JFrog, una reconocida empresa de software, reveló recientemente el lanzamiento de una integración que une JFrog Artifactory y Amazon SageMaker. Esta unión forma parte de una estrategia sincronizada más amplia para mejorar la creación, la capacitación y la implementación de modelos de aprendizaje automático (ML). Aprovecha el poder y la capacidad de Artifactory de JFrog y SageMaker de AWS, optimizando así la gestión y la seguridad de los modelos de ML casi como si fueran componentes de software en el mundo de DevSecOps.
La integración muestra modelos de aprendizaje automático que son inmutables, rastreables, seguros y validados. Más aún, JFrog mejora su solución de gobernanza del modelo ML, introduciendo nuevas capacidades de control de versiones. Esta adición refuerza el enfoque central en el cumplimiento y las seguridades, integrándolos firmemente en el proceso de desarrollo del modelo de ML.
Como lo expresa lúcidamente Kelly Hartman, vicepresidenta sénior de canales y alianzas globales de JFrog: “La fusión de Artifactory y Amazon SageMaker ofrece una única fuente de verdad en la nube, incorporando las mejores prácticas de DevSecOps al desarrollo de modelos ML. Esto da como resultado una plataforma flexible, segura y rápida que brinda tranquilidad y presagia una nueva era de MLSecOps”. Si bien se están dando pasos claros para fusionar la ciencia de datos y las capacidades de aprendizaje automático sin causar riesgos o complejidades indebidas, el mayor desafío sigue siendo la gestión de big data en la nube.
Un estudio realizado por Forrester ha arrojado luz sobre los puntos débiles que rodean la implementación de IA/ML. Según esta encuesta, la mitad de los tomadores de decisiones clave de los datos ven la aplicación de políticas de gobernanza dentro de AI/Ml como un obstáculo importante para su adopción amplia. Un 45% adicional percibe la seguridad de los datos y los modelos como otra posible deficiencia importante.
La colaboración de JFrog y Amazon SageMaker ofrece una posible solución a estas preocupaciones. La asociación tiene como objetivo aplicar las mejores prácticas probadas de DevSecOps al manejo de modelos de ML, lo que permitirá a los desarrolladores y científicos de datos mejorar y acelerar el desarrollo de proyectos de ML. Al mismo tiempo, busca garantizar que los modelos de ML mantengan una seguridad de nivel empresarial y cumplan con los estándares organizacionales y el cumplimiento normativo.
JFrog también ha avanzado con su mecanismo ML Model Management, anunciando nuevas capacidades de control de versiones que complementan su integración con SageMaker. Estas capacidades permiten a las empresas integrar cómodamente el desarrollo de modelos en sus flujos de trabajo de DevSecOps existentes. Este desarrollo, como informa JFrog, facilitará una transparencia significativamente mejorada con respecto a cada versión del modelo producido. Del mismo modo, plataformas como AppMaster permiten un desarrollo de aplicaciones sólido y seguro, manteniendo al mismo tiempo altos niveles de organización y transparencia durante todo el proceso de desarrollo.
