En poursuivant votre navigation sur ce site, vous acceptez l’utilisation de cookies pour vous proposer des contenus et services adaptés à vos centres d’intérêts. En savoir plus et gérer ces paramètres. OK X
 
 

 

 

Actualité des entreprises

Canonical lance la plateforme Charmed Kubeflow MLOps sur AWS

Publication: Avril 2023

Partagez sur
 
Cette version permet d’exécuter une boîte à outils MLOps en quelques clics sur un cloud public...
 

Canonical, un leader de l’Open Source et éditeur d’Ubuntu, annonce la disponibilité de Charmed Kubeflow en tant qu’application logicielle sur la place de marché d’Amazon Web Services (AWS). Les utilisateurs pourront désormais lancer et gérer leurs charges de travail d’apprentissage automatique en réduisant le temps de déploiement et facilitant les opérations, tout en fournissant une boîte à outils MLOps facile à installer sur le cloud public.

Charmed Kubeflow est une plateforme MLOps open-source de bout en bout qui fonctionne sur Kubernetes. Elle automatise les flux de travail d’apprentissage automatique afin de créer une couche d’application fiable pour le développement de modèles, l’itération et le déploiement de la production. En démarrant avec cette alternative facile à installer, les organisations ont la possibilité d’obtenir une visibilité sur leurs charges de travail, d’évaluer rapidement les défis éventuels et de mieux planifier l’expansion de leur infrastructure, en fonction de la croissance prévue de leur projet d’IA.

L’application Charmed Kubeflow rationalise le cycle de vie de l’apprentissage automatique. Les utilisateurs peuvent déployer les modèles et les servir aux appareils finaux à l’aide d’un seul outil. Elle exécute en toute sécurité les charges de travail d’apprentissage automatique, les protégeant de toute attaque en effectuant des analyses, des correctifs, des mises à niveau et des mises à jour vers les dernières versions des bibliothèques. Elle surveille également l’évolution du modèle et de l’infrastructure, offrant ainsi une image claire de l’utilisation des ressources. Pour les déploiements de niveau production, les organisations peuvent facilement déplacer leurs artefacts de l’application vers un déploiement pris en charge sur le cloud public ou dans leur propre centre de données. Charmed Kubeflow est conçu pour exécuter l’IA à grande échelle. Il prend en charge le développement de projets multiples et simultanés, garantissant ainsi la reproductibilité et la portabilité.

Les solutions MLOps open-source telles que Charmed Kubeflow peuvent fonctionner sur n’importe quel cloud. Cela permet aux organisations d’utiliser la puissance de calcul disponible, le cas échéant, sur le cloud public, puis de l’étendre stratégiquement en fonction de leurs besoins. Charmed Kubeflow propose un large éventail de fonctionnalités et de capacités, offrant aux équipes le choix d’exécuter les charges de travail là où cela leur convient et la facilité de migration entre différents clouds.

Les data scientists et les ingénieurs peuvent commencer à utiliser Charmed Kubeflow en quelques minutes via la place de marché AWS. Il s’agit d’une alternative transparente qui permet d’exécuter rapidement une instance du produit et offre les mêmes capacités que le déploiement traditionnel. Une option entièrement gérée est disponible pour les organisations qui souhaitent obtenir un support pour leur outil MLOPs et permettre à leur équipe de se concentrer sur leurs projets d’IA.

"Avec la sensibilisation croissante à l’IA, de nombreuses entreprises explorent l’apprentissage automatique pour la première fois." explique Aaron Whitehouse, directeur principal de la mise en œuvre du cloud public chez Canonical. "L’application Charmed Kubeflow sur AWS offre aux entreprises un excellent moyen de tester les possibilités d’apprentissage automatique rapidement et facilement, mais avec une voie claire vers un déploiement hybride/multicloud évolutif si ces projets pilotes sont couronnés de succès."

https://www.canonical.com/

Suivez MtoM Mag sur le Web

 

Newsletter

Inscrivez-vous a la newsletter d'MtoM Mag pour recevoir, régulièrement, des nouvelles du site par courrier électronique.

Email: