1. Home
  2. Glossary
  3. Opérations d’apprentissage automatique
MLOps (Machine Learning Operations)

Opérations d’apprentissage automatique

Qu’est-ce que c’est?

Les opérations d’apprentissage automatique, ou MLOps, étendent les pratiques du DevOps (développement logiciel et opérations TI) et du ModelOps (opérations liées aux modèles) au domaine émergent de l’intelligence artificielle (IA). Elles s’appuient sur des pratiques intelligentes novatrices pour déployer des modèles d’apprentissage automatique ou d’apprentissage profond de façon plus efficace et plus fiable. Plutôt que de se limiter au développement du modèle d’apprentissage automatique, les MLOps établissent un pipeline ou un cycle de vie pour le modèle, qui permet de l’entraîner, de l’intégrer et de le livrer en continu en fonction des commentaires des utilisateurs. Ainsi, le modèle d’apprentissage automatique est continuellement optimisé et mieux adapté au scénario d’utilisation pour lequel il a été conçu.

Pourquoi en avez-vous besoin?

En tant que solution offerte à l’utilisateur final, les opérations d’apprentissage automatique englobent un large éventail de services qui peuvent tous aider le client à déployer efficacement l’apprentissage automatique dans son entreprise. La solution d’opérations d’apprentissage automatique peut comprendre uniquement le logiciel, le logiciel fourni avec le matériel, la formation requise pour utiliser la solution ou même l’exploitation à distance de la solution pour le compte du client. Les trois principaux fournisseurs de services infonuagiques (CSP) — Amazon, Google et Microsoft — offrent également des services d’opérations d’apprentissage automatique dans leurs nuages publics. Un fournisseur de moindre envergure peut utiliser ses logiciels et son matériel plutôt que ceux du client.

Pour les utilisateurs finaux qui bénéficient des opérations d’apprentissage automatique, les possibilités sont infinies. Que vous travailliez dans le secteur manufacturier, la logistique, le transport, le commerce, la vente au détail, l’éducation ou les soins de santé, disposer d’un modèle d’apprentissage automatique optimisé améliorera non seulement votre efficacité, mais pourrait aussi vous permettre de tirer une valeur supplémentaire de la masse de données accumulées dont vous disposez. C’est pourquoi de plus en plus d’entreprises et d’organismes font appel à des services d’opérations d’apprentissage automatique pour développer et déployer leurs propres modèles d’apprentissage automatique.

Comment GIGABYTE peut-il vous aider?

GIGABYTE propose des solutions matérielles et logicielles aux fournisseurs et aux utilisateurs de solutions d’opérations d’apprentissage automatique (MLOps).

Matériel : les serveurs GPU de la série G de GIGABYTE, qui intègrent plusieurs cartes graphiques dans un châssis dense et compact afin de fournir des solutions HPC évolutives pour l’IA et l’apprentissage profond, sont les serveurs de choix des fournisseurs de solutions MLOps. Les capacités de calcul parallèle de ces serveurs GPU sont idéales pour concevoir des modèles d’apprentissage automatique qui tirent parti de technologies de pointe comme la vision artificielle, la reconnaissance de l’écriture manuscrite (HWR) et le traitement automatique du langage naturel (NLP).

Logiciels : l’apprentissage profond, qui peut être réalisé par l’entraînement de réseaux neuronaux profonds, constitue un aspect important des opérations d’apprentissage automatique. Le système d’entraînement DNN MLSteam de Myelintek, qui fait partie de l’appliance d’entraînement DNN de GIGABYTE, est une plateforme clé en main pour l’entraînement de réseaux neuronaux profonds. Elle comprend un environnement matériel et logiciel préchargé, validé et optimisé, ainsi que plusieurs frameworks et bibliothèques courants. Le volet dorsal de cette solution d’opérations d’apprentissage automatique repose également sur les serveurs GPU de la série G de GIGABYTE, qui offrent l’une des configurations de GPU les plus denses du marché.

Lectures recommandées

10 Frequently Asked Questions about Artificial Intelligence

10 Frequently Asked Questions about Artificial Intelligence

10 Frequently Asked Questions about Artificial Intelligence
CPU vs. GPU: What's the Difference and Which Do You Need

CPU vs. GPU: What's the Difference and Which Do You Need

CPU vs. GPU: What's the Difference and Which Do You Need
Myelintek MLSteam DNN Training System

Myelintek MLSteam DNN Training System

GIGABYTE's DNN Training Appliance combines powerful computing performance together with a user-friendly GUI, providing DNN developers an easy to use environment to conduct dataset management, training jobs management, real time system environment monitoring and model analysis.
GIGABYTE domine les benchmarks MLPerf Training v3.0 avec les accélérateurs les plus performants et les serveurs GIGABYTE

GIGABYTE domine les benchmarks MLPerf Training v3.0 avec les accélérateurs les plus performants et les serveurs GIGABYTE

How to Benefit from AI  In the Healthcare & Medical Industry

How to Benefit from AI In the Healthcare & Medical Industry

How to Benefit from AI In the Healthcare & Medical Industry
Setting the Record Straight: What is HPC? A Tech Guide by GIGABYTE

Setting the Record Straight: What is HPC? A Tech Guide by GIGABYTE

Setting the Record Straight: What is HPC? A Tech Guide by GIGABYTE
DCIM x AIOps: The Next Big Trend Reshaping AI Software

DCIM x AIOps: The Next Big Trend Reshaping AI Software

DCIM x AIOps: The Next Big Trend Reshaping AI Software
What is Big Data, and How Can You Benefit from It?

What is Big Data, and How Can You Benefit from It?

What is Big Data, and How Can You Benefit from It?
Researching Cellular Aging Mechanisms at Rey Juan Carlos University

Researching Cellular Aging Mechanisms at Rey Juan Carlos University

Researching Cellular Aging Mechanisms at Rey Juan Carlos University
Two-Phase Immersion Cooling with LiquidStack

Two-Phase Immersion Cooling with LiquidStack

GIGABYTE has joined forces with LiquidStack and 3M to offer a Two-Phase Immersion Cooling solution, allowing customers to drastically reduce their data center energy consumption and improve PUE, radically reducing operating costs and environmental impact.