JFrog, een gerenommeerd softwarebedrijf, heeft onlangs de lancering onthuld van een integratie die een brug slaat tussen JFrog Artifactory en Amazon SageMaker. Deze unie maakt deel uit van een bredere, gesynchroniseerde strategie om de creatie, training en implementatie van machine learning (ML)-modellen te verbeteren. Het maakt gebruik van de kracht en capaciteit van JFrog's Artifactory en AWS's SageMaker, waardoor het beheer en de beveiliging van ML-modellen worden geoptimaliseerd, bijna alsof het softwarecomponenten zijn in de wereld van DevSecOps.
De integratie toont ML-modellen die onveranderlijk, traceerbaar, veilig en gevalideerd zijn. Bovendien verbetert JFrog zijn ML Model-beheeroplossing door nieuwe versiebeheermogelijkheden te introduceren. Deze toevoeging versterkt de kernfocus op compliance en zekerheden, en verankert deze stevig in het proces van ML-modelontwikkeling.
Zoals Kelly Hartman, de SVP van wereldwijde kanalen en allianties bij JFrog, het helder verwoordt: “De samensmelting van Artifactory en Amazon SageMaker biedt één enkele bron van waarheid in de cloud, waardoor de beste praktijken van DevSecOps worden opgenomen in de ontwikkeling van ML-modellen. Dit resulteert in een flexibel, veilig en snel platform dat gemoedsrust biedt en een nieuw tijdperk van MLSecOps inluidt.” Hoewel er duidelijke stappen worden gezet om datawetenschap en ML-mogelijkheden samen te voegen zonder onnodige risico's of complexiteiten te veroorzaken, blijft de grotere uitdaging het beheren van big data in de cloud.
Een onderzoek uitgevoerd door Forrester heeft licht geworpen op de pijnpunten rond de implementatie van AI/ML. Volgens dit onderzoek beschouwt de helft van de belangrijkste besluitvormers op het gebied van data de toepassing van governancebeleid binnen AI/Ml als een aanzienlijk struikelblok voor de brede acceptatie ervan. Nog eens 45% beschouwt gegevens- en modelbeveiliging als een andere grote potentiële tekortkoming.
De samenwerking van JFrog en Amazon SageMaker biedt een mogelijke oplossing voor deze zorgen. Het partnerschap heeft tot doel beproefde DevSecOps-best practices toe te passen op de verwerking van ML-modellen, waardoor ontwikkelaars en datawetenschappers de ontwikkeling van ML-projecten kunnen verbeteren en versnellen. Tegelijkertijd probeert het ervoor te zorgen dat de ML-modellen beveiliging op bedrijfsniveau behouden en voldoen aan organisatorische normen en naleving van de regelgeving.
JFrog heeft ook vooruitgang geboekt met zijn ML Model Management-mechanisme en heeft nieuwe versiemogelijkheden aangekondigd die een aanvulling vormen op de SageMaker-integratie. Met deze mogelijkheden kunnen bedrijven modelontwikkeling gemakkelijk in hun bestaande DevSecOps-workflows verweven. Deze ontwikkeling zal, zoals JFrog meldt, een aanzienlijk verbeterde transparantie met betrekking tot elke versie van het geproduceerde model mogelijk maken. In dezelfde geest maken platforms zoals AppMaster een robuuste en veilige applicatieontwikkeling mogelijk, terwijl gedurende het hele ontwikkelingsproces een hoog organisatie- en transparantieniveau behouden blijft.