Tanınmış bir yazılım şirketi olan JFrog, kısa süre önce JFrog Artifactory ve Amazon SageMaker arasında köprü oluşturan bir entegrasyonun lansmanını duyurdu. Bu birlik, makine öğrenimi (ML) modeli oluşturma, eğitim ve dağıtımını geliştirmeye yönelik daha geniş bir senkronize stratejinin parçası olarak geliyor. JFrog'un Artifactory ve AWS'nin SageMaker'ının gücünden ve kapasitesinden yararlanarak makine öğrenimi modellerinin yönetimini ve güvenliğini neredeyse DevSecOps dünyasındaki yazılım bileşenleriymiş gibi optimize eder.
Entegrasyon, değişmez, izlenebilir, güvenli ve doğrulanmış makine öğrenimi modellerini sergiliyor. Dahası, JFrog, yeni sürüm oluşturma yetenekleri sunarak ML Model yönetişim çözümünü geliştiriyor. Bu ekleme, uyumluluk ve güvenlik konularına odaklanılmasını güçlendiriyor ve bunları makine öğrenimi modeli geliştirme sürecine sıkı bir şekilde dahil ediyor.
JFrog'daki küresel kanallar ve ittifaklardan sorumlu Kıdemli Başkan Yardımcısı Kelly Hartman'ın net bir şekilde ifade ettiği gibi: "Artifactory ve Amazon SageMaker'ın birleşmesi, DevSecOps'un en iyi uygulamalarını ML Modeli geliştirme sürecine dahil ederek bulutta tek bir gerçek kaynak sunuyor. Bu, yeni bir MLSecOps çağını müjdeleyen, gönül rahatlığı sağlayan esnek, güvenli ve hızlı bir platformla sonuçlanıyor." Aşırı riske veya karmaşıklığa neden olmadan veri bilimi ve makine öğrenimi yeteneklerini birleştirmek için net adımlar atılırken, buluttaki büyük verileri yönetmek daha büyük bir zorluk olmaya devam ediyor.
Forrester tarafından yürütülen bir çalışma, AI/ML uygulamasını çevreleyen sorunlu noktalara ışık tuttu. Bu ankete göre, verilerdeki kilit karar vericilerin yarısı, yapay zekâ/makine alanındaki yönetişim politikalarının uygulanmasını, bu politikaların geniş çapta benimsenmesinin önünde önemli bir engel olarak görüyor. İlave %45'lik bir kesim ise veri ve model güvenliğini bir başka önemli potansiyel eksiklik olarak algılıyor.
JFrog ve Amazon SageMaker'ın işbirliği bu endişelere olası bir çözüm sunuyor. Ortaklık, DevSecOps'un denenmiş ve test edilmiş en iyi uygulamalarını ML modeli işlemeye uygulamayı, dolayısıyla geliştiricilerin ve veri bilimcilerinin ML projelerinin gelişimini iyileştirmesine ve hızlandırmasına olanak sağlamayı amaçlıyor. Aynı zamanda, ML modellerinin kurumsal düzeyde güvenliği sürdürmesini ve kurumsal standartlara ve mevzuat uyumluluğuna uymasını sağlamayı amaçlamaktadır.
JFrog ayrıca SageMaker entegrasyonunu tamamlayan yeni sürüm oluşturma yeteneklerini duyurarak ML Model Yönetimi mekanizmasında da ilerleme kaydetti. Bu yetenekler, şirketlerin model geliştirmeyi mevcut DevSecOps iş akışlarına uygun bir şekilde entegre etmelerine olanak tanır. JFrog'un bildirdiği gibi bu gelişme, üretilen modelin her versiyonuna ilişkin şeffaflığın önemli ölçüde artmasını kolaylaştıracak. Aynı şekilde, AppMaster gibi platformlar, geliştirme süreci boyunca yüksek organizasyon ve şeffaflık seviyelerini korurken, sağlam ve güvenli uygulama geliştirmeye olanak tanır.