انضم إلى كبار المديرين التنفيذيين في سان فرانسيسكو يومي 11 و 12 يوليو ، لمعرفة كيف يدمج القادة استثمارات الذكاء الاصطناعي ويحسنونها لتحقيق النجاح. يتعلم أكثر
أعلنت منصة المراقبة للتعلم الآلي (ML) Aporia اليوم عن شراكة إستراتيجية مع Databricks. وفقًا للشركات ، يهدف التعاون إلى تمكين العملاء الذين يستخدمون منصة بحيرة Databricks وقدرات الذكاء الاصطناعي وعروض MLflow من خلال تزويدهم بميزات مراقبة متقدمة لنماذج ML الخاصة بهم.
يمكن للمؤسسات الآن مراقبة نماذج ML الخاصة بهم في الوقت الفعلي من خلال نشر منصة المراقبة ML الجديدة من Aporia مباشرة فوق Databricks ، مما يلغي الحاجة إلى نسخ البيانات من Lakehouse أو أي مصدر بيانات آخر.
علاوة على ذلك ، فإن التكامل مع Databricks يبسط عملية المراقبة ، وفقًا للشركات ، مما يسمح بتحليل مليارات التنبؤات دون الحاجة إلى أخذ عينات البيانات ، أو إجراء تغييرات على كود الإنتاج أو تكبد تكاليف التخزين المخفية.
قال ليران هسون ، الرئيس التنفيذي لشركة Aporia ، لموقع VentureBeat: “هذا يعني أن مراقبة المليارات من التنبؤات ، وتصور نماذج ML في الإنتاج وشرحها يصبح أمرًا سهلاً”. “تدعم Aporia جميع حالات الاستخدام وأنواع النماذج ، مما يوفر المرونة لفرق تعلم الآلة لتخصيص النظام الأساسي وفقًا لاحتياجاتهم الخاصة.”
حدث
تحويل 2023
انضم إلينا في سان فرانسيسكو يومي 11 و 12 يوليو ، حيث سيشارك كبار المسؤولين التنفيذيين في كيفية دمج استثمارات الذكاء الاصطناعي وتحسينها لتحقيق النجاح وتجنب المزالق الشائعة.
سجل الان
المراقبة في الوقت الحقيقي والتخصيص
يسمح العرض الجديد بمراقبة الحالات الشاذة مثل قضايا الانجراف والتحيز والتدهور وسلامة البيانات وتشغيل تنبيهات مباشرة لقنوات الاتصال الشائعة ، مما يضمن الإخطارات في الوقت المناسب.
توفر المنصة أيضًا لوحات معلومات ومقاييس قابلة للتخصيص في الوقت الفعلي ، مما يمكّن كل صاحب مصلحة في ML من تحديد أولويات مجالات اهتمامه الرئيسية وترجمة مقاييس علوم البيانات إلى تأثير ملموس على الأعمال.
قال هاسون إن هذا أمر بالغ الأهمية في الصناعات بما في ذلك الإقراض والتوظيف والرعاية الصحية ، ويعزز مشهدًا عادلًا وشفافًا في القرارات الآلية.
قال هاسون: “ستكون المؤسسات الآن قادرة على إدارة جميع نماذج ML تحت مركز واحد ، بغض النظر عن النشر”. “تعزز هذه المركزية التعاون وتسهل الاتصال وتبسط إدارة النموذج وتعزز التعلم المستمر وسير عمل الفريق الفعال.”
تبسيط مراقبة البيانات باستخدام نظام مراقبة التعلم الآلي
واجهت المنظمات تقليديًا تحديات عند مراقبة كميات كبيرة من البيانات ، مما يستلزم غالبًا تكرار البيانات من بحيرة البيانات الخاصة بهم إلى منصة المراقبة الخاصة بهم. ومع ذلك ، قال هاسون ، إن هذا النهج يؤدي إلى عدم الدقة ، والقضايا التي تم التغاضي عنها ، والانجراف ، والتنبيهات الإيجابية الكاذبة والصعوبات في ضمان الإنصاف ومراقبة التحيز.
يعالج التكامل الجديد مع Databricks نقاط الألم هذه من خلال السماح للمؤسسات بمراقبة جميع نماذج ML الخاصة بهم على Databricks بسرعة ، في غضون دقائق.
بالإضافة إلى ذلك ، يعمل التكامل على زيادة فوائد استثمارات قواعد البيانات الحالية إلى الحد الأقصى – حتى بالنسبة لحالات الاستخدام التي تتضمن معالجة كميات كبيرة من التنبؤات ، مثل أنظمة التوصيات ونماذج تصنيف البحث ونماذج اكتشاف الاحتيال ونماذج التنبؤ بالطلب.
