Hoppa till huvudinnehåll
RISE logo

SODA - Software & Data Intensive Applications

Utvecklingen av pålitliga AI-lösningar - i de flesta fall Machine Learning (ML) - kräver lämpliga tekniska metoder. MLOps är ett framväxande tekniskt paradigm som erbjuder kvalitetssäkring i automatiska verktygskedjor. RISE i Lund driver en testbädd och en demo-miljö för kunder att "testa innan de investerar" på den växande MLOps-marknaden.

Den som försökte migrera ett AI-proof-of-concept till produktion vet hur svårt det är. Vi anammar MLOps för att övervinna hindret genom arbetsflödesorkestrering - vi gör den komplexa verktygskedjor för AI enkla. Låt oss visa varför en MLOps är en förutsättning för kvalitetssäkring i AI-eran.

MLOps är ett teknikparadigm som stöds av verktyg och processer. MLOps bygger på DevOps och är anpassad för datavetenskapens experimentella natur - genom att lägga till experimentspårning och modellhantering som centrala verktyg. Framgångsrik tillämpning av MLOps ökar kvaliteten, förenklar hanteringsprocessen och automatiserar distributionen av Machine Learning (ML) -modeller i storskaliga produktionsmiljöer. Genom att omfamna MLOps blir det enklare att anpassa ML-modeller till affärsbehov, utföra kvalitetssäkring och visa efterlevnad av lagkrav. MLOps gäller för hela livscykeln - datainsamling, ML-modellutveckling, konventionell mjukvaruutveckling, kontinuerlig integration / kontinuerlig leverans, orkestrering, distribution, styrning och affärsmetoder.

Arbetsflödesautomation är ryggraden i MLOps, dvs. verktygskedjor som gör AI verklig. Organisationer som påbörjar MLOps-resan har två primära alternativ.

  • Fullt hanterade end-to-end-lösningar som tillhandahålls av stora kommersiella aktörer, t.ex. Google Cloud, Microsoft Azure och Amazon Sagemaker.
  • Skräddarsydda verktygskedjor genom att kombinera verktyg från den ständigt växande marknaden för ML-verktyg.

Det finns inte en enda MLOps-verktygskedja för att styra dem alla. Varje applikation behöver sin egen anpassade verktygskedja - och den måste utvecklas tillsammans med AI-lösningen. På vår lokala testbädd hjälper vi utvecklingsorganisationer att navigera bland dem många alternativen. Vi underhåller en uppsättning MLOps verktygskedjor som visar de viktigaste variationspunkterna.


Sammanfattning

Projektnamn

SODA

Status

Pågående

Region

Region Skåne

RISE roll i projektet

Koordinator

Projektstart

Varaktighet

20 månader

Total budget

3 miljoner kronor

Projektmedlemmar

Bidrar till FN:s hållbarhetsmål

11.Hållbara städer och samhällen