AWS และ JFrog ผนึกกำลังเพื่ออำนวยความสะดวกและเสริมสร้างการนำโมเดลการเรียนรู้ของเครื่องไปใช้

JFrog บริษัทซอฟต์แวร์ที่มีชื่อเสียง เปิดเผยเมื่อเร็ว ๆ นี้การเปิดตัวการบูรณาการที่เชื่อมโยง JFrog Artifactory และ Amazon SageMaker การรวมกลุ่มนี้เป็นส่วนหนึ่งของกลยุทธ์การซิงโครไนซ์ที่กว้างขึ้นเพื่อปรับปรุงการสร้างโมเดลการเรียนรู้ของเครื่อง (ML) การฝึกอบรม และการปรับใช้ โดยใช้ประโยชน์จากพลังและความสามารถของ Artifactory ของ JFrog และ SageMaker ของ AWS ดังนั้นจึงเพิ่มประสิทธิภาพการจัดการและความปลอดภัยของโมเดล ML ราวกับว่าเป็นส่วนประกอบซอฟต์แวร์ในโลกของ DevSecOps

การบูรณาการจะแสดงโมเดล ML ที่ไม่เปลี่ยนรูป ตรวจสอบย้อนกลับได้ ปลอดภัย และตรวจสอบได้ ยิ่งไปกว่านั้น JFrog ยังปรับปรุงโซลูชันการกำกับดูแลโมเดล ML โดยแนะนำความสามารถในการกำหนดเวอร์ชันใหม่ การเพิ่มนี้ตอกย้ำจุดมุ่งเน้นหลักในด้านการปฏิบัติตามกฎระเบียบและหลักทรัพย์ โดยฝังไว้อย่างมั่นคงในกระบวนการพัฒนาโมเดล ML

ดังที่ Kelly Hartman รองประธานอาวุโสฝ่ายช่องทางระดับโลกและพันธมิตรของ JFrog กล่าวอย่างชัดเจนว่า “การรวม Artifactory และ Amazon SageMaker เข้าด้วยกันเป็นแหล่งข้อมูลเดียวในระบบคลาวด์ โดยนำแนวทางปฏิบัติที่ดีที่สุดของ DevSecOps มาใช้ในการพัฒนาโมเดล ML ซึ่งส่งผลให้เกิดแพลตฟอร์มที่ยืดหยุ่น ปลอดภัย และรวดเร็ว ซึ่งนำความอุ่นใจมาสู่ยุคใหม่ของ MLSeOps” ในขณะที่มีความก้าวหน้าที่ชัดเจนในการผสานความสามารถด้านวิทยาศาสตร์ข้อมูลและ ML เข้าด้วยกันโดยไม่ทำให้เกิดความเสี่ยงหรือความซับซ้อนเกินควร ความท้าทายที่ใหญ่กว่ายังคงเป็นการจัดการข้อมูลขนาดใหญ่ในระบบคลาวด์

การศึกษาที่จัดทำโดย Forrester ได้ให้ความกระจ่างเกี่ยวกับปัญหาด้านการนำ AI/ML ไปใช้ จากการสำรวจนี้ ผู้มีอำนาจตัดสินใจหลักครึ่งหนึ่งของข้อมูลมองว่าการประยุกต์ใช้นโยบายการกำกับดูแลภายใน AI/Ml ถือเป็นอุปสรรคสำคัญในการนำไปใช้ในวงกว้าง อีก 45% มองว่าความปลอดภัยของข้อมูลและโมเดลเป็นข้อบกพร่องที่สำคัญอีกประการหนึ่งที่อาจเกิดขึ้น

การทำงานร่วมกันของ JFrog และ Amazon SageMaker นำเสนอโซลูชันที่เป็นไปได้สำหรับข้อกังวลเหล่านี้ ความร่วมมือนี้มีจุดมุ่งหมายเพื่อใช้แนวทางปฏิบัติที่ดีที่สุดของ DevSecOps ที่ผ่านการทดลองและทดสอบแล้วกับการจัดการโมเดล ML ส่งผลให้นักพัฒนาและนักวิทยาศาสตร์ข้อมูลสามารถปรับปรุงและเร่งการพัฒนาโครงการ ML ได้ ในขณะเดียวกันก็พยายามให้แน่ใจว่าโมเดล ML จะรักษาความปลอดภัยระดับองค์กรและปฏิบัติตามมาตรฐานองค์กรและการปฏิบัติตามกฎระเบียบ

JFrog ยังมีความก้าวหน้าด้วยกลไกการจัดการโมเดล ML โดยประกาศความสามารถในการกำหนดเวอร์ชันใหม่ที่เสริมการบูรณาการ SageMaker ความสามารถเหล่านี้ช่วยให้บริษัทต่างๆ สามารถผสานการพัฒนาโมเดลเข้ากับเวิร์กโฟลว์ DevSecOps ที่มีอยู่ได้อย่างสะดวก การพัฒนานี้ตามรายงานของ JFrog จะช่วยให้เกิดความโปร่งใสที่ดีขึ้นอย่างมากเกี่ยวกับโมเดลที่ผลิตแต่ละเวอร์ชัน ในทำนองเดียวกัน แพลตฟอร์มอย่าง AppMaster ช่วยให้การพัฒนาแอปพลิเคชันมีความแข็งแกร่งและปลอดภัย ขณะเดียวกันก็รักษาระดับองค์กรและความโปร่งใสในระดับสูงตลอดกระบวนการพัฒนา