Red Hat спонсировала этот пост.
ИИ не является иностранной идеей для многих предприятий сегодня. Благодаря правильным инструментам, платформам и команде полезные бизнес -внедрения искусственного интеллекта и машинного обучения могут расти в качестве расширения текущей инфраструктуры компании. Для MasterCard глубокое понимание науки о данных уже было встроено в компанию по производству платежей, занимающихся глобусом.
Александр Хьюз, директор по разработке программного обеспечения в MasterCard, сказал, что миссия компании состоит в том, чтобы «соединить и питать инклюзивную цифровую экономику, которая приносит пользу всем повсюду, делая транзакции безопасными, простыми, умными и доступными. Мы используем безопасные данные и сети, партнерские отношения и страсть для предоставления решений и инноваций, которые помогают отдельным лицам, финансовым учреждениям, правительствам и бизнесам, чтобы реализовать свой самый большой потенциал».
Создание места для экспериментов
Он представлял Равишанкар Рао, директора Kubernetes Architect of Record в Mastercard, в Openshift Commons Gathering, совместном соревновании в Солт-Лейк-Сити, в конце прошлого года. В своей презентации они подробно рассказали о преобразовании, которое они включили в MasterCard для своих ученых. Сначала они представляли новую платформу, построенную вокруг идеи иметь место для экспериментов, которое может беспрепятственно и безопасно перейти на производство.
«Мы хотели убедиться, что эта платформа расширила возможности инженеров данных и ученых данных быстрого экспериментального пространства, и мы делаем это с использованием ноутбуков Jupyter. Это в сочетании с тонкими настраиваемыми процессорами и профилями графических процессоров для эффективного использования ресурсов, позволяющих быстро итерации и инновационные решения»,-сказал Хьюз.
«Далее мы начали обращаться к оркестрованию рабочего процесса для обучения. Таким образом, мы включили эффективное и масштабируемое обучение модели машинного обучения посредством динамического распределения графических процессоров и специализированных средах кластеров графических процессоров», — сказал Хьюз.
«У нас есть централизованные функции совместной работы, которые еще больше улучшают учебный рабочий процесс, делая его плавным и продуктивным», — продолжил он, «Платформа предлагает возможность беспрепятственно регистрировать, управлять и обмениваться функциями. Это способствует совместной инженерии функций, обеспечивая эффективную работу этих команд и использовать общие ресурсы».
Построение AI-Workbench на Kubernetes
Ключевые возможности AI-Workbench MasterCard на Kubernetes. Источник: MasterCard
У этой новой платформы уже была названа AI-Workbench, также имела значительные требования безопасности, потому что нет большего источника информации о кредитной карте, чем поставщик кредитных карт. Это сама суть частных данных, и она формирует ядро набора данных MasterCard.
Естественно, возможность запускать этот тип AI-Workbench в автономном режиме, даже без запаха открытого доступа в Интернет для рабочих нагрузок и кластеров, является лучшим сценарием для такого типа работы, и именно поэтому MasterCard, построенный с OpenShift Red Hat: кластеры могут работать в отключенных средах.
«Все, что мы делаем в этом Workbench, основано на Kubernetes, но мы хотели убедиться, что ресурсы кластера Kubernetes, о которых мы говорим, были защищены и изолированы от рабочих нагрузок общего назначения, и мы делаем это с специально построенным чистым AI/ML Clasters. Это обеспечивает специальную экосистему, разработанную для этих продвинутых пучений».
«В сфере разработки продукта искусственного интеллекта мы заметили, что наши инженеры часто выполняют повторяющиеся задачи, и поэтому мы реализовали автоматизированную экземпляр рабочего процесса, помогая таким действиям, как оптимизация гиперпараметрических, выбор модели и выбор функций», — объяснил Хьюз.
Техническая схема компонентов AI-Workbench в Mastercard. Источник: MasterCard
Рао описал последние шаги и процесс создания AI-Workbench. «Мы интегрировали все компоненты Kubeflow и Operator Spark, чтобы ученые данных могли запускать свои рабочие нагрузки AI/ML. В конце концов мы на самом деле достигли, так это то, что мы смогли, автоматизированным образом развернуть довольно несколько AI-рабочих, которые мы были способны для того, чтобы мы были в значительной степени, мы смогли, чтобы мы были в значительной степени, что мы были способны для достижения наиболее важных, которые мы были способны. Также смогли ввести вычисление графического процессора, который ускорил обучение и перенесла его с недель в дни », — сказал Рао.
MasterCard провел внутренний опрос, чтобы увидеть, что пользователи думают о AI-Workbench. Их внутренние ученые и разработчики отметили, что это была «отличная платформа для экспериментов». Внутренняя команда была довольна тем, насколько легко было потреблять данные из AI-Workbench на основе OpenShift, потому что платформа уже поддерживала необходимые библиотеки и инструменты.
Чтобы узнать больше об OpenShift как платформе для ваших рабочих нагрузок искусственного интеллекта, ознакомьтесь с руководством по продвижению вашего бизнеса с помощью ИИ/мл.
Red Hat OpenShift для инноваций без ограничений. Возьмите с собой большие идеи с гибридной облачной платформой, открытой для любого приложения, команды или инфраструктуры. Узнайте больше последних из Red Hat Trending Stories YouTube.com/thenewstack Tech Moving быстро, не пропустите эпизод. Подпишитесь на наш канал YouTube, чтобы транслировать все наши подкасты, интервью, демонстрации и многое другое. Группа подпишитесь с эскизом. 20 -летний журналист -ветеран -технологий Алекс Хэнди порезал зубы, охватывая запуск первого IMAC. Его работы появились в Wired, Конституции Atlanta Journal и американском государственном деятеле Остина. Он также основатель и режиссер … Подробнее от Алекса Хэнди
