Microsoft ha intenzioni serie per aiutare dati di scienziati di monitorare e gestire il proprio apprendimento automatico esperimenti per qualche tempo. Per esempio, la società Azure Machine Learning (Azure ML) di servizi cloud ha sostenuto la registrazione di esperimenti, tra iterativo viene eseguito con vari algoritmi, hyperparameter valori, o entrambi.
Mentre Azure ML ha avuto il suo quadro di riferimento per tale esperimento, il monitoraggio e la verifica, l’anno scorso, che Scintilla+AI Summit, il suo partner Databricks lanciato l’open source MLflow progetto per la gestione di attività simili. MLflow è progettato per lavorare da qualsiasi ambiente, inclusa la linea di comando, notebook e di più, e la sua popolarità è cresciuta in modo impressionante negli ultimi anni, apparentemente come un risultato di che aprire orientamento.
Leggi anche: Apache Scintilla creatori insieme a standardizzare distribuito di machine learning per la formazione, l’esecuzione e la distribuzione
Collegare i puntini
Microsoft e Databricks sono partner, e MLflow è supportato in modo nativo in Azure Databricks. Ma oggi, in questo anno Scintilla di+AI Vertice, le due aziende annunciano che Microsoft sarà ora un collaboratore attivo per il MLflow progetto e si impegna a sostenere in modo nativo da Azure ML.
Poi, per caso, a sto Visual Studio Live! conferenza a New Orleans questa settimana, e mi capita di presentare su Azure Databricks oggi. Come parte della presentazione, ho lavorato su una demo di MLflow solo per questa settimana, quindi questa notizia è abbastanza puntuale.
Un po ‘ di codice non ya
Mentre molte sfaccettature di fare la macchina di apprendimento può essere molto complessa e anche un po ‘ di Rube Goldberg in natura, MLflow è piacevolmente semplice. Solo con l’aggiunta di poche righe di codice nella funzione o script che allena il loro modello, dati gli scienziati possono parametri di registro, le metriche, gli artefatti (trame, file di vario tipo, ecc.) e un deploy di imballaggio di ML modello. Ogni volta che la funzione o lo script viene eseguito, i risultati saranno registrati automaticamente come un sottoprodotto di quelle righe di codice che viene aggiunto, anche se il partito facendo l’allenamento fa nessuno sforzo speciale per registrare i risultati.
MLflow interfacce di programmazione delle applicazioni (Api) sono disponibili per il Python, R e Java linguaggi di programmazione, e MLflow sport una lingua indipendente dal RESTO API. Databricks dice che il progetto è quasi 500.000 mensili download, oltre l ‘ 80 codice collaboratori e 40 contribuendo organizzazioni.
Ora Microsoft sarà un collaboratore attivo per il progetto, troppo. Che dovrebbe aiutare a standardizzare il DevOps di AI, attraverso le lingue, le nuvole e la macchina di apprendimento quadri. E, se mi chiedete, che la standardizzazione non può venire abbastanza presto.
Argomenti Correlati:
Cloud
La Trasformazione Digitale
CXO
Internet delle Cose
L’innovazione
Enterprise Software