Google Cloud ha annunciato il lancio, in versione pre-release beta, di Cloud AI Platform Pipelines, una piattaforma per il deployment di pipeline di machine learning robuste e ripetibili, che offre anche monitoraggio, auditing, version tracking e riproducibilità così come un ambiente di esecuzione sicuro, facile da installare ed enterprise-ready per i flussi di lavoro di machine learning.
MLOps, spiega Google Cloud, è la pratica dell’applicazione delle prassi DevOps per automatizzare, gestire e controllare i flussi di lavoro di machine learning: AI Platform Pipelines aiuta dunque le aziende a implementare MLOps fornendo una piattaforma in cui orchestrare come pipeline i passaggi del workflow.
Qual è dunque l’esigenza alla quale la nuova soluzione intende rispondere? Quando si sta solo eseguendo la prototipazione di un modello di machine learning su un notebook, il task può sembrare abbastanza semplice; tuttavia, sottolinea Google Cloud, quando poi occorre iniziare a prestare attenzione agli altri elementi necessari per rendere un flusso di lavoro di machine learning sostenibile e scalabile, le cose diventano più complesse.
Un flusso di lavoro di apprendimento automatico può comportare molti passaggi con dipendenze reciproche, dalla preparazione e analisi dei dati, al training, alla valutazione, al deployment e altro ancora. Diventa, così, difficile comporre e tenere traccia di questi processi in un modo ad hoc, ad esempio con un set di script, e cose quali l’auditing e la riproducibilità si fanno sempre più problematiche.
AI Platform Pipelines di Google Cloud presenta due parti principali: l’infrastruttura enterprise-ready predisposta per il deployment e l’esecuzione di flussi di lavoro di machine learning strutturati che sono integrati con i servizi della Google Cloud Platform; e i tool della pipeline per la build, il debug e la condivisione di pipeline e componenti.
Gli strumenti che la soluzione AI Platform Pipelines di Google Cloud offre sono diversi. Innanzitutto, una installazione semplice di tipo push-button tramite la Google Cloud Console. Poi, funzionalità enterprise per l’esecuzione di carichi di lavoro di machine learning, tra cui il controllo delle versioni della pipeline, il tracciamento automatico dei metadati di artefatti ed esecuzioni, il Cloud Logging, gli strumenti di visualizzazione e altro.
Ancora: una perfetta integrazione con i servizi gestiti di Google Cloud quali BigQuery, Dataflow, AI Platform Training e Serving, Cloud Functions e molti altri. Infine, numerosi pipeline component precompilati per flussi di lavoro di machine learning, con una facile costruzione dei propri componenti custom.
La documentazione della AI Platform Pipelines di Google Cloud offre, oltre ai contenuti di supporto, una panoramica sulla soluzione e una sezione getting started.
