Perusahaan cloud data enterprise, Cloudera, mengumumkan bahwa serangkaian kemampuan pembelajaran mesin produksi untuk MLOps kini telah tersedia di Cloudera Machine Learning (CML).
Dengan solusi ini, setiap perusahaan dapat mengelola dan mengamankan siklus ML untuk pembelajaran mesin produksi dengan fitur MLOps baru dan Cloudera SDX untuk beragam model CML.
Para ahli data, teknisi pembelajaran mesin, dan operator dapat berkolaborasi dalam satu solusi tunggal yang secara drastis memangkas waktu untuk menilai dan meminimalkan risiko bisnis untuk model pembelajaran mesin produksi.
“Cloudera telah bekerja lintas industri dengan beberapa pelanggan dan mitra terbesar kami untuk membangun standar terbuka untuk metadata pembelajaran mesin,” tutur Arun Murthy selaku Chief Product Officer Cloudera.
“Kami telah menerapkan standar-standar tersebut sebagai bagian dari Cloudera Machine Learning untuk memberikan semua yang dibutuhkan perusahaan dalam mengerahkan dan mempertahankan model pembelajaran mesin dalam produksi pada skala yang diperlukan. Dengan pengerahan model kelas satu, keamanan, tata kelola, dan pemantauan, ini merupakan solusi ML end-to-end pertama untuk manajemen siklus penuh dari data ke dampak bisnis yang didorong ML di seluruh lingkungan cloud hybrid dan multi-cloud,” tambah Murthy.
Baca Juga: Berkat Cloud Computing, Bisnis Microsoft Kian Perkasa
Cloudera Machine Learning dengan fitur-fitur MLOps baru dan Cloudera SDX mampu memberi serangkaian dasar model dan kemampuan manajemen siklus untuk memungkinkan pendekatan yang berulang, transparan, dan teratur untuk meningkatkan skala pengerahan model dan kasus penggunaan ML.
Beberapa manfaatnya yaitu:
Saat ini, Cloudera Machine Learning dengan fitur MLOps baru dan Cloudera SDX untuk beragam model telah tersedia pada CDP untuk Microsoft Azure dan Amazon Web Services, sebagai bagian dari platform Cloudera Machine Learning.
Mengenai harga, untuk harga CML dihitung per jam yang di mana dihitung mulai dari US$0,68/jam per instance.
Baca Juga: Alibaba Sediakan Teknologi CT Image Analytics untuk 2 RS di Indonesia
Penulis | : | Rafki Fachrizal |
Editor | : | Rafki Fachrizal |
KOMENTAR