MtoM Mag - Le journal de l'MtoM.

Idéal pour l’enregistrement des modèles et leur suivi, Charmed MLFlow est intégré à d’autres outils d’IA et de big data tels queApache Spark et Kube Flow.

Charmed MLFlow peut être déployé sur un ordinateur portable en quelques minutes et il est entièrement testé sur Ubuntu. Il peut être utilisé sur d’autres systèmes d’exploitation via Multipass de Canonical ou Windows Subsystem for Linux (WSL).

Charmed MLFlow dispose de capacités d’enregistrement des modèles, permettant aux professionnels de stocker, d’annoter et de gérer des modèles dans un référentiel centralisé. Cela permet de rationaliser la phase de développement de machine learning et offre une visibilité sur le statut de toutes les expériences réalisées, y compris les résultats, les modifications apportées et les configurations possibles.

Il fonctionne sur n’importe quel environnement, cloud public ou privé, et prend en charge les scénarios hybrides et multi-cloud. Il fonctionne également sur n’importe quelle distribution Kubernetes conforme à la SNCF, telle que Micro K8s, Charmed Kubernetes ou EKS. Les data scientists peuvent déplacer leurs modèles des ordinateurs portables vers l’infrastructure de leur choix, en utilisant la même infrastructure Cela permet une migration transparente entre les clouds, et les professionnels bénéficient ainsi de la puissance de calcul dont ils ont besoin pour leur cas d’utilisation.

Charmed MLFlow bénéficie d’une gestion améliorée du cycle de vie, ce qui facilite les mises à niveau et les mises à jour. En plus des capacités en amont, la distribution Canonical automatise ces tâches et permet aux utilisateurs de les réaliser facilement, ce qui réduit le temps consacré aux opérations et élimine la complexité de l’incompatibilité des bibliothèques, des frameworks et des outils. La solution s’intègre également de manière transparente avec d’autres outils machine learning.

Charmed MLFlow peut être déployé de manière autonome et intégré à des outils tels que Jupiter Notebook, Charmed Kube Flow et XServe. En outre, il inclut la surveillance de l’infrastructure grâce à Canonical Observability Stack (COS). En combinaison avec Charmed Kube Flow, les utilisateurs peuvent exploiter d’autres fonctionnalités telles que l’ajustement des hyperparamètres, la planification des GPU ou le service de modèles.

Charmed MLFlow bénéficie de correctifs de sécurité grâce à l’abonnement Ubuntu Pro. comme les correctifs pour les vulnérabilités et expositions courantes (CAVE) et d’un engagement de maintenance de la sécurité sur dix ans. Ubuntu Pro offre également des fonctionnalités de renforcement et de conformité à des normes telles que FedRAMP, HIPAA et PCI-DSS, qui sont idéales pour les entreprises qui exécutent des charges de travail AI/ML dans des environnements réglementés.

Outre les correctifs de sécurité, les entreprises peuvent bénéficier d’une assistance 24/7 pour le déploiement de Charmed Flow, la surveillance du temps de fonctionnement, la correction des bug et les opérations. Pour les organisations qui manquent d’expertise interne en matière d’infrastructure de machine learning, mais qui souhaitent démarrer, Canonical propose des services gérés.

"MLFlow est devenu le principal framework d’IA pour rationaliser toutes les étapes de la ML. Sa popularité est due à sa flexibilité qui permet autant une expérimentation desktop local que le déploiement étendu sur le cloud, répondant ainsi aux besoins des particuliers et des entreprises," a déclaré Cédric Gegout, vice-président de la gestion des produits chez Canonical. "Charmed ML Flow est donc un complément idéal à notre suite Canonical MILOps, offrant des solutions rentables qui permettent aux développeurs de commencer à petite échelle et d’évoluer au même rythme que la croissance de l’entreprise, sans les tracas typiques de l’infrastructure ML et avec un simple abonnement à Ubuntu Pro".

https://www.canonical.com/