Компания «Норникель» совместно с интегратором GlowByte внедрила корпоративную ML-платформу, основанную на ПО Kolmogorov от Data Sapience. Это решение создает единую среду для работы с алгоритмами машинного обучения, предлагая масштабируемую и высокоэффективную инфраструктуру для отслеживания полного жизненного цикла AI/ML-приложений. Об этом сообщили представители GlowByte.
Платформа интегрирована с корпоративной Data-платформой «Озеро данных» и системой DevSecOps. Она включает различные инструменты, развернутые в кластерах Kubernetes, среди которых среда для разработки JupyterLab и инструмент управления экспериментами MLFlow. ПО Kolmogorov объединяет эти компоненты, повышая производительность команд Data Science и обеспечивая управление вычислительными ресурсами.
Архитектура платформы разработана для многопользовательского доступа большого числа специалистов, включая внутренние команды и внешних разработчиков. Интуитивно понятный интерфейс позволяет пользователям эффективно управлять открытыми технологиями и отслеживать состояние моделей машинного обучения.
Среда Kubernetes обеспечивает масштабируемость приложений без серьезных изменений в архитектуре, что снижает затраты и трудозатраты на обслуживание системы. Модульный подход платформы обещает гибкость и возможность интеграции дополнительных компонентов.
Благодаря инструментам на базе Kolmogorov, команда «Норникель» может существенно сократить время на выход на рынок и быстро реагировать на изменения спроса. Как отметил Алексей Манихин, руководитель Департамента информационных технологий «Норникель», применение технологий искусственного интеллекта в компании растет, и это требует новых управленческих подходов.
Евгений Лисицин, управляющий директор GlowByte, подчеркнул, что платформа Kolmogorov облегчает интеграцию различных инструментов и позволяет специалистам сосредоточиться на разработке моделей. Михаил Зайцев, владелец продукта Kolmogorov в Data Sapience, добавил, что платформа поддерживает полный цикл управления ML-решениями, учитывая требования инфраструктуры.
В перспективе планируется создание отдельного Test-ландшафта платформы и миграция существующих моделей машинного обучения на корпоративную ML-платформу, что обеспечит дальнейшее развитие в области MLOps и адаптацию под специфические потребности бизнеса.