ProActive Machine Learning - Fonctionnalités

Automatisez les pipelines de modèles de machine learning

Construire, déployer et automatiser le machine learning à l’échelle

AutoML with ProActive Machine Learning
Model as a Service with ProActive Machine Learning

ProActive Machine Learning d’Activeeon est une plateforme complète pour l’industrialisation de l’apprentissage automatique. De la construction au déploiement des modèles en production, la solution offre une automatisation avec la gouvernance et le contrôle à travers les workflows.

Essayer maintenant

consistency and repeatability schematic

Persistance et reproductibilité

Pipelines de machine learning reproductibles et sans biais
AutoML, optimisation d’hyperparamètres
Déploiement automatisé des workflows de machine learning
Traçabilité du code et des données
Analytiques de jobs pour l’évaluation des modèles

scaling and portable schematic

Scalabilité et portabilité

Passage simple au cloud via le resource manager
Partage de ressources limitées (GPU, TPU, FPGA)
Mise à l’échelle d’applications complexes
Exécution directe depuis Jupyter avec le Kernel d’Activeeon

loosely couple and reusable schematic

Plateforme ouverte et couplage faible

Code réutilsable pouvant être intégré dans tout type de système
Gestion et versioning des pipelines de machine learning et deep learning
Intégration avec Python via une API dédiée


Intarface de ProActive Machine Learning

ML-OS Screenshot
  • Visualisation de workflows et leurs dépendances
  • Configuration d'un menu personnalisé avec un simple glisser-déposer
  • Partage de workflows ou de tâches
  • Personnalisation du code des tâches importées pour de meilleures performances

Commencer maintenant

Un portail unique pour les projets d’IA et les services interactifs

Jupyter Lab Screenshot
  • Ouvrez facilement des services d'IA interactifs tels que Jupyter Lab, et partagez l'accès aux Notebooks en toute sécurité
  • Contrôlez l'exécution de vos travaux (arrêter, suspendre, continuer)
  • Soumettez vos travaux directement depuis Jupyter Lab avec ProActive Kernel
  • Obtenez l'état de vos travaux directement dans Jupyter Lab

Faciliter la connexion des données

Concentrez-vous sur l’essentiel grâce aux connecteurs aux sources de données prédéfinis

Connectez-vous à la source de données avec un simple glisser-déposer :

Système de fichiers, FTP, HTTP, SSH, SFTP
PostgreSQL, MySQL
Analytic SQL (Greenplum, etc.)
NoSQL (MongoDB, Cassandra, Elasticsearch)
Hadoop (HDFS)
Cloud (S3, blob, buckets)
Scality

data connectors

Agilité et ouverture pour les ingénieurs en machine learning et les data scientists


Développez une fois pour déployer partout

ProActive Machine Learning offre une abstraction de la ressource, du développement à la production. Déployez le machine learning en production en quelques minutes.

  • Bénéficiez d’une couche d’abstraction de la ressource grâce au Resource Manager et ses Noeuds ProActive
  • Exécutez des charges de travail localement, sur site, dans le cloud (Azure, AWS, Google cloud, OpenStack, VMware, etc.)
  • Mise en production rapide

screenshot of ProActive resource manager


Sélection de ressources à l’aide des scripts

Sélectionnez dynamiquement la ressource requise : GPU, RAM, OS, lib, etc. - Sélection de la ressource la plus pertinente en fonction de :

  • Besoins matériels (GPU, RAM, etc.)
  • Emplacement (Azure, AWS, OpenStack, VMWare, on-prem, par localisation géographique)
  • Informations variables (latence, bande passante, etc.)
  • Configuration de l’OS (avec Docker, Python3, etc.)

screenshot of some ProActive node selectors


Intégration simplifiée de Docker

Partagez les fichiers et les variables entre les conteneurs :

  • Propagation des variables à travers des conteneurs
  • Partage des fichiers à travers des conteneurs via le Dataspace
  • Disponibilité de toutes les bibliothèques pour tous les environnements screenshot of ProActive feature to for environment within a Docker container ___

Développez avec vos bibliothèques préférées et vos outils DevOps

Profitez d’un système entièrement ouvert et exploitez les meilleures bibliothèques. ProActive Machine Learning permet de mettre en place un système complet d’apprentissage automatique de l’orchestration.

  • Intégration avec n’importe quelle bibliothèque de machine learning ou de deep learning
  • Customisation du studio avec des pallettes personnalisés pour votre métier
  • Configuration du studio avec nos packages community depuis le Hub

screenshot of Activeeon hub where package, connectors, plugins can be shared

Pour la production
Orchestration et Contrôle


Gestion des erreurs et alertes

Mise en place de règles de récupération simples en cas d’erreur

  • Politiques avancées de gestion des erreurs (tuer le job, suspendre les tâches dépendantes, ignorer, etc.)
  • Alertes configurables en cas d’erreur

error management icon


Planification et monitoring des charges de travail

Planifiez les jobs, ajoutez des exceptions d’exécution à monitorer

  • Configuration de l’expression cron pour répéter l’exécution
  • Mise en place des périodes de non-exécution (p. ex. pour la maintenance)
  • Configuration de l’exécution supplémentaire (p. ex. pour les jours fériés)
  • Monitoring de tous les travaux à partir d’une seule interface

monitoring icon


Temps de réponse rapide grâce au système de distribution et le débordement cloud

Accélérez l’obtention des résultats grâce à des structures de contrôle intégrées

  • Exécution parallèle d’algorithmes
  • Tirez parti du multi-threading
  • Établissez l’ordre de priorité des rapports importants

replication icon


Gestion du cycle de vie des services et des applications

Gérez les cycles de vie nécessaires à l’exécution des jobs ou à la gestion des coûts

  • Déclenchement automatique de serveurs tels que Visdom pour la visualisation
  • Monitoring de l’utilisation et le redimensionnement des services

lifecycle icon


REST API complète

Intégrez avec une solution complètement ouverte

  • Déclenchement de l’exécution du workflow, établissement des priorités, etc. à partir d’applications externes
  • Monitoring de l’exécution à partir des services tiers

rest api icon