Cloudera推出基于开放标准的MLOps，助力企业实现AI工业化

企业数据云公司 Cloudera 于近日发布Cloudera Machine Learning（CML）产品中的MLOps生产机器学习功能扩展集。企业机构可以使用CML的全新MLOps功能和可扩展至模型的Cloudera SDX来管理和保护生产环境中机器学习生命周期。数据科学家、机器学习工程师和操作人员可以在一个统一的解决方案中开展协作，从而大幅缩短价值实现时间，并将生产环境机器学习模型的业务风险降至最低。

独立咨询公司Blue Badge Insights的创始人兼首席执行官Andrew Brust表示：“已完成机器学习采纳试验阶段的公司希望将生产中的部署扩展到整个业务中数百乃至数千个机器学习模型。这一规模的模型管理、监控和治理流程无法量身定制。通过真正的机器学习运营平台，公司可以让人工智能化身为其数字化转型业务的关键组成部分。”

 该版本Cloudera Machine Learning内置全新MLOps功能和可扩展至模型的Cloudera SDX。它所提供的基本模型和生命周期管理功能集可实现大规模模型部署和机器学习用例数量所必需的可重复、透明且可治理的方法。

其优点包括：

●   独特的模型分类和沿袭功能 可实现整个机器学习生命周期的可视化，杜绝孤岛和盲点，赋予整个生命周期透明性、可解释性和问责制度。

●   完整的端对端机器学习生命周期管理，包括将机器学习模型安全部署到生产线、确保准确性和扩展用例所需的一切。

●   先进的模型监控服务，以可重复、安全和可扩展的方式追踪和监控各技术方面以及预测的准确性。

●   建立在100％开源标准之上， 并与Cloudera Data Platform完全集成，使客户在集成现有和未来工具的同时，不会被固定于单家供应商。

Cloudera首席产品官Arun Murthy表示：“Cloudera一直与业内大型客户和合作伙伴开展合作，为机器学习元数据建立开放标准。我们的Cloudera Machine Learning已采用了这些标准，提供在大规模生产中部署和长期使用机器学习模型所需的一切。作为首个端对端机器学习解决方案，Cloudera Machine Learning凭借一流的模型部署、安全、治理和监控能力管理全生命周期，涵盖从数据到机器学习所带来的跨混合云和多云业务影响。”

Cloudera Machine Learning（CML）中的生产机器学习功能扩展集包括：

●   用于监控机器学习模型功能和业务性能的 全新MLOps 功能 ：

o   通过本地存储和访问自定义与任意模型指标检测模型性能和长期变化。

o   衡量并追踪单项预测的准确性，确保模型合规并达到最佳性能。

●   用于模型的Cloudera SDX 扩展了SDX治理功能，现在支持模型：

o   通过Apache Atlas中的模型分类、全生命周期沿袭和自定义元数据来追踪、管理和了解部署于整个企业中的大量机器学习模型。

o   查看与单个系统中构建和部署的模型相关联的数据沿袭，帮助管理和治理机器学习生命周期。

o   增强Model REST 端点的模型安全，使模型能够用于CML生产环境且不影响其安全。