Jump to section

AI e ML su Red Hat OpenShift

Copia URL

Red Hat accelera i flussi di lavoro AI e ML e la distribuzione delle applicazioni intelligenti basate sull'intelligenza artificiale grazie all'opzione di Red Hat OpenShift autogestito e al nostro servizio cloud AI/ML

 

Che cos'è un ciclo di vita MI? 

È un processo in più fasi con lo scopo di realizzare applicazioni intelligenti sfruttando grandi volumi di dati di ogni tipo, elevate risorse di elaborazione e strumenti di machine learning open source.

A livello macroscopico, questo ciclo di vita si articola in quattro fasi:

  1. Raccolta e preparazione dei dati, per assicurarsi che i dati di input siano completi e di alta qualità
  2. Sviluppo del modello, che include l'addestramento, il test e la selezione del modello con la massima precisione predittiva
  3. Integrazione dei modelli nel processo di sviluppo applicativo e inferenza
  4. Monitoraggio e gestione dei modelli, al fine di misurare le prestazioni aziendali e correggere le eventuali deviazioni nei dati di produzione

I data scientist sono responsabili soprattutto della modellazione ML, per garantire che il modello selezionato continui a fornire la massima precisione predittiva.

 

Le principali problematiche che i data scientist si trovano a gestire includono:

  • Selezione e deployment degli strumenti ML più appropriati, come Apache Spark, Jupyter notebookTensorFlow, PyTorch e così via
  • Complessità e tempo necessario per l'addestramento, i test, la selezione e l'ulteriore addestramento del modello ML che offre la massima precisione predittiva
  • Lentezza delle attività di modellazione e inferenza dovuta alla mancanza di accelerazione hardware
  • Dipendenza costante dai team operativi IT, per il provisioning e la gestione dell'infrastruttura
  • Interazione costante con data engineer e sviluppatori software, per garantire la pulizia dei dati di input e il deployment appropriato del modello ML nei processi di sviluppo applicativo

I container e Kubernetes svolgono un ruolo chiave per l'accelerazione del ciclo di vita ML poiché forniscono ai data scientist i livelli di agilità, flessibilità, portabilità e scalabilità indispensabili per l'addestramento, il test e il deployment dei modelli ML.

Red Hat® OpenShift® è la piattaforma di cloud ibrido leader di settore per i container e Kubernetes. Oltre a offrire tutti i vantaggi, promuove la collaborazione fra data scientist e sviluppatori software, tramite le funzionalità DevOps integrate (come OpenShift Pipelines, OpenShift GitOps e Red Hat Quay) e l'integrazione con gli acceleratori hardware. Velocizza inoltre la distribuzione delle applicazioni intelligenti in tutto il cloud ibrido (data center, edge e cloud pubblici).

    Offri ai data scientist gli strumenti essenziali

    • Esperienza cloud self service coerente per i data scientist in tutto il cloud ibrido
    • Flessibilità e portabilità necessarie all'utilizzo degli strumenti ML containerizzati scelti dai data scientist, al fine di accelerare le creazione, l'estensione, la riproduzione e la condivisione dei modelli ML.
    • Utilizzo degli strumenti ML più appropriati, tramite gli operatori Kubernetes certificati da Red Hat, sia per la versione autogestita che per l'opzione del servizio cloud basata sull'intelligenza artificiale.
    • Autonomia nel provisioning dell'infrastruttura necessaria per le attività di modellazione ML iterative, che comportano un uso intensivo delle risorse di elaborazione.
    • Nessun lock-in con uno specifico provider di servizi cloud e il relativo menu di strumenti ML.
    • Deployment più rapidi dei modelli ML, con tutte le iterazioni necessarie, grazie all'integrazione completa con gli strumenti CI/CD.

     

    Accelera i processi di modellazione ML a elevato utilizzo di calcolo

    Grazie alle integrazioni con gli acceleratori hardware più diffusi, come le GPU NVIDIA tramite gli operatori GPU certificati da Red Hat, OpenShift riesce a fornire tutte le risorse di elaborazione necessarie . Ciò permette di selezionare il modello ML ottimale, allo scopo di garantire la massima precisione predittiva, nonché i processi di inferenza ML più adatti, a mano a mano che il modello individua nuove tipologie di dati nell'ambiente di produzione.

