WhaleStudio 分钟级构建 AI 模型,强大 Ops 能力简化模型调度与部署
借助WhaleStudio,数据科学家和ML工程师可以专注于解决业务问题,而不必担心数据获取和数据准备工作,同时,WhaleStudio可在几分钟内(而不是几天和几个月)大规模地使用任何工具、框架(例如TensorFlow、MLFlow等)构建高质量的AI/ML模型,并通过强大的Ops能力对模型训练进行调度、监控和持续部署、持续上线。
机器学习(ML)是人工智能(AI)的一个子集,通过算法发现数据中的通用模式,并根据持续不断的训练来优化调整最终结果。ML模型从过去的经验中学习,并根据已有的经验进行预测。例如,现在的电商已不再会使用普遍性降价或优惠券等手段吸引客户,取而代之的是根据每个客户的历史购买模式构建个性化优惠,并将这些数据与客户PII信息,网络搜索、当前地理位置、移动应用程序中的活动等实时信息相结合。这样,就可以构建ML模型来预测客户购买特定产品的倾向。所有的营销活动开始由数据和模型进行驱动,并通过在正确的时间向正确的客户提供正确的产品和优惠,来提升成交量和利润率,以实现更高的投资回报率。ML使企业能够根据数据和模型作出决策,而不是通过经验或者直觉做出决策。同时,随着海量的新数据的不断供给和训练,ML模型会变得更加智能和准确,比如现在非常流行的ChatGPT等LLM就是这样诞生的。随着结构化和非结构化数据的快速增长,各类企业都希望从数据中获取价值,以获得竞争优势和提升服务能力。但现实情况是,许多生产性ML应用在现实环境中并未达到预期。这是因为任何技术都需要高质量的开发、实施和维护,如果一直专注于构建ML模型,而不是构建生产就绪的ML产品,那么复杂的ML系统组件和基础设施就会因缺少必要的协调和更新,导致效果降低甚至预测失败。更准确地说,好的ML需要好的MLOps管道和实践。MLOps侧重于数据模型部署、操作化和执行,通过这套标准做法,可以实时地提供可信的决策。MLOps结合了模型开发和操作技术,这对于高性能ML解决方案至关重要。- 数据准备:此阶段侧重于了解项目的目标和要求,并准备模型所需的数据。
- 模型构建:数据科学家基于各种不同的建模技术构建和评估各种模型。
- 部署和监视模型:这是模型进入可在业务流程中用于决策的状态。而Ops(运营)则是确保模型提供预期的业务价值和性能的关键。
如何使用WhaleStudio
简化MLOps
WhaleStudio是白鲸开源的解决方案,通过采用WhaleStudio,企业可以简化ML模型的部署工作,并通过WhaleStudio强大的数据准备能力和调度监控能力,大幅提升MLOps的运营效率:- 全面的数据集成和数据准备能力:快速接驳各类实时或者批量的数据,并通过内置的数据血缘和数据质量工具,提升数据准确性和可用性
- 支持调度执行ML任务的能力:支持执行用户使用各种框架训练任务
- 支持调度执行主流MLOps项目的能力:提供out-of-box的主流MLOps项目来让用户更方便的使用对应能力
- 支持编排各个模块搭建机器学习平台的能力:依据MLOps项目特性跟业务的适配程度,在不同的模块中可以使用不同项目的能力。
借助WhaleStudio,数据科学家和ML工程师可以专注于解决业务问题,而不必担心数据获取和数据准备工作,同时,WhaleStudio可在几分钟内(而不是几天和几个月)大规模地使用任何工具、框架(例如TensorFlow、MLFlow等)构建高质量的AI/ML模型,并通过强大的Ops能力对模型训练进行调度、监控和持续部署、持续上线。综上所述,白鲸开源WhaleStudio可以帮助企业在MLOps项目中快速实现数据价值:- 数据科学家和ML工程师可以灵活地在任何框架中构建其 AI/ML 模型
- 能够使数据科学家能够利用高质量、可信和及时的数据加速AI/ML训练
- 使用集成的DataOps及时交付可信数据,增强ML模型性能
- 通过加快和简化模型生命周期,让用户更好地专注于高价值创新任务
- 数据科学家、ML 工程师、数据工程师和 IT 运营部门之间更好的协作
白鲸开源科技是由 Apache 和 Apache 开源项目核心团队和来自全球范围内的数据领域专家组建。我们致力于打造下一代云原生 DataOps 平台,助力企业在大数据和云时代,智能化地完成海量数据的处理、调度和治理。
业务咨询:


目前,白鲸开源科技运营维护着已经从 Apache 基金会毕业的大数据工作流调度平台 Apache DolphinScheduler,以及数据集成平台 Apache SeaTunnel,诚邀全球伙伴加入开源共建!
仓库地址:https://github.com/apache/dolphinscheduler官网:https://dolphinscheduler.apache.org/仓库:https://github.com/apache/seatunnel官网:https://seatunnel.apache.org/