Sophon 3.0全面升級，你準備好擁抱進階版本的ML建模平台了嗎？
DevOps是為順應現代軟體系統敏捷開發所孕育而生的新模式，將軟體開發部門和運維部門的隔閡打破，敏捷協作，將產品新功能快速穩定地交付給用戶。越來越多的企業和團隊已經使用DevOps實現了程式碼發布定期化、部署自動化和交付/集成持續化。
DevOps架構圖
Sophon 3.0借鑒DevOps精益生產+敏捷開發的管理思想，重塑了全新的MLDev+MLOps架構，為機器學習模型的開發和部署管理插上敏捷的翅膀，幫助企業實現ML模型規模化增長、提升開發運維效率的同時，持續訓練以保障模型的品質。
左手MLDev右手MLOps，Sophon Base 3.0解鎖全新架構
Sophon Base升級到3.0版本，將核心組件進行拆分解耦，形成了MLDev+MLOps的左右架構：MLDev負責機器學習模型的構建，含Data數據管理及Vlab可視化建模、Discover編程式建模兩種模型訓練方式，以滿足不同用戶的建模需求；而全新打造的MLOps是基於雲原生架構的企業級AI能力運營平台，支援用戶將通過Sophon MLDev構建或其他途徑得到的ML模型文件或模型鏡像進行統一管理及運營，MLOps具備靈活多樣的模型部署能力，完善的模型服務監控預警能力，用戶可以藉助MLOps對在線模型的持續監控和評估，通過機器學習任務管理構建模型持續訓練迭代的pipeline，保障並持續提升模型效果。
Sophon Base 3.0全新架構
全新的產品架構將業務人員與數據科學家緊密聯合，並為模型在業務生產後續的可持續發展提供了實時監控和調優迭代的運營平台，支援不同角色/租戶間的項目協作、模型共享，切實保障了企業的AI模型資產得到有效存儲、管理及後續運營，使模型價值得以持續釋放。
DevOps加持，Sophon覆蓋機器學習模型的全生命周期管理
Sophon 3.0有了DevOps的加持，能夠支援機器學習模型從數據導入->數據探索->數據預處理->特徵工程->模型訓練->性能驗證->模型部署->模型管理->模型服務->性能評估->模型調優迭代的全生命周期管理。Sophon從2.7LST版本到3.0的躍升，完善了AI模型除生產外的納管、應用、監控和評估版圖，讓客戶規模化管理日益增長的機器學習模型成為可能，並有效提升模型使用效率，降低模型集成管理成本，控制模型生產環境的風險。
Sophon Base 3.0對支援不同演算法的硬體做了融合計算和針對性優化，大大提升了計算性能，實現企業建模靈活調度；同時提供了任務流調度服務和業務場景模板服務，能夠對企業客戶不同業務場景中多個實驗觸發邏輯和調度依賴進行管理和優化。
Sophon Base覆蓋ML模型全生命周期管理
不會編程？Sophon 3.0帶你可視化建模和管理
連接數據集
↓
VLab可視化建模
↓
模型部署及評估
Sophon Base 3.0，企業AI模型部署統管的加速器
在金融科技行業，隨著監管政策的不斷收緊，銀保監會於2020年7月正式出台了《商業銀行互聯網貸款管理行辦法》，要求商業銀行落實模型從開發測試、評審、監測到退出的全生命周期的風險管理。一方面為滿足監管合規要求，另一方面提升行內風險模型的管理效率，銀行要求對模型全生命周期進行統一管理。此外，隨著行內業務的持續發展，大量異構AI模型資產散落在各部門，一旦需要使用，調參和部門間協調均使得模型部署周期拉長。
Sophon Base 3.0使用MLOps搭建了全行統一的AI模型管理平台，快速接入行內積累的不同框架或平台訓練生成的大量模型文件，按版本集成管理模型資產；並建立標準化流程，統一構建模型推理邏輯的方式，支援零程式碼一鍵部署模型應用。基於雲原生基礎架構，打通模型全生命周期流程，實現了銀行對模型應用的統一運維和監控。
平台上線後，Sophon Base集成了全行多種演算法框架生成的數百個機器學習模型。部署模型應用的平均時間由1.5天降至0.5小時，配置成本降低近80%，使模型的平均迭代周期由1月降至1周。模型效率方面，支援上百個模型預測服務同時在線，單條數據實現毫秒級響應。
銀行AI模型管理平台成效
Sophon Base還提供了在線試用功能，數據清洗、分析挖掘、機器學習、深度學習、模型管理、API部署、工作流調度等功能一應俱全，助力企業AI時代業務創新與變革。記得點擊閱讀原文申請試用哦~
還想了解更多？掃描下方二維碼
