Cloudera宣布，Cloudera Machine Learning(CML)现在可以使用一组扩展的MLOps生产机器学习功能。组织可以使用CML的新MLOps功能和用于模型的Cloudera SDX来管理和保护ML生命周期，以进行生产机器学习。数据科学家，机器学习工程师和操作员可以在一个统一的解决方案中进行协作，从而大大缩短了实现价值的时间，并将生产机器学习模型的业务风险降至最低。
独立咨询公司Blue Badge Insights的创始人兼首席执行官Andrew Brust说：“超过机器学习采用试验阶段的公司正在寻求将整个生产中的部署扩展到数百甚至数千个ML模型。” “如此规模的管理，监视和控制模型绝非定制过程。借助真正的ML运营平台，公司可以使AI成为其数字化转型业务的关键任务组件。”
具有新MLOps功能的Cloudera机器学习版本和用于模型的Cloudera SDX发行，提供了一组基本的模型和生命周期管理功能，以实现可伸缩，透明和受管的方法，这些方法是扩展模型部署和ML用例所必需的。
好处包括：
独特的模型分类和沿袭功能 使您可以查看整个ML生命周期，从而消除孤岛和盲点，从而实现整个生命周期的透明性，可解释性和责任感。
完整的端到端机器学习生命周期管理 ，包括将机器学习模型安全地部署到生产环境，确保准确性和扩展用例所需的一切。
一流的模型监视服务， 旨在以可重复，安全和可扩展的方式跟踪和监视技术方面以及预测的准确性。
建立在100%开源标准之上， 并与Cloudera Data Platform完全集成，使客户可以集成到现有和将来的工具中，而不必局限于单个供应商。
“ Cloudera一直在我们的行业中与一些最大的客户和合作伙伴合作，为机器学习元数据建立开放标准，” Cloudera首席产品官Arun Murthy说。“我们已经将这些标准实施为Cloudera机器学习的一部分，以提供企业在大规模生产中部署和维持机器学习模型所需的一切。凭借一流的模型部署，安全性，治理和监视，这是第一个端到端ML解决方案，可用于从数据到ML驱动的跨混合和多云业务影响的全生命周期管理。”
Cloudera Machine Learning(CML)中提供的扩展的生产机器学习功能集包括：
新的MLOps功能 可监视机器学习模型的功能和业务绩效：
利用本机存储并访问自定义和任意模型指标，检测模型性能并随时间推移进行漂移。
测量和跟踪单个预测的准确性，确保模型符合要求并实现最佳性能。
用于模型的Cloudera SDX 扩展了SDX治理功能，现在支持模型：
通过模型分类，完整的生命周期沿袭以及Apache Atlas中的自定义元数据，跟踪，管理和了解整个企业中部署的大量ML模型。
查看与在单个系统中构建和部署的模型有关的数据沿袭，以帮助管理和控制ML生命周期。
增强了Model REST端点的模型安全性，从而允许在CML生产环境中为模型提供服务而又不损害安全性。
供货情况和价格
具有新MLOps功能的Cloudera Machine Learning和适用于模型的Cloudera SDX在CDP上都可用于Microsoft Azure和Amazon Web Services，这是Cloudera Machine Learning平台的组成部分。CML按小时收费，每个实例的起价为$ 0.68 /小时。详细的CDP和CML定价信息可在此处找到 。