2
이미지는 실제 제품과 다를 수 있습니다
HPE Ezmeral Machine Learning Ops
이전 DevOps 소프트웨어 개발과 마찬가지로 데이터 과학 조직은 프로젝트를 개발에서 생산 단계로 이동할 때 여전히 상당한 시간과 노력을 사용합니다. 모델 버전 관리 및 코드 공유가 수동으로 진행되고, 툴과 프레임워크의 표준화가 부족해 기계 학습 모델의 생산이 번거롭고 오랜 시간이 소모됩니다. HPE Ezmeral ML Ops(HPE Ezmeral Machine Learning Ops)는 HPE Ezmeral Container Platform의 기능을 확장하여 DevOps와 같은 민첩성을 엔터프라이즈 기계 학습에 제공합니다. 엔터프라이즈는 HPE Ezmeral ML Ops를 사용하여 DevOps 프로세스를 구현하고 ML 워크플로를 표준화할 수 있습니다. HPE Ezmeral ML Ops는 데이터 과학팀에 온프레미스, 다중 퍼블릭 클라우드 또는 하이브리드 모델에서 기계 학습 또는 DL(딥 러닝) 워크로드를 유연하게 실행하고, 다양한 사용 사례에서 동적인 비즈니스 요건에 대응할 수 있는 엔드 투 엔드 데이터 과학 요구 사항에 적합한 플랫폼을 제공합니다.
QuickSpecs
QuickSpecs
QuickSpecs(PDF)
QuickSpecs(HTML)
새로운 기능
- 컨테이너를 활용하여 TensorFlow, Apache Spark on Yarn(Kerberos 포함), H2O, Python ML 및 DL 툴킷을 포함한 복잡한 기계 학습 및 딥 러닝 스택을 생성할 수 있습니다.
- 온프레미스, 퍼블릭 클라우드 또는 하이브리드 모델에서 몇 개월이 아닌 몇 분 만에 분산된 확장 가능한 ML 및 DL 교육 환경을 활용할 수 있습니다.
- 원하는 툴을 사용하여 매우 복잡한 ML 플로우도 지원할 수 있습니다. 예를 들어 Spark에서 데이터 준비로 시작하고, GPU에서 TensorFlow 교육, TensorFlow 런타임으로 CPU에 배포가 가능합니다.
- 모델 레지스트리로 ML 프로젝트의 CI/CD 프로세스를 구현할 수 있습니다. 모델 레지스트리는 HPE Ezmeral ML Ops와 다른 툴/플랫폼을 사용해 생성된 솔루션에 모델과 버전을 저장합니다.
- 공유 프로젝트 리포지토리(GitHub)에서 ML 프로젝트의 안정성과 복제가 개선됩니다.
- 즉시 사용 가능한 자동 확장과 로드 밸런싱을 지원하는 안정적이고 확장 가능한 고가용성 엔드포인트 배포로 모델을 배포할 수 있습니다.
주요 기능
더 빨라진 가치 실현
직관적인 그래픽 사용자 인터페이스를 통해 인프라 관리 및 프로비저닝이 가능합니다.
며칠이 아닌 몇 분 만에 환경의 개발 프로비저닝, 테스트 또는 프로덕션이 가능합니다.
사일로화된 개발 환경을 생성하지 않고 원하는 툴과 언어로 새로운 데이터 과학자를 신속하게 온보딩할 수 있습니다.
생산성 향상
데이터 과학자는 교육 작업 완료를 대기하는 것보다 모델 구축 및 결과 분석에 시간을 활용합니다.
HPE Ezmeral Container Platform은 멀티 테넌트 환경에서 정확성이나 성능이 저하되지 않습니다.
공유 코드, 프로젝트 및 모델 리포지토리로 협업과 재현성을 강화하십시오.
위험 완화
컴퓨팅과 데이터에 엔터프라이즈 등급 보안 및 액세스 제어를 제공합니다.
계열 추적으로 규제 준수에 대한 모델 거버넌스 및 감사 가능성을 제공합니다.
타사 소프트웨어와의 통합으로 해석 가능성을 제공합니다.
고가용성 배포로 크리티컬 애플리케이션의 성공적인 실행을 보장합니다.
유연성 및 탄력성
비즈니스 요구 사항에 적합하게 온프레미스, 클라우드 또는 하이브리드 모델에 배포 가능합니다.
클러스터의 자동 확장으로 동적 워크로드의 요구 사항을 처리합니다.
QuickSpecs
HPE Ezmeral Container Platform 자세히 알아보기
Hewlett Packard Enterprise 서비스
원하는 대상을 찾으셨습니까?
귀사에 맞는 제품을 찾는 데 도움이 필요하십니까?
HPE의 제품 전문가들은 귀사의 가능성을 실현하고 비즈니스 문제를 해결할 수 있는 제품과 서비스를 찾아 드리기 위해 언제든지 채팅할 준비가 되어 있습니다.