JFrog משתפת פעולה עם Qwak במטרה להאיץ אפליקציות מבוססות AI
JFrog משתפת פעולה עם Qwak במטרה להאיץ אפליקציות מבוססות AI
השירות החדש יאפשר לארגונים לפתח יישומי ML (למידת מכונה) במהירות מירבית ולשפר ביצועים תוך אבטחה מקצה לקצה של שרשרת אספקת התוכנה כולה
ענקית התוכנה הישראלית JFrog (נאסד"ק: FROG), מודיעה על שיתוף פעולה טכנולוגי חדש עם הסטארט- אפ Qwak- פלטפורמת ML מנוהלת, המאפשרת פיתוח מודלים של למידת מכונה לצד תהליכי פיתוח תוכנה מסורתיים - במטרה לייעל, להאיץ ולהרחיב את האספקה המאובטחת של יישומי ML.
"כיום, כדי לשחרר מודלים בשלים, מדעני נתונים ומהנדסי ML משתמשים במספר עצום של כלים שונים, שברובם מנותקים מתהליכי DevOps הסטנדרטיים בתוך הארגון, זה מאט את תהליכי MLOps, פוגע באבטחה ומגדיל את העלות של בניית יישומים מבוססי AI", אומר גל מרדר, Executive VP of Strategy ב- JFrog "השילוב של פלטפורמת JFrog - המבוססת Artifactory ו-Xray יחד עם Qwak תספק למשתמשים פתרון MLSecOps שלם שמביא את דגמי ה-ML בקנה אחד עם תהליכי פיתוח תוכנה אחרים, ויוצר מקור אחד לכל רכיבי התוכנה בצוותי ההנדסה, צוותי MLOps, DevOps ו-DevSecOps כדי שיוכלו לבנות ולשחרר יישומי בינה מלאכותית מהר יותר ועם סיכון ועלות מינימליים".
איחוד JFrog Artifactory ו-Xray עם פלטפורמת ה-ML של Qwak מביא אפליקציות ML לצד כל שאר רכיבי פיתוח התוכנה בשיטות עבודה מודרנית של DevSecOps ו-MLOps, שיאפשר למדעני נתונים, מהנדסי ML, מפתחים, אבטחת-מידע וצוותי DevOps לפתח בקלות אפליקציות ML במהירות, בצורה מאובטחת ובהתאם לכל תהליכי הפיתוח וההנחיות הרגולטוריות של הארגון .
האינטגרציה של Artifactory מחברת את מאגר ה-ML Model האוניברסלי של JFrog עם פלטפורמת MLOps מרכזית כך שמשתמשים יכולים בקלות לבנות, לאמן ולפרוס מודלים עם נראות, ניהול, ניהול גרסאות ואבטחה גדולים יותר. שימוש בפלטפורמה מרכזית לפריסת מודל ML מאפשר למשתמשים להתמקד פחות בתשתיות ויותר במשימות הליבה של מדעי הנתונים שלהם.
מחקר IDC מצביע על כך שעלות ההטמעה וההכשרה של מודלים, מחסור בצוותים מיומנים וחוסר בתהליכים מוטמעים לניהול מחזור חיים של פיתוח עבור AI/ML הם בין שלושת המעכבים המובילים למימוש היתרונות המלאים של AI/ML , למרות שהאימוץ שלהם נמצא בעלייה.
"בניית תשתיות ML יכולה להיות משימה מסובכת, הגוזלת זמן ויקר לארגונים המעוניינים להרחיב את יכולות ה-MLOps שלהם. הפתרונות שארגונים בנו לעצמם כיום לא מאפשרים פיתוח וניהול של תהליך הבנייה, האימון והכוונון של מודלים של ML בקנה מידה גדול", אומר ג'ים מרסר Program VP Software Development, DevOps, and DevSecOps."הסתמכות על מערכת אחת, שמהווה מקור יחיד ואמין לכל המודלים בארגון יכולה לסייע באוטומציה של הפיתוח, ומייצרת נראות לשרשרת מתועדת של שלבי פיתוח, והאבטחה של מודלי ML לצד כל רכיבי התוכנה האחרים. זו אלטרנטיבה משכנעת לאופטימיזציה של תהליך ה-ML תוך הזרקת אבטחה ותאימות לתהליכי פיתוח התוכנה האחרים בארגון."
ללא התשתית, הפלטפורמה והתהליכים הנכונים הדרושים לפיתוח ML (MLOp's)- פריסת מודלים במהירות ואבטחתם מבלי לשאת בעלויות מופרזות- אלה משימות מאתגרות ומורכבות. חברות נאבקות לעתים קרובות בניהול מורכבות התשתית, מה שגורם לתהליכי אימות ואבטחה יקרים שגוזלים זמן רב בסנכרון בין סביבות פיתוח שונות.
"AI ו- ML הפכו לאחרונה מחלום רחוק- למציאות. בניית מודלים של ML הם תהליכי מורכבים שלוקחים זמן, וזו הסיבה שמדעני נתונים רבים עדיין נאבקים להפוך את הרעיונות שלהם למודלים מוכנים לייצור", אומר אלון לב, CEO Qwak. "למרות שישנם הרבה כלי קוד פתוח בשוק- יש צורך לחברם יחד לבניית תשתית ML מקיפה. אנחנו נרגשים לעבוד עם JFrog ולספק ללקוחותינו פתרון לאוטומציה של פיתוח והפצה ב-ML בצורה מאובטחת לכל אורך שרשרת אספקת התוכנה שלהם עם היכולות JFrog Artifactory ו-"Xray.
