Разделы

Цифровизация Бизнес-приложения

Hitachi Vantara Labs представила решения по управлению моделями машинного обучения

Hitachi Vantara, дочернее предприятие Hitachi Ltd., объявила о создании новых решений по управлению процессами машинного обучения. Они помогут специалистам по обработке и анализу данных тестировать и перестраивать модели машинного обучения в сфере производства.

Инновационные разработки Hitachi Vantara Labs подключаются к конвейеру данных, созданному Pentaho. Это позволяет повысить результативность бизнеса и сократить риски за счет упрощения процесса обновления моделей. 

В процессе цифровых преобразований алгоритмизация становится важнейшим конкурентным преимуществом. В то же время она несет в себе потенциальные риски. После запуска модели машинного обучения необходимо постоянно осуществлять ее мониторинг, тестирование и переобучение в соответствии с меняющимися условиями среды, а после этого запускать повторно. Это трудоемкая ручная работа, которая выполняется достаточно редко. Есть и еще один минус: после перезапуска модели заметно снижается точность прогнозирования, что отрицательно сказывается на доходности бизнеса. 

«По данным нашего исследования, две трети организаций не имеют автоматизированного решения, которое позволяло бы обновлять аналитические модели. В результате, менее четверти моделей машинного обучения обновляется ежедневно, около одной трети обновляется еженедельно, и более половины – ежемесячно. При этом использование устаревших моделей может привести к дополнительным рискам», - отметил Дэвид Меннингер (David Menninger), старший вице-президент и директор по исследованиям компании Ventana Research.

Новые возможности управления моделями интеллектуальной обработки данных позволяют усовершенствовать процессы машинного обучения по трем направлениям

Быстрый запуск моделей в производственной среде. Новые возможности управления моделями машинного обучения помогают правильно их оценить и повысить точность прогнозирования до запуска модели на производстве. Для дальнейшей настройки операционные группы могут тестировать их с использованием различных методик перекрестной проверки и вневыборочной оценки. Подготовка данных с учетом специфики конкретных алгоритмов теперь выполняется автоматически. 

Что дает внедрение среды общих данных: опыт крупного девелопера
цифровизация

Максимальное повышение точности прогнозов. Как правило, после запуска модели на производстве точность ее показаний снижается по мере поступления новых данных. Избежать этого помогает комплекс оценочных средств, выявляющий модели, которые дают неточные показания. Разнообразные средства визуализации и создания отчетов помогают анализировать качество работы и выявлять ошибки. При любых обновлениях или изменениях можно легко провести A/B-тестирование, сопоставив модели друг с другом. 

Совместная работа и управление операциями в требуемом масштабе. Организации все чаще стремятся повысить прозрачность алгоритмов принятия решений. Новые возможности, которые предлагает Hitachi Vantara, способствуют более эффективному взаимодействию сотрудников, обеспечивают контроль за происхождением данных, а также прозрачность источников данных и ее первичных функций. Подобный уровень прозрачности облегчает совместное использование данных и конвейеров данных командами, стандартизирует алгоритмы и дает возможность их повторного применения. 

«Машинное обучение и искусственный интеллект (ИИ) позволяют оптимизировать все аспекты ведения бизнеса – от взаимодействия с клиентами до операционной деятельности. Средства управления моделями обучения, разработанные Hitachi Vantara, обеспечивают более высокую прозрачность алгоритмов и степень автоматизации, благодаря чему разработчики компании могут сосредоточиться на внедрении инноваций, не опасаясь ухудшения качества работы моделей», - отметил Джон Маджи (John Magee), вице-президент по маркетингу Hitachi Vantara.

Новые возможности по управлению моделями машинного обучения доступны на Pentaho Marketplace с 6 марта 2018 года. В настоящее время эти модули доступны в тестовом режиме. Следующие версии будут интегрированы в Pentaho Data Integration (PDI). Более подробную информацию можно получить на сайте Pentaho Labs.

Владимир Бахур