Microsoft is serieus over het helpen van gegevens wetenschappers bijhouden en beheren van hun machine learning experimenten voor enige tijd. Bijvoorbeeld, de onderneming Azure Machine Learning (Azure ML) cloud service is een steun van de registratie van experimenten, met inbegrip van iteratief uitgevoerd met verschillende algoritmen, hyperparameter waarden, of beide.
Terwijl Azure ML heeft zijn eigen kader voor zo ‘ n experiment te meten en te volgen, vorig jaar Spark+AI Summit, de partner Databricks gestart met het open source MLflow project voor de afhandeling van soortgelijke taken. MLflow is ontworpen om te werken vanaf vrijwel elke omgeving, inclusief de command-line, notebooks en nog veel meer, en zijn populariteit is gegroeid indrukwekkend is het afgelopen jaar, zogenaamd als gevolg van de open oriëntatie.
Lees ook: Apache Vonk makers te standaardiseren verdeeld machine learning-training, uitvoering en implementatie
Connecting the dots
Microsoft en Databricks zijn partners, en MLflow wordt ondersteund op Azure Databricks. Maar vandaag de dag, dit jaar is de Vonk+AI Top, de twee bedrijven hebben aangekondigd dat Microsoft nu een actieve bijdrage aan de MLflow project en de ondersteuning van het oorspronkelijk uit Azure ML.
Het toeval wil dat ik ben in de Visual Studio Live! conferentie in New Orleans deze week, en ik toevallig te presenteren op het Azure Databricks vandaag. Als onderdeel van die presentatie heb ik gewerkt aan een demo van MLflow alleen deze week, dus dit nieuws heel actueel is.
Een beetje code zal doen ya
Terwijl vele facetten van het doen van machine learning kunnen behoorlijk complex zijn en zelfs een beetje Rube Goldberg in de natuur, MLflow is kinderlijk eenvoudig. Alleen door het toevoegen van een paar regels code in de functie of script dat treinen hun model, worden gegevens wetenschappers kunnen inloggen parameters, gegevens, voorwerpen (percelen, diverse bestanden, enz.) en een inzetbare verpakking van de ML-model. Elke keer dat de functie of het script wordt uitgevoerd, de resultaten worden automatisch geregistreerd als een bijproduct van de lijnen van de code wordt toegevoegd, zelfs als de partij het doen van de training voert u maakt geen bijzondere inspanning om de resultaten te nemen.
MLflow application programming interfaces (Api ‘ s) zijn beschikbaar voor de Python, R en Java programmeertalen, en MLflow sport een taal-agnostisch REST API. Databricks zegt het project heeft bijna 500.000 maandelijkse downloads, meer dan 80 code medewerkers en 40 bijdragende organisaties.
Nu zal Microsoft een actieve bijdrage aan het project. Die moeten helpen bij het standaardiseren van de DevOps van AI, over talen, wolken en machine learning kaders. En, als je het mij vraagt, dat standaardisatie kan niet snel genoeg.
Verwante Onderwerpen:
Cloud
Digitale Transformatie
CXO
Het Internet van Dingen
Innovatie
Enterprise Software