Teknogav.com – Cloudera adalah perusahaan cloud data enterprise yang menyediakan solusi Cloudera Machine Learing (CML) yaitu pembelajaran mesin yang digelar di cloud. Kini solusi CML tersebut sudah didukung serangkaian kemampuan pembelajaran mesin produksi untuk MLOps. Perusahaan bisa mengelola dan mengamankan siklus pembelajaran mesin atau machine learning (ML) untuk pembelajaran mesin produksi pada berbagai model CML. Kegiatan tersebut bisa dilakukan dengan fitur-fitur MLOps baru dan Cloudera SDX.
Solusi dari Cloudera tersebut dapat menghemat waktu secara drastis untuk menilai dan meminimalkan risiko bisnis pada model pembelajaran mesin produksi. Pada ahli data, teknisi pembelajaran mesin dan operator dapat berkolaborasi menggunakan solusi ini. MLOps berbasis standar terbuka dapat dimanfaatkan untuk industrialisasi AI dengan mendayagunakan perusahaan enterprise. Andrew Brust, pendiri dan CEO Blue Badge Insight, perusahaan konsultasi independen menjelaskan mengenai proses transformasi digital menggunakan ML.
“Setelah lolos tahap uji coba adopsi pembelajaran mesin, perusahaan akan berupaya meningkatkan skala pengerahan produksi. Jumlah model ML tersebut sampai ratusan bahkan ribuan di seluruh bisnis mereka. Pengelolaan, pemantauan dan pengaturan model pada skala tersebut tak bisa menjadi proses yang dilakukan khusus. Platform operasi ML yang sesungguhnya memungkinkan AI komponen mission-critical bisnis perusahaan bertransformasi secara digital,” ucap Andrew Brust.
CML kini disertai fitur-fitur MLOps baru dan Cludera SDX yang bisa digunakan berbagai model. Kemampuan ini menyediakan serangkaian dasar model dan manajemen siklus dengan pendekatan berulang, transparan dan teratu. Hal tersebut akan meningkatkan skala pengerahan model dan kasus penggunaan ML untuk mendayagunakan perusahaan-perusahaan yang didukung AI.
Manfaat Fitur-fitur MLOps Baru pada CML
- Visibilitas ke seluruh siklus ML untuk menyingkirkan silo dan blindspot sehingga siklus benar-benar transparan sehingga memudahkan penjelasan dan akuntabilitas. Hal ini dimungkinkan keberadaan katalog model yang unik dan kemampuan penelusuran data.
- Menjamin akurasi dan meningkatkan skala kasus penggunaan karena pengerahan model pembelajaran mesin secara aman ke produksi. Hal ini dipenuhi oleh manajemen siklus pembelajaran mesin end-to-end utuh.
- Kemampuan melacak dan memantau aspek teknis dan akurasi prediksi secara berulang, aman dan fleksibel berkat layanan pemantauan model kelas satu.
- Integrasi ke tool yang ada dan yang akan datang tanpa terikat di satu vendor berkat solusi yang dibangun berdasarkan 100% standar open-source yang terintegrasi penuh dengan platform Cloudera Data
“Cloudera telah bekerja lintas industri dengan beberapa pelanggan dan mitra terbesarnya untuk membangun standar terbuka dengan metadata pembelajaran mesin. Kami menerapkan standar-standar tersebut sebagai bagian dari CML untuk memenuhi segala kebutuhan perusahaan dalam mengerahkan dan mempertahankan model ML. Penerapan tersebut sesuai kebutuhan skala produksi. Ini adalah solusi ML end-to-end pertama untuk manajemen siklus penuh dari data ke dampak bisnisnya. Solusi ini dipicu ML di seluruh lingkungan cloud-hybrid dan multi-cloud dengan mengerahkan model kelas satu, keamanan, pemantauan dan tata kelola, ucap Arun Murthy, Chief Product Officer Cloudera.
Kemampuan pembelajaran mesin produksi yang diperluas di CML mencakup fitur MLPS baru dan Cloudera SDX. Fitur MLOPs baru berfungsi memantau kinerja fungsional dan bisnis dari model ML. Sedangkan Cloudera SDX ditujukan untuk beragam model untuk memperluas kemampuan pengelolaan data SDX.
Pemantauan fitur MLOps baru tersebut adalah sebagai berikut:
- Mendeteksi kinerja model dan beralih dari waktu-ke waktu dengan penyimpanan native dan akses ke metrik model khusus dan arbitrary
- Mengukur dan melacak keakuratan prediksi individu dan memastikan model sesuai dan berkinerja optimal.
Berikut ini adalah dukungan Cloudera SDX pada beragam model tersebut.
- melacak, mengelola dan memahami sejumlah besar model ML di seluruh perusahaan dengan katalog model, penelusuran siklus penuh, dan metadata khusus di Apache Atlas
- melihat penelusuran data terkait dengan model yang dibangun dan dikerahkan dalam suatu sistem tunggal untuk membantu mengelola dan mengatur siklus ML
- peningkatan keamanan model untuk end-point model REST yang memungkinkan model dilayani dalam lingkungan produksi CML tanpa mengurangi keamanan