提供永久免费的API接口，查看更多API接口，如果您有其他免费API资源，请联系我们，造福人类。

定制开发，免费评估，免费咨询，价格便宜，售后保障，前往开发服务中心或联系开发客服中心

Domino4.6中的Domino模型监视器接口是与DevOps和DataOps相对应的机器学习操作。但是，在整个行业中，MLOP的定义可能会有所不同。一些人认为MLOps专注于ML实验管理。其他人认为MLOP的关键在于为模型和数据建立CI/CD（持续集成/持续交付）管道，就像DevOps为代码所做的那样。其他供应商和客户认为，MLOP应该专注于所谓的特性工程——用于训练ML模型的数据的专门转换过程。对于其他人来说，MLOP是模型开发后的一切，包括在存储库中维护模型、部署模型，以及监控模型的运行状况、性能和准确性。

多米诺骨牌，从端到端

一些供应商认为MLOP涵盖了上述所有内容。DominoDataLab就是这样一家供应商，它今天宣布了其端到端MLOps平台的新版本——Domino4.6。由于Domino专注于机器学习操作的各个方面，它没有添加新的操作，而是显著改进了其中的一些操作：模型监控、云部署和支持的分布式计算环境，用于模型开发和培训。

监控改进讲述了两个MLOps城市的故事。其中一个例子是，仍在将ML逐步纳入其业务或甚至只是踢ML轮胎的实时客户。对他们来说，仅仅有监测就足够了。另一方面，客户已经升级到大规模的ML，部署了数百甚至数千个模型。对于这个群体，监控需要扩展。

监控和云计算，哦，我的

ZDNet与Domino数据实验室联合创始人兼首席执行官Nick Elprin进行了交谈，他向我们介绍了Domino 4.6的详细信息。他首先解释说，对于需要高性能模型监控的群体，Domino模型监控（DMM——如上图截图所示）已被增强为具有弹性和可伸缩性。事实上，Elprin说，用户将在Domino的数据漂移和模型漂移检测的性能上享受高达100倍的提升。漂移检测对于保持模型的准确性和公平性至关重要。在营销应用中，这可以提高客户满意度。其他场景包括更负责地批准利益和索赔，或更准确地检测欺诈。

Domino4.6还支持云部署到Microsoft Azure和Google云，而不仅仅是Amazon Web服务。具体来说，除了AmazonS3中的数据外，现在还支持与Azure数据湖存储（ADLS）和谷歌云存储（GCS）中的数据的连接。此外，监控还扩展到部署到所有三家云提供商的基础设施即服务（Iaas）和Kubernetes层的模型。Elprin解释说，添加这些功能是为了直接响应具有多云战略的客户的需求，以避免锁定任何特定的云提供商。

最后，为了响应对计算能力的日益增长的需求，以便更快地培训更多的模型，Domino正在扩展计算支持，以包括Ray和Dask，而不仅仅是ApacheSpark。Ray是一个分布式执行框架，它可以在单个计算机、云基础设施或Kubernetes群集上跨CPU和内核并行化工作负载。Dask是一个Python并行计算库，它实现了普通Python数据科学库（如NumPy、Pandas和sciketlearn）的可伸缩、并行化版本。Ray和Dask可以单独使用，也可以使用Ray上恰当命名的Dask组合使用。

在与ZDNet的讨论中，Elprin解释了DevOps和MLOps之间的一些主要差异。我将尽我所能在这里总结这种解释。

首先，ML模型不仅仅是代码；与典型的应用程序和基于服务器的代码相比，它们使用更多的数据，需要更密集的计算。此外，数据科学就像研究一样——数据科学家需要进行实验，尝试大量Python（或R）库、各种算法，更一般地说，还有不同的方法或想法，然后才能得到有效的结果。这与自然科学家在自己的工作中测试各种假设的方式相当。此外，对于模型，您不能只编写单元测试，因为模型更具概率性而非确定性。

考虑到所有这些，Domino增强其监控能力并支持众多云和计算环境的举措是非常有意义的。数据科学家不仅仅需要调试他们的代码并确保它正在运行。他们需要对其进行试验、跟踪、部署，并不断评估其功效。这就是为什么MLOps是它自己的类别，以及表面上为什么Domino对MLOps功能采用记分卡方法，而不是清单方法。

Domino表示现有客户可以立即升级到4.6版本。

Confluent宣布流式数据治理

Datatricks筹集了16亿美元的H系列融资回合

Sisense Extense Framework和应用程序深度嵌入分析

Spill引入了MLOP进行深度学习

2023-03-22 10:04:43