來源｜AIT News Desk

編譯｜CDA數據分析師

Dotscience Emerges from Stealth to Eliminate the Biggest Pain Points of Operationalizing AI in the Enterprise

Dotscience是DevOps機器學習（ML）的先驅，憑借其用于協作，端到端ML數據和模型管理的平臺而脫穎而出。通過為團隊提供協作跟蹤運行的獨特能力，培訓AI模型時使用的數據，代碼和參數記錄Dotscience為包括金融科技，自動駕駛汽車，醫療保健和咨詢在內的行業的ML和數據科學團隊授權，以實現可重復性，問責制，協作跨AI模型生命周期的持續交付。Dotscience平臺現在可以作為SaaS或本地提供，并在8月份的亞馬遜網絡服務（AWS）市場上提供。

“人工智能開發的現狀很像20世紀90年代的軟件開發。在稱為DevOps的運動之前，版本控制，持續集成和持續交付等現代最佳實踐遠沒有那么普遍，軟件需要六個月才能發貨是正常的?，F在，軟件只需幾分鐘即可完成，“ Dotscience創始人兼首席執行官Luke Marsden表示?！霸贒otscience，我們正在應用相同的協作，控制和持續交付DevOps的原則到AI，以簡化，加速和控制AI開發?！?/span>

人工智能開發和運營挑戰

數據科學和機器學習團隊通常面臨眾多問題，這些問題使ML項目更有可能失敗并為業務創造財務，聲譽或法律風險。這些包括浪費時間，協作困難，手動跟蹤數據時出錯，無可重復性或來源，缺乏自動化測試，手動部署模型，不受監控的模型以及丟失正在運行的內容以及它來自哪里導致“雪花部署”。

根據德勤的“企業人工智能狀況，第2版”，大多數受訪者表示“實施，整合到角色和功能，以及衡量和證明人工智能解決方案的商業價值是人工智能計劃的最大挑戰?！备鶕﨑otscience的“ 人工智能應用開發和運營狀況2019 ”市場研究結果今天發布的調查結果顯示，受訪者在AI工作負載中遇到的三大挑戰是重復工作（33.2％），在團隊成員離職后重寫模型（27.8％）并且難以證明價值（27％）。該報告評估了企業如何在今天部署AI，并在構建，部署和迭代AI時調查問責制和協作的需求。

“數據科學家和ML工程師可能甚至都沒有意識到他們已經存在的問題，因為他們習慣于使用破碎的流程，并且不了解可以更好地完成ML的解決方案，”Marsden解釋道?！敖鉀Q這些問題將帶來更高效，更有效的AI團隊以及更好，更安全的ML模型?！?/span>

“如果你將機器學習應用程序投入生產，再現性就變得非常重要，” 人工智能和DevOps首席分析師James Kobielus表示，他們使用SiliconANGLE的Wikibon團隊?！癉otscience能夠跟蹤人工智能培訓，保持完整的審計跟蹤，并提供對機器學習應用程序來源的全面可見性，使其非常適合這種不斷增長的企業需求。同樣重要的是，Dotscience確?？缁旌显破脚_的可重復性的能力確保了當今企業AI環境中復雜的DevOps工具鏈的可重復性?！?/span>

Dotscience平臺提供端到端的ML數據和模型管理

Dotscience提供了一種工具，通過授權數據科學家和ML工程師以他們熟悉的方式工作來管理完整的AI生命周期。數據科學和ML團隊可以利用易于使用的平臺，并提供一個單獨的地方來協作，開發，測試，監控和交付他們的ML項目。

“實際上，與市場上的其他產品不同，這意味著團隊可以繼續使用相同的開發工具，ML框架，語言，數據源和計算，而不是被迫進入有圍墻的花園，這可能導致供應商鎖定和陡峭學習曲線，“ Dotscience產品和營銷副總裁Mark Coleman說?！坝捎贒otscience會跟蹤并打包進入數據工程和模型創建過程的每次運行，因此用戶可以復制彼此的工作，輕松協作并根據需要進行跟蹤?！?/span>

