Account Connexion
Jump to section

L'IA/AA sur Red Hat OpenShift

Copier l'URL

Red Hat accélère les workflows d'intelligence artificielle (IA)/apprentissage automatique (AA) et la distribution d'applications intelligentes basées sur l'IA avec la solution Red Hat OpenShift autogérée ou avec le service cloud d'IA/AA.

 

Cycle de vie de l'AA 

Le cycle de vie de l'AA est un processus en plusieurs phases qui permet de tirer parti du potentiel de grands volumes de données variées, d'informations de calcul foisonnantes et d'outils Open Source d'apprentissage automatique pour créer des applications intelligentes.

Le cycle de vie de l'AA se décompose globalement en quatre phases :

  1. Recueil et préparation des données pour assurer l'exhaustivité et la qualité des données d'entrée
  2. Développement de modèles, notamment avec l'entraînement, le test et la sélection des modèles qui offrent le plus haut niveau de justesse des prédictions
  3. Intégration des modèles au processus de développement d'applications et réalisation des prédictions (inférence)
  4. Surveillance et gestion des modèles pour mesurer les performances métier et corriger les écarts éventuels au niveau des données de production

La mission première des data scientists consiste à développer des modèles d'AA et à s'assurer que le modèle sélectionné fournisse en permanence le plus haut niveau de justesse des prédictions.

 

Voici leurs principaux défis :

  • Sélectionner et déployer les bons outils d'AA (Apache Spark, Jupyter Notebook, TensorFlow, PyTorch, etc.)
  • Entraîner, tester, sélectionner et entraîner à nouveau le modèle d'AA pour maximiser la justesse des prédictions, de façon plus simple et plus rapide
  • Exécuter plus rapidement les tâches de modélisation et d'inférence grâce à l'accélération matérielle
  • Provisionner et gérer l'infrastructure sans l'intervention de l'équipe informatique
  • Collaborer avec les ingénieurs de données et les développeurs de logiciels pour assurer la qualité des données d'entrée et réussir le déploiement des modèles d'AA dans les processus de développement d'applications

Les conteneurs et Kubernetes sont essentiels pour accélérer le cycle de vie de l'AA, car ces technologies offrent aux data scientists l'agilité, la flexibilité, la portabilité et l'évolutivité dont ils ont tant besoin pour entraîner, tester et déployer des modèles d'AA.

Red Hat® OpenShift® est la plateforme de cloud hybride Kubernetes et de conteneurs leader sur le marché. Outre les avantages cités précédemment, cette solution permet une meilleure collaboration entre les data scientists et les développeurs de logiciels, et accélère le déploiement d'applications intelligentes dans le cloud hybride (au niveau du datacenter, en périphérie et dans les clouds publics). Et tout cela est rendu possible grâce aux fonctionnalités DevOps intégrées (OpenShift Pipelines, OpenShift GitOps et Red Hat Quay, entre autres) et à la prise en charge d'accélérateurs matériels.

    Davantage de moyens pour les data scientists

    • Expérience cloud cohérente et en libre-service pour les data scientists dans le cloud hybride
    • Flexibilité et portabilité nécessaires pour utiliser les outils d'AA conteneurisés de leur choix afin de créer, mettre à l'échelle, reproduire et partager rapidement des modèles d'AA
    • Possibilité d'utiliser les outils d'AA les plus pertinents grâce à des opérateurs Kubernetes certifiés Red Hat, pour le service cloud d'IA et la solution autogérée
    • Indépendance vis-à-vis de l'équipe informatique pour le provisionnement de l'infrastructure nécessaire aux tâches de modélisation d'AA itératives et intensives en calcul
    • Plus aucun problème de dépendance vis-à-vis d'un fournisseur cloud particulier et de ses outils d'AA
    • Intégration étroite aux outils CI/CD pour un déploiement rapide et itératif des modèles d'AA, selon les besoins

     

    Accélération des tâches de modélisation d'AA intensives en calcul

    L'utilisation des principaux accélérateurs matériels comme les GPU NVIDIA via l'opérateur GPU certifié Red Hat permet à OpenShift de s'adapter facilement aux besoins élevés en ressources de calcul. Les équipes peuvent ainsi sélectionner le modèle d'AA qui offre le plus haut niveau de justesse des prédictions, et les tâches d'inférence à mesure que le modèle reçoit de nouvelles données en production.