     

    Sviluppa applicazioni intelligenti

    L'estensione delle funzionalità di automazione DevOps fornita da OpenShift al ciclo di vita ML promuove la collaborazione fra data scientist, sviluppatori software e team operativi IT, consentendo di integrare velocemente i modelli ML nello sviluppo di applicazioni intelligenti. Ciò consente di ottenere cicli di sviluppo più efficienti semplificando la gestione del ciclo di vita per le applicazioni intelligenti basate su ML.

    • Generazione dal registro delle immagini dei modelli di container con OpenShift Build.
    • Sviluppo continuo e iterativo delle applicazioni intelligenti basate su modello ML con OpenShift Pipelines.
    • Automazione del deployment continuo per le applicazioni intelligenti basate su modello ML con OpenShift GitOps.
    • Repository per i microservizi e le immagini container dei modelli di versione con Red Hat Quay.

    OpenShift aiuta le organizzazioni di vari settori ad accelerare le iniziative aziendali chiave attraverso lo sviluppo delle applicazioni intelligenti nel cloud ibrido. Gli scenari di utilizzo includono ad esempio il rilevamento delle frodi, la diagnostica e la risoluzione dei problemi basata sui dati, le auto connesse, la guida autonoma, la ricerca di giacimenti di gas e petrolio, l'automazione dei preventivi assicurativi e l'elaborazione delle richieste di risarcimento.

    Resoconto analitico: Software open source basato su cloud per lo sviluppo di iniziative di IA

    Storia di successo: HCA Healthcare utilizza un'innovativa piattaforma di gestione dei dati per salvare vite

    Video: BMW ConnectedDrive con Red Hat OpenShift

    Red Hat Decision Manager è una piattaforma cloud native per la gestione delle regole di business e del processo decisionale, che permette di integrare i modelli ML nei modelli decisionali. I modelli ML possono essere forniti sotto forma di microservizi tramite OpenShift e messi a disposizione per l'inferenza. L'integrazione con strumenti di monitoraggio quali Prometheus e Grafana permette di monitorare e gestire le prestazioni aziendali dei modelli ML nell'ambiente di produzione.

    Per ulteriori informazioni su Red Hat Decision Manager, visita la pagina del prodotto Red Hat Decision Manager o il sito di Red Hat Developer.

    Red Hat Data Services è un prodotto concepito per rispondere alle esigenze di storage nell'ordine dei petabyte che caratterizzano il ciclo di vita ML, dalle fasi di acquisizione e preparazione dei dati alla modellazione ML, fino all'inferenza. Il portafoglio Red Hat Data Services include Red Hat Ceph Storage, un sistema di storage software defined e open source che fornisce supporto esaustivo per lo storage basato su file, blocchi e oggetti S3, garantendo livelli di scalabilità elevatissimi su hardware commerciale standard di settore.

    Permette ad esempio di fornire storage Ceph scalabile a notebook Jupyter containerizzati su OpenShift tramite S3 o volumi permanenti.

    Open Data Hub Project è un'architettura funzionale basata su Red Hat OpenShift, Red Hat Ceph Storage, Red Hat AMQ Streams e una serie di progetti open source upstream, con lo scopo di realizzare una piattaforma ML open source completa di tutti gli strumenti ML essenziali.

    Per ulteriori informazioni su Open Data Hub Project, leggi gli articoli del blog correlati o visita la pagina dedicata della piattaforma.

    Approfondisci

    Ebook

    Considerazioni essenziali per la creazione di un ambiente di AI e ML production ready

    Formazione

    Portale interattivo di apprendimento

    AI e machine learning su OpenShift

    Uno strumento per sviluppatori e data scientist

    OpenShift Data Science logo

    Red Hat® OpenShift® Data Science è un servizio cloud gestito per data scientist e sviluppatori di applicazioni intelligenti. Fornisce una sandbox completamente supportata per lo sviluppo, l'addestramento e il test dei modelli di machine learning (ML) in modo rapido nel cloud pubblico prima di distribuirli in produzione.

    Illustration - mail

    Ricevi contenuti simili

    Iscriviti a Red Hat Shares, la nostra newsletter gratuita.