Intelligence artificielle et analyse

Plateforme d’orchestration de conteneurs à l’échelle de l’entreprise, HPE Ezmeral Runtime Enterprise est conçue pour la conteneurisation des applications monolithiques (cloud-natives ou non) avec des données persistantes. Elle déploie le système 100 % open source Kubernetes pour l’orchestration, offre un système de fichiers et une data fabric de pointe pour le stockage de conteneurs persistant, et permet aux entreprises de déployer des charges de travail d’IA et d’analyse en conteneur. Les entreprises peuvent donc désormais étendre facilement le gain d’agilité et d’efficacité offert par les conteneurs à davantage d’applications exécutées sur une infrastructure bare metal ou virtualisée, et aussi bien sur site que dans les clouds multiples ou à l’edge.

Tout comme pour le développement de logiciels antérieurs DevOps, les entreprises de science des données consacrent encore beaucoup de temps et d’efforts lors du transfert de projets du développement à la production. Le contrôle de version de modèle et le partage de code sont manuels et les outils et les structures manquent de standardisation, ce qui rend fastidieux et chronophage la production de modèles de machine learning. HPE Ezmeral Machine Learning Ops (HPE Ezmeral ML Ops) étend les fonctionnalités de HPE Ezmeral Runtime Enterprise et apporte une agilité de type DevOps au machine learning d’entreprise. Avec HPE Ezmeral ML Ops, les entreprises peuvent mettre en œuvre des processus DevOps pour normaliser leurs flux de travail ML (Machine Learning). HPE Ezmeral ML Ops fournit aux équipes de science des données une plateforme pour leurs besoins de science des données Edge to Cloud avec la flexibilité nécessaire pour exécuter leurs charges de travail de machine learning ou de deep learning (DL) sur site, dans plusieurs clouds publics, ou un modèle hybride, et répondre aux exigences commerciales dynamiques dans une variété de cas d’utilisation.