Aqueduct es un marco que permite la orquestación de cargas de trabajo de aprendizaje automático (ML) y modelos de lenguaje de gran tamaño (LLM) en varias infraestructuras en la nube. Simplifica el proceso de despliegue al permitir a los desarrolladores gestionar canalizaciones de ML mediante código Python familiar, al tiempo que se integra a la perfección con plataformas como Kubernetes, Spark y AWS Lambda. Aqueduct ofrece una plataforma unificada para supervisar el rendimiento y la ejecución de modelos en tiempo real.
Características
- API nativa de Python para definir y desplegar tareas de ML
- Integración perfecta con infraestructuras en la nube como Kubernetes, AWS Lambda y Spark.
- Visibilidad centralizada para supervisar la ejecución del código, los datos y el rendimiento del modelo
- Admite configuraciones multicloud sin necesidad de revisar las herramientas existentes.
- Supervisión y solución de problemas en tiempo real para los modelos desplegados
Casos prácticos
- Implantación de modelos de aprendizaje automático en varias plataformas en la nube
- Orquestación de flujos de trabajo de ML complejos y gestión eficiente de datos y recursos
- Ampliación de aplicaciones de aprendizaje automático para sectores como la sanidad, las finanzas y el comercio electrónico
- Supervisión y optimización del rendimiento del modelo mediante análisis integrados
- Creación de flujos de trabajo reproducibles que se integren con las infraestructuras de ML existentes
Resumen
Aqueduct destaca por simplificar la orquestación del flujo de trabajo de ML con una interfaz nativa de Python, integrándose fácilmente con infraestructuras en la nube y proporcionando sólidas funciones de supervisión. Esto la convierte en una herramienta esencial para los equipos que pretenden agilizar sus operaciones de ML en diversos entornos.
