Cloud ML Platform

Платформа для полного цикла ML‑разработки и совместной работы Data‑команд

Быстрый запуск ML-моделей в облаке

ML-разработка полного цикла без необходимости настраивать среду и администрировать инфраструктуру. Быстрый запуск экспериментов с данными и обучение ML-моделей, возможность легко масштабировать инфраструктуру.

  • design. Эксперименты с данными и моделями машинного обучения
  • model development. Трекинг и версионирование экспериментов, ML-моделей, данных и других артефактов
  • operations. Деплой ML-моделей, мониторинг и обновления моделей в production

Совместная работа команд

Инструменты платформы заточены под работу в команде

  • target.svgПонятный процесс решения Data-задач
  • users.svgРазделение ролей и зон ответственности
  • check_circle.svgВидны эксперименты и результаты других участников

Полный цикл разработки

ML-разработка полного цикла: от настройки среды до запуска в production

Data-команды

  • Готовое решение и простая установка
  • Преднастроенные среды уже готовы для работы с данными и ML-моделями
  • Выбирайте нужную конфигурацию и регулируйте мощность инфраструктуры — самостоятельно

Администраторы

  • Прозрачность системы, логирование и аудит пользователей
  • Поддержка 24/7
  • Проработанная документация, FAQ по решению типовых задач

Бизнес

  • Безопасность: интеграция с корпоративными системами аутентификации, логирование, аудит пользователей
  • Оплата сервиса по модели pay-as-you-go: только за использованные ресурсы

Компоненты платформы

  • juputer.svgJupyterHub. Быстрое создание Jupyter Notebooks по клику для проведения экспериментов
  • juputer.svgmlflow.svgMLflow+JupyterHub. Готовое к работе окружение с JupyterHub, предназначенное для управления жизненным циклом ML-моделей
  • mlflow.svgjuputer.svgMLflow Deploy. Удобная среда для упаковки ML-моделей и их автоматического развертывания в облаке. Компонент интегрирован с MLflow и JupyterHub
  • helm.svgspark.svgSpark в Kubernetes. Готовое рабочее пространство для обработки данных, возможность вызова и управления из JupyterHub. В разработке

Планы развития платформы на 2022-2025

  • Мониторинг
  • Версионирование данных и датасетов
  • Feature Store
  • Каталоги данных и метаданных

Почему ML Platform

  • Union.svgЕдиная среда. Open-Source-инструменты готовы к работе и интегрированы между собой.
  • moive.svgПростое развертывание. Установка, настройка и интеграция компонентов максимально упрощены.
  • arrow_pop_up.svgМасштабируемость. Регулировать объем необходимых ресурсов можно самостоятельно. Это быстро и легко.
  • grid_layout.svgНеобходимые библиотеки. Популярные библиотеки уже есть в ML Platform. Вы также можете установить другие пакеты.
  • arrow_pop_up.svgПолный контроль. Функции логирования, аудита пользователей, интеграция с корпоративными системами.
  • arrow_pop_up.svgБезопасность. У платформы есть аттестат 152-ФЗ для работы с персональными данными. ЦОДы уровня Tier III расположены в России.

Источник: https://cloud.vk.com/machine-learning/

Перезвоним и ответим на ваши вопросы

Имя *
Код *
Телефон *
Компания *
Сообщение

На связи любым способом

Имя *
Компания *
tel *
email *
Опишите задачу
Имя
Компания
Телефон
Email