Databricks merilis pembelajaran mesin real-time yang disederhanakan untuk platform Lakehouse-nya – Nokturnal

Databricks, anak perusahaan Lakehouse, mengumumkan perilisan Databricks Model Serving, yang menghilangkan kerumitan membangun dan memelihara infrastruktur kompleks untuk aplikasi cerdas. Perusahaan dapat memanfaatkan Platform Databricks Lakehouse untuk mengintegrasikan sistem pembelajaran mesin waktu nyata di seluruh bisnis mereka, mulai dari rekomendasi yang dipersonalisasi hingga chatbot hingga layanan pelanggan, tanpa harus mengonfigurasi dan mengelola infrastruktur yang mendasarinya. Integrasi mendalam dalam Platform Lakehouse menyediakan data, garis keturunan model, tata kelola, dan pemantauan di seluruh siklus hidup ML, mulai dari eksperimen hingga pelatihan hingga produksi. Tampilan model Databricks sekarang tersedia untuk umum di AWS dan Azure.

Manfaatkan pembelajaran mesin untuk menguntungkan bisnis

Dengan peluang seputar AI generatif yang menjadi pusat perhatian, perusahaan merasakan kebutuhan mendesak untuk memprioritaskan investasi AI secara menyeluruh. Memanfaatkan AI/ML memungkinkan organisasi mengungkap wawasan dari data mereka, membuat prediksi akurat dan real-time yang memberikan nilai bisnis, dan mendorong pengalaman baru berbasis AI untuk pelanggan mereka. Misalnya, AI dapat memungkinkan bank untuk dengan cepat mengidentifikasi dan memerangi biaya penipuan pada akun pelanggan atau memberi pengecer kemampuan untuk secara instan menyarankan aksesoris pelengkap berdasarkan pembelian pakaian pelanggan. Sebagian besar pengalaman ini diintegrasikan ke dalam aplikasi waktu nyata. Namun, penerapan sistem pencucian uang real-time tetap menjadi tantangan bagi banyak organisasi karena beban yang dibebankan pada pakar ML untuk merancang dan memelihara infrastruktur yang dapat diskalakan secara dinamis untuk memenuhi permintaan.

“Layanan Model Databricks mempercepat jalur tim sains data menuju produksi dengan merampingkan penerapan, mengurangi biaya overhead, dan menghadirkan pengalaman terintegrasi penuh dalam Databricks Lakehouse,” kata Patrick Wendell, Co-Founder dan Vice President of Engineering, Databricks. “Penawaran ini akan memungkinkan pelanggan untuk menggunakan lebih banyak model, sekaligus mengurangi waktu produksi, sekaligus mengurangi total biaya kepemilikan dan beban pengelolaan infrastruktur yang kompleks.”

Layanan Model Databricks menghilangkan kerumitan membangun dan mengoperasikan sistem ini dan menawarkan integrasi asli di seluruh Lakehouse, termasuk Katalog Databricks, Toko Fitur, dan MLflow. Ini memberikan layanan model layanan dengan ketersediaan tinggi dan latensi rendah, memberi perusahaan kemampuan untuk dengan mudah mengintegrasikan prediksi ML ke dalam beban kerja produksi mereka. Model Serving dikelola sepenuhnya oleh Databricks, dengan cepat menskalakan dari awal dan menskalakan kembali saat permintaan berubah, mengurangi biaya operasional, dan memastikan pelanggan hanya membayar untuk komputasi yang mereka gunakan.

Sebagai perusahaan peralatan global terkemuka, Electrolux berkomitmen untuk memberikan pengalaman terbaik kepada pelanggan kami dalam skala besar – kami menjual hampir 60 juta produk rumah tangga di sekitar 120 pasar setiap tahun. Transisi ke model layanan Databricks telah mendukung ambisi kami dan memungkinkan kami untuk bergerak cepat: kami telah mengurangi waktu respons inferensi sebanyak 10x, yang membantu kami memberikan prediksi yang akurat dan relevan dengan lebih cepat,” kata Daniel Edsgaard, Kepala Ilmu Data di Electrolux. “Dengan memperkenalkan model layanan Pada platform yang sama tempat data kami berada dan tempat kami melatih model, kami dapat mempercepat penerapan dan mengurangi pemeliharaan, yang pada akhirnya membantu kami memberikan layanan kepada pelanggan dan menghasilkan kehidupan yang lebih menyenangkan dan berkelanjutan. keliling dunia.”

Menggunakan pendekatan data-sentris

Lakehouse Unified Machine Learning Databricks memungkinkan perusahaan menyematkan AI dalam skala besar dan memungkinkan model dilayani oleh pelatihan data dan platform pembelajaran mesin. Lakehouse memberikan tampilan data yang konsisten di seluruh siklus hidup ML, yang mempercepat penerapan dan mengurangi kesalahan, tanpa perlu menggabungkan layanan yang berbeda menjadi satu. Dengan Databricks, organisasi dapat mengelola seluruh proses pembelajaran mesin — mulai dari persiapan data dan eksperimen hingga pelatihan model, penerapan, dan pemantauan — semuanya di satu tempat. Layanan model Databricks terintegrasi dengan kemampuan platform Lakehouse, termasuk:

• Fitur toko: Menyediakan pencarian online otomatis untuk mencegah gangguan online/offline. Tetapkan fitur sekali saat melatih model, dan Databricks akan secara otomatis mengambil dan menggabungkan fitur yang relevan di masa mendatang.
• Integrasi MLflow: menghubungkan secara native ke MLflow Model Registry, memungkinkan penerapan model yang cepat dan mudah. Setelah menyediakan model dasar, Databricks akan secara otomatis menyiapkan wadah siap produksi untuk menerapkan model tersebut.
• Manajemen data terpadu: Kelola dan kontrol semua data dan aset ML menggunakan Katalog Modul, termasuk yang dikonsumsi dan diproduksi oleh Model Service.

Menantikan masa depan

Databricks berkomitmen untuk mendorong inovasi dengan platform Lakehouse-nya dan memberikan lebih banyak kemampuan yang membuat pembelajaran mesin real-time yang kuat tersedia untuk perusahaan mana pun. Ini mencakup fitur kualitas dan diagnostik baru yang akan segera hadir di layanan model Databricks yang akan secara otomatis menangkap permintaan dan tanggapan ke dalam tabel Delta untuk memantau dan men-debug model serta membuat kumpulan data pelatihan. Databricks juga mengaktifkan dukungan inferensi berbasis GPU, yang tersedia dalam pratinjau.