     

    Développement d'applications intelligentes

    L'extension des capacités d'automatisation des processus DevOps d'OpenShift au cycle de vie de l'AA favorise une meilleure collaboration entre les data scientists, les développeurs de logiciels et les équipes d'exploitation informatique, ce qui permet d'intégrer rapidement les modèles au développement d'applications intelligentes. Cette approche stimule la productivité et simplifie la gestion du cycle de vie des applications intelligentes basées sur l'AA.

    • Création à partir du registre d'images de modèles de conteneurs avec OpenShift Build
    • Développement continu et itératif d'applications intelligentes basées sur des modèles d'AA avec OpenShift Pipelines
    • Automatisation du déploiement continu de ces applications intelligentes avec OpenShift GitOps
    • Modélisation des images de conteneurs et des microservices avec le référentiel d'images Red Hat Quay

    La plateforme OpenShift aide les entreprises de divers secteurs à accélérer leurs initiatives métier et essentielles en développant des applications intelligentes dans le cloud hybride. Elle s'utilise notamment pour la détection des fraudes, les diagnostics et les traitements basés sur les données, les voitures connectées, la conduite autonome, l'exploration pétrolière et gazière, les devis d'assurance automatisés et le traitement des sinistres.

    Rapport d'analyste :Des logiciels Open Source et cloud à la base des initiatives d'IA

    Témoignage client : HCA Healthcare utilise une plateforme de données novatrice pour sauver des vies

    Vidéo : BMW ConnectedDrive avec Red Hat OpenShift

    Red Hat Decision Manager est une plateforme cloud-native de gestion des décisions et règles métier qui permet d'intégrer des modèles d'AA aux modèles décisionnels. Ces modèles peuvent ensuite être fournis et mis à disposition pour l'inférence en tant que microservices sur OpenShift. Des outils de surveillance intégrés, comme Prometheus et Grafana, permettent de surveiller et gérer les performances (métier) des modèles d'AA en production.

    Pour en savoir plus sur Red Hat Decision Manager, consultez la page du produit ou rendez-vous sur le site Red Hat Developer.

    L'offre Red Hat Data Services a été conçue pour répondre aux besoins de stockage à l'échelle du pétaoctet dans le cycle de vie de l'AA, depuis l'ingestion et la préparation des données jusqu'à la phase d'inférence, en passant par la modélisation de l'AA. Elle comprend Red Hat Ceph Storage, un système Open Source de stockage logiciel qui assure la prise en charge complète du stockage en modes fichier, bloc et objet S3, et qui se veut hautement évolutif sur du matériel standard.

    Vous pouvez par exemple l'utiliser avec des notebooks Jupyter conteneurisés sur OpenShift via des volumes persistants ou S3.

    Open Data Hub Project est une architecture fonctionnelle basée sur Red Hat OpenShift, Red Hat Ceph Storage, Red Hat AMQ Streams et plusieurs projets Open Source en amont, qui inclut tous les outils nécessaires à la création d'une plateforme d'AA ouverte.

    Pour plus d'informations sur Open Data Hub Project et pour vous lancer, commencez par lire les articles de blog.

    Pour aller plus loin

    Livre numérique

    Ce qu'il faut savoir pour créer un environnement d'IA/AA prêt pour la production

    Formations

    Portail de formation interactif

    Intelligence artificielle et apprentissage automatique sur OpenShift

    Outil pour les développeurs et les data scientists

    OpenShift Data Science logo

    Red Hat® OpenShift® Data Science est un service cloud géré pour les data scientists et les développeurs d'applications intelligentes. Il fournit un sandbox entièrement pris en charge pour développer, entraîner et tester rapidement des modèles d'apprentissage automatique dans le cloud public avant leur déploiement en production.

    Illustration - mail

    Ce type de contenu vous intéresse ?

    Inscrivez-vous à notre newsletter Red Hat Shares.