أوضح هاسون: “ليست هناك حاجة لتكرار البيانات في بيئة مراقبة منفصلة”. “يضمن هذا مصدرًا واحدًا للحقيقة مستمدًا مباشرة من بحيرة البيانات الخاصة بك ، مما يبسط إدارة البيانات ويسرع من الرؤى إلى الإجراءات. يعزز التكامل فعالية مراقبة نموذج ML ويوفر المرونة والحرية للمؤسسات للاستفادة من البنية التحتية للبيانات والبنية التحتية الحالية إلى أقصى إمكاناتها “.
حالات استخدام عديدة
وقالت الشركة إن منصة المراقبة ML الجديدة ستدعم العديد من حالات الاستخدام ، بما في ذلك تعزيز أنظمة التوصية من خلال مراقبة الأداء في الوقت الفعلي.
يمكن للمؤسسات الاستفادة من Aporia لتحسين خوارزميات ترتيب البحث ، واكتساب رؤى حول معدلات النقر إلى الظهور وتحسين نتائج البحث. بالإضافة إلى ذلك ، تساعد المراقبة في الوقت الفعلي من Aporia على اكتشاف ومنع الأنشطة الاحتيالية ، وتعزيز الأمن وتعزيز ثقة العملاء.
علاوة على ذلك ، تضمن المنصة تنبؤات دقيقة في إدارة سلسلة التوريد وتجارة التجزئة من خلال مراقبة نماذج التنبؤ بالطلب ، مما يمكّن الفرق من تحسين استجابتها للانحرافات عن الطلب المتوقع. كما ستساعد قدرات الملاحظة للمنصة المؤسسات المالية في مراقبة نماذج مخاطر الائتمان ، مما يضمن تقييمات ائتمانية دقيقة وغير متحيزة مع تحديد التحيزات المحتملة.
يوضح هاسون أن موصل دلتا داتابريكس يؤسس اتصالًا بين أبوريا وبحيرة دلتا دابريكس التابعة للمؤسسة ، ويربط مجموعات بيانات التدريب والاستدلال بأبوريا.
قال هاسون إن النظام الأساسي يميز نفسه في مراقبة البيانات واسعة النطاق من خلال التعامل بسهولة مع مليارات التنبؤات دون اللجوء إلى أخذ عينات البيانات. وهذا يضمن إجراء تقييم شامل ودقيق لأداء النموذج ، وهو أمر مفيد بشكل خاص للمؤسسات التي تتصارع مع أحجام البيانات الكبيرة.
وأضاف: “لا توجد رؤى نقدية تمر دون أن يلاحظها أحد ، مما يضمن مراقبة شاملة”.
إطلاق العنان لقوة البيانات لاتخاذ قرارات مستنيرة
قال هاسون إن الشراكة ستلعب دورًا حاسمًا في دفع التبني الأوسع لقابلية الملاحظة في مشهد الذكاء الاصطناعي والتعلم الآلي ، حيث إنها تعالج الطلب الحالي وتغذي فهمًا أعمق وإقرارًا بإمكانية الملاحظة كعنصر محوري في الذكاء الاصطناعي وتعلم الآلة.
وقال إن الجمع بين منصة قوية للمراقبة ومنصة بيانات قابلة للتطوير يقدم عرضًا مقنعًا للمؤسسات التي تستثمر في الذكاء الاصطناعي والتعلم الآلي. تقوم الشركات بتطوير أداة موحدة تعزز إمكانية المراقبة على نطاق واسع ، وتمكين المنظمات من اتخاذ قرارات مستنيرة وتحسين مبادرات الذكاء الاصطناعي الخاصة بهم.
وأضاف هاسون: “تم تصميم الشراكة خصيصًا لتقديم حل مركزي وشامل وفعال من حيث التكلفة ، وتمكين المؤسسات من اتخاذ قرارات موثوقة تعتمد على البيانات”.
يمكن للمؤسسات مراقبة جميع بيانات الإنتاج في دقائق ، مما يضمن سرعة الوصول إلى القيمة. هذا التنفيذ السريع يطلق العنان لفوائد الاستثمار بسرعة.
قال هاسون: “يمكن لهذه الوظائف الجديدة أن توفر للمؤسسات موارد قيمة يمكن إنفاقها على استكشاف المشكلات وإصلاحها وتصحيحها”.
مهمة VentureBeat هو أن تكون ساحة المدينة الرقمية لصناع القرار التقنيين لاكتساب المعرفة حول تكنولوجيا المؤسسات التحويلية والمعاملات. اكتشف إحاطاتنا.
اكتشاف المزيد من نص كم
اشترك للحصول على أحدث التدوينات المرسلة إلى بريدك الإلكتروني.
