Betrieb maschineller Lernsysteme

MLOps steht kurz für den Betrieb maschineller Lernsysteme. Dabei werden die Methoden von DevOps (Softwareentwicklung und IT-Betrieb) und ModelOps (Betrieb von Modellen) auf das noch junge Feld der künstlichen Intelligenz (KI) übertragen. Innovative, intelligente Verfahren ermöglichen es, Machine-Learning- und Deep-Learning-Modelle effektiver und zuverlässiger bereitzustellen. MLOps beschränkt sich nicht auf die Entwicklung des ML-Modells, sondern etabliert für das Modell eine Pipeline oder einen Lebenszyklus, in dem es auf Grundlage von Nutzerfeedback kontinuierlich trainiert, integriert und bereitgestellt werden kann. Dadurch wird das ML-Modell zunehmend optimiert und besser auf das Anwendungsszenario zugeschnitten, für das es entwickelt wurde.

Als Lösung, die Endanwendern bereitgestellt wird, umfasst MLOps ein breites Spektrum an Services. Sie alle unterstützen Kunden dabei, maschinelles Lernen effektiv in ihrem Unternehmen einzusetzen. Eine MLOps-Lösung kann ausschließlich die Software umfassen, aus Software und gebündelter Hardware bestehen, die für ihre Nutzung erforderliche Schulung beinhalten oder sogar den Fernbetrieb der Lösung für den Kunden übernehmen. Die drei führenden Cloud-Service-Provider (CSPs) – Amazon, Google und Microsoft – bieten ebenfalls MLOps-Services in ihren Public Clouds an. Kleinere MLOps-Anbieter können anstelle eigener Software und Hardware auch die des Kunden einsetzen.

Für die Endanwender, die vom Betrieb maschineller Lernsysteme profitieren, sind die Einsatzmöglichkeiten nahezu unbegrenzt. Ganz gleich, ob Sie in der Fertigung, Logistik, im Transportwesen, Handel, Einzelhandel, Bildungswesen oder Gesundheitswesen tätig sind: Ein optimiertes Modell für maschinelles Lernen verbessert nicht nur Ihre eigene Effizienz, sondern kann möglicherweise auch zusätzlichen Wert aus den großen Mengen an Daten schöpfen, die sich in Ihrem Besitz befinden. Aus diesem Grund beauftragen immer mehr Unternehmen und Institutionen MLOps-Services, um eigene ML-Modelle zu entwickeln und bereitzustellen.

GIGABYTE bietet sowohl Hardware als auch Software für Anbieter und Anwender von Lösungen für den Betrieb maschineller Lernsysteme.

Hardware: Die G-Series GPU Servers von GIGABYTE bieten Platz für mehrere Grafikkarten in einem kompakten Gehäuse mit hoher Packungsdichte und ermöglichen skalierbare HPC-Lösungen für KI und Deep Learning. Damit zählen sie zu den bevorzugten Serverprodukten für Anbieter von Lösungen für den Betrieb maschineller Lernsysteme. Die Parallelverarbeitungsfunktionen der GPU-Server eignen sich ideal für die Entwicklung von ML-Modellen, die moderne Technologien wie maschinelles Sehen, Handschrifterkennung (HWR) und Verarbeitung natürlicher Sprache (NLP) nutzen.

Software: Ein wichtiger Bestandteil des Betriebs maschineller Lernsysteme ist Deep Learning, das durch das Training tiefer neuronaler Netze umgesetzt werden kann. Das Myelintek MLSteam DNN Training System ist Teil der DNN Training Appliance von GIGABYTE und eine schlüsselfertige Plattform für das Training tiefer neuronaler Netze. Sie bietet eine vorinstallierte, geprüfte und optimierte Hard- und Softwareumgebung einschließlich mehrerer gängiger Frameworks und Bibliotheken. Als Backend dieser Lösung für den Betrieb maschineller Lernsysteme dienen ebenfalls die G-Series GPU Servers von GIGABYTE, die eine der höchsten GPU-Packungsdichten auf dem Markt bieten.