotscience不僅允許團(tuán)隊(duì)無(wú)縫協(xié)作，還可以通過(guò)跟蹤模型開(kāi)發(fā)階段中每個(gè)元素的每個(gè)版本來(lái)發(fā)現(xiàn)以前的工作并確切了解它是如何構(gòu)建的。

?靈活地訪問(wèn)ML開(kāi)發(fā)環(huán)境的計(jì)算，混合云可移植性：團(tuán)隊(duì)成員可以開(kāi)始使用他們的筆記本電腦，然后將他們的AI工作負(fù)載轉(zhuǎn)移到更大的云計(jì)算機(jī)或裸機(jī)GPU平臺(tái)，當(dāng)他們需要額外的電源時(shí)，所有這些都可以無(wú)縫地完成，而無(wú)需創(chuàng)建支持請(qǐng)求。重現(xiàn)開(kāi)發(fā)環(huán)境所需的整個(gè)代碼，數(shù)據(jù)，環(huán)境和超參數(shù)包以這樣的方式捆綁在一起，即從一個(gè)云移動(dòng)到另一個(gè)云或在本地是無(wú)縫的。

?能夠處理來(lái)自任何來(lái)源的數(shù)據(jù)：Dotscience可以處理直接存儲(chǔ)在Dotscience中的平面文件，遠(yuǎn)程對(duì)象存儲(chǔ)中的數(shù)據(jù)（即S3或S3兼容，Azure或GCS）以及來(lái)自SQL，NoSQL和Spark數(shù)據(jù)湖的數(shù)據(jù)。這種靈活性允許數(shù)據(jù)科學(xué)和ML團(tuán)隊(duì)立即開(kāi)始使用已經(jīng)使用的數(shù)據(jù)源。Dotscience不強(qiáng)制攝取所有數(shù)據(jù); 在給定兼容的對(duì)象存儲(chǔ)庫(kù)的情況下，它可以跟蹤已存在的數(shù)據(jù)的來(lái)源。

?允許AI和數(shù)據(jù)科學(xué)團(tuán)隊(duì)使用他們關(guān)心的工具，同時(shí)消除對(duì)生產(chǎn)力不重要的障礙：使用Dotscience的跟蹤工作流程，數(shù)據(jù)科學(xué)家和ML工程師可以使用開(kāi)源工具進(jìn)行他們熟悉的模型培訓(xùn)愛(ài)，如PyTorch，Keras和TensorFlow。他們可以在應(yīng)用程序中原生使用Jupyter筆記本，或者選擇在命令行上工作，使他們能夠使用他們選擇的任何IDE。

?保證遵守當(dāng)前和未來(lái)的法規(guī)：ML模型用于通過(guò)設(shè)計(jì)做出決策，但如果做出的決策不正確，則可能導(dǎo)致嚴(yán)重的財(cái)務(wù)，聲譽(yù)和法律風(fēng)險(xiǎn)。Dotscience既可以監(jiān)控ML模型，也可以及早發(fā)現(xiàn)問(wèn)題，還可以在法律上重現(xiàn)發(fā)生的任何問(wèn)題，以便快速解決這些問(wèn)題，并可以自信地進(jìn)行部署。

用于ML平臺(tái)的Dotscience DevOps現(xiàn)在可作為SaaS，本地或通過(guò)AWS Marketplace提供

Dotscience提供端到端的ML生命周期管理，無(wú)需強(qiáng)制用戶更改其工作實(shí)踐，此方法也擴(kuò)展到安裝選項(xiàng)。 客戶可以選擇部署托管SaaS并自帶計(jì)算，或者手動(dòng)安裝完全私有版本的Dotscience，也可以通過(guò)AWS Marketplace中的Dotscience安裝程序安裝，該安裝程序?qū)⒂?月上市。Microsoft Azure和Google Cloud Platform的安裝程序也將很快推出。這種靈活性意味著廣泛的用戶群可以訪問(wèn)集成的ML平臺(tái)，為數(shù)據(jù)科學(xué)家提供統(tǒng)一的版本控制和協(xié)作。

Dotscience受到AI領(lǐng)導(dǎo)者的信任

“ML的世界可以從過(guò)去10年中為處理軟件工程生命周期而開(kāi)發(fā)的所有最佳實(shí)踐中學(xué)到很多東西。Dotscience有可能將一些艱苦學(xué)習(xí)的課程帶入ML世界，而不會(huì)迫使數(shù)據(jù)科學(xué)家和研究人員完全放棄他們選擇的工具，如Jupyter Notebooks。這是一個(gè)大膽的主張，有可能產(chǎn)生巨大影響?！?/span>

• Luca Palmieri，TrueLayer的機(jī)器學(xué)習(xí)和數(shù)據(jù)工程

“在工業(yè)規(guī)模上合作和維護(hù)ML項(xiàng)目的流程和工具尚不像傳統(tǒng)軟件項(xiàng)目那樣成熟。ML工作流程帶來(lái)了一些額外的挑戰(zhàn)，這些挑戰(zhàn)并不完全適合軟件DevOps流程。我很高興與Dotscience合作，在我們即將開(kāi)展的項(xiàng)目中應(yīng)對(duì)這些挑戰(zhàn)，因?yàn)樗麄兎e極致力于協(xié)作的結(jié)構(gòu)化和集中化，以便擴(kuò)展到更大的團(tuán)隊(duì)和項(xiàng)目規(guī)模。“

• Anders ?str?m，在全球技術(shù)咨詢公司數(shù)據(jù)科學(xué)管理

“Dotscience產(chǎn)品在確保機(jī)器學(xué)習(xí)模型的數(shù)據(jù)來(lái)源方面填補(bǔ)了一個(gè)關(guān)鍵性的空白。通過(guò)提供數(shù)據(jù)源作為服務(wù)，Dotscience可以在不降低數(shù)據(jù)科學(xué)團(tuán)隊(duì)速度的情況下跟蹤工作，并提供對(duì)數(shù)據(jù)完整性以及確保關(guān)鍵業(yè)務(wù)利益相關(guān)者可信度所需的流程的高度可視性。