Dotscience為數據科學和ML團隊提供以下主要優勢：

無縫靈活性和集成均來自一個平臺： Dotscience用戶可以輕松地將任何計算連接到平臺，無論是他們自己的筆記本電腦，基于云的VM還是本地裸機。在用戶訓練模型后，Dotscience與持續集成和監控工具集成，以便他們可以部署并監控生產中的模型，將所有相關信息保存在一個位置。

?最佳的團隊生產力：通過提供自動化的ML知識庫來消除孤島，Dotscience消除了“關鍵人物風險”，使任何數據科學家或ML工程師都可以輕松地從另一個人那里找到一個在當今競爭中特別重要的屬性招聘景觀。Dotscience不僅允許團隊無縫協作，還可以通過跟蹤模型開發階段中每個元素的每個版本來發現以前的工作并確切了解它是如何構建的。

?靈活地訪問ML開發環境的計算，混合云可移植性：團隊成員可以開始使用他們的筆記本電腦，然后將他們的AI工作負載轉移到更大的云計算機或裸機GPU平臺，當他們需要額外的電源時，所有這些都可以無縫地完成，而無需創建支持請求。重現開發環境所需的整個代碼，數據，環境和超參數包以這樣的方式捆綁在一起，即從一個云移動到另一個云或在本地是無縫的。

?能夠處理來自任何來源的數據：Dotscience可以處理直接存儲在Dotscience中的平面文件，遠程對象存儲中的數據（即S3或S3兼容，Azure或GCS）以及來自SQL，NoSQL和Spark數據湖的數據。這種靈活性允許數據科學和ML團隊立即開始使用已經使用的數據源。Dotscience不強制攝取所有數據; 在給定兼容的對象存儲庫的情況下，它可以跟蹤已存在的數據的來源。

?允許AI和數據科學團隊使用他們關心的工具，同時消除對生產力不重要的障礙：使用Dotscience的跟蹤工作流程，數據科學家和ML工程師可以使用開源工具進行他們熟悉的模型培訓愛，如PyTorch，Keras和TensorFlow。他們可以在應用程序中原生使用Jupyter筆記本，或者選擇在命令行上工作，使他們能夠使用他們選擇的任何IDE。

?保證遵守當前和未來的法規：ML模型用于通過設計做出決策，但如果做出的決策不正確，則可能導致嚴重的財務，聲譽和法律風險。Dotscience既可以監控ML模型，也可以及早發現問題，還可以在法律上重現發生的任何問題，以便快速解決這些問題，并可以自信地進行部署。

用于ML平臺的Dotscience DevOps現在可作為SaaS，本地或通過AWS Marketplace提供

Dotscience提供端到端的ML生命周期管理，無需強制用戶更改其工作實踐，此方法也擴展到安裝選項。 客戶可以選擇部署托管SaaS并自帶計算，或者手動安裝完全私有版本的Dotscience，也可以通過AWS Marketplace中的Dotscience安裝程序安裝，該安裝程序將于8月上市。Microsoft Azure和Google Cloud Platform的安裝程序也將很快推出。這種靈活性意味著廣泛的用戶群可以訪問集成的ML平臺，為數據科學家提供統一的版本控制和協作。

Dotscience受到AI領導者的信任

“ML的世界可以從過去10年中為處理軟件工程生命周期而開發的所有最佳實踐中學到很多東西。Dotscience有可能將一些艱苦學習的課程帶入ML世界，而不會迫使數據科學家和研究人員完全放棄他們選擇的工具，如Jupyter Notebooks。這是一個大膽的主張，有可能產生巨大影響?！?/span>

• Luca Palmieri，TrueLayer的機器學習和數據工程

“在工業規模上合作和維護ML項目的流程和工具尚不像傳統軟件項目那樣成熟。ML工作流程帶來了一些額外的挑戰，這些挑戰并不完全適合軟件DevOps流程。我很高興與Dotscience合作，在我們即將開展的項目中應對這些挑戰，因為他們積極致力于協作的結構化和集中化，以便擴展到更大的團隊和項目規模?！?/span>

• Anders ?str?m，在全球技術咨詢公司數據科學管理

“Dotscience產品在確保機器學習模型的數據來源方面填補了一個關鍵性的空白。通過提供數據源作為服務，Dotscience可以在不降低數據科學團隊速度的情況下跟蹤工作，并提供對數據完整性以及確保關鍵業務利益相關者可信度所需的流程的高度可視性。