SÄksim ar piemÄriem no datu zinÄtnes prakses InterSystems:
IelÄdÄtais pircÄju portÄls ir savienots ar tieÅ”saistes ieteikumu sistÄmu. VisÄ mazumtirdzniecÄ«bas tÄ«klÄ tiks veikta akciju pÄrstrukturÄÅ”ana (piemÄram, āplakanasā akciju rindas vietÄ tagad tiks izmantota āsegmenta-taktikasā matrica). Kas notiek ar ieteikumu dzinÄjiem? Kas notiek ar datu iesniegÅ”anu un atjauninÄÅ”anu ieteikumu dzinÄjÄ (ievades datu apjoms palielinÄjies par 25000 XNUMX reižu)? Kas notiek ar ieteikumu izstrÄdi (nepiecieÅ”amÄ«ba tÅ«kstoÅ”kÄrtÄ«gi samazinÄt ieteikumu noteikumu filtrÄÅ”anas slieksni, jo to skaits un ādiapazonsā palielinÄs tÅ«kstoÅ”kÄrtÄ«gi)?
Ir sistÄma, lai uzraudzÄ«tu iekÄrtu komponentu defektu raÅ”anÄs iespÄjamÄ«bu. Monitoringa sistÄmai tika pieslÄgta automatizÄta procesa vadÄ«bas sistÄma, kas katru sekundi pÄrraidÄ«ja tÅ«kstoÅ”iem tehnoloÄ£isko procesu parametru. Kas notiek ar monitoringa sistÄmu, kas iepriekÅ” strÄdÄja ar āmanuÄliem paraugiemā (vai tÄ spÄj nodroÅ”inÄt sekundÄro varbÅ«tÄ«bas monitoringu)? Kas notiks, ja ievaddatos parÄdÄ«sies jauns bloks ar vairÄkiem simtiem kolonnu ar rÄdÄ«jumiem no sensoriem, kas nesen pievienoti procesa vadÄ«bas sistÄmai (vai bÅ«s nepiecieÅ”ams un uz cik ilgu laiku bÅ«s jÄpÄrtrauc uzraudzÄ«bas sistÄma, lai analÄ«zÄ iekļautu datus no jauniem sensoriem )?
Ir izveidots AI/ML mehÄnismu kopums (ieteikums, monitorings, prognozÄÅ”ana), kas izmanto viens otra darba rezultÄtus. Cik cilvÄkstundu katru mÄnesi ir nepiecieÅ”ams, lai Ŕī kompleksa darbÄ«bu pielÄgotu izmaiÅÄm ievaddatos? Kas ir vispÄrÄjÄ āpalÄninÄÅ”anÄsā, ja to atbalsta vadÄ«bas lÄmumu pieÅemÅ”anas komplekss (jaunas atbalsta informÄcijas raÅ”anÄs biežums tajÄ attiecÄ«bÄ pret jaunu ievaddatu raÅ”anÄs biežumu)?
Apkopojot Å”os un daudzus citus piemÄrus, esam nonÄkuÅ”i pie izaicinÄjumu formulÄjuma, kas rodas, pÄrejot uz maŔīnmÄcÄ«bas un mÄkslÄ«gÄ intelekta mehÄnismu izmantoÅ”anu reÄlajÄ laikÄ:
Vai esam apmierinÄti ar AI/ML izstrÄdÅu izveides un pielÄgoÅ”anas (maiÅai situÄcijai) Ätrumu mÅ«su uzÅÄmumÄ?
Cik lielÄ mÄrÄ mÅ«su izmantotie AI/ML risinÄjumi atbalsta reÄllaika biznesa vadÄ«bu?
Vai mÅ«su izmantotie AI/ML risinÄjumi spÄj neatkarÄ«gi (bez izstrÄdÄtÄjiem) pielÄgoties izmaiÅÄm datu un biznesa vadÄ«bas praksÄ?
MÅ«su raksts ir pamatÄ«gs pÄrskats par InterSystems IRIS platformas iespÄjÄm saistÄ«bÄ ar universÄlu atbalstu AI/ML mehÄnismu izvietoÅ”anai, AI/ML risinÄjumu montÄžai (integrÄcijai) un AI/ML risinÄjumu apmÄcÄ«bai (testÄÅ”anai) intensÄ«vi. datu straumes. Å ajÄ rakstÄ aplÅ«kosim tirgus izpÄti, AI/ML risinÄjumu gadÄ«jumu izpÄti un konceptuÄlos aspektus, ko mÄs saucam par reÄllaika AI/ML platformu.
Ko mÄs zinÄm no aptaujÄm: reÄllaika lietojumprogrammas
rezultÄtus aptaujako 800. gadÄ veica Lightbend gandrÄ«z 2019 IT profesionÄļu vidÅ«, runÄ paÅ”i par sevi:
1. attÄls. VadoÅ”ie reÄllaika datu patÄrÄtÄji
CitÄjam svarÄ«gus fragmentus no ziÅojuma par Ŕīs aptaujas rezultÄtiem mÅ«su tulkojumÄ:
ā... Datu straumju integrÄÅ”anas rÄ«ku popularitÄtes tendences un vienlaikus skaitļoÅ”anas atbalsts konteineros nodroÅ”ina sinerÄ£isku atbildi uz tirgus pieprasÄ«jumu pÄc atsaucÄ«gÄka, racionÄlÄka un dinamiskÄka efektÄ«va risinÄjumu piedÄvÄjuma. StraumÄjot datus, informÄcija tiek pÄrsÅ«tÄ«ta ÄtrÄk nekÄ tradicionÄlie pakeÅ”dati. Tam pievienota iespÄja Ätri pielietot skaitļoÅ”anas metodes, piemÄram, uz AI/ML balstÄ«tus ieteikumus, radot konkurences priekÅ”rocÄ«bas, palielinot klientu apmierinÄtÄ«bu. SacensÄ«bas par veiklÄ«bu ietekmÄ arÄ« visas DevOps paradigmas lomas, padarot lietojumprogrammu izstrÄdi un izvietoÅ”anu efektÄ«vÄku. ā¦ AstoÅi simti Äetri IT speciÄlisti sniedza informÄciju par datu plÅ«smu izmantoÅ”anu savÄs organizÄcijÄs. Respondenti pÄrsvarÄ atradÄs rietumvalstÄ«s (41% EiropÄ un 37% ZiemeļamerikÄ) un bija gandrÄ«z vienmÄrÄ«gi sadalÄ«ti starp maziem, vidÄjiem un lieliem uzÅÄmumiem. ...
... MÄkslÄ«gais intelekts nav ažiotÄža. Piecdesmit astoÅi procenti no tiem, kas jau izmanto datu straumes apstrÄdi produktivitÄtes AI/ML lietojumprogrammÄs, apstiprina, ka viÅu AI/ML izmantoÅ”anÄ nÄkamajÄ gadÄ bÅ«s lielÄkais pieaugums (salÄ«dzinÄjumÄ ar citÄm lietojumprogrammÄm).
AI/ML lietojumprogrammas pieaugs ne tikai salÄ«dzinoÅ”i jauna veida scenÄriju dÄļ, bet arÄ« tradicionÄlo scenÄriju dÄļ, kuros arvien vairÄk tiek izmantoti reÄllaika dati.
Papildus AI/ML entuziasma lÄ«menis IoT datu cauruļvadu lietotÄju vidÅ« ir iespaidÄ«gs ā 48% no tiem, kuri jau ir integrÄjuÅ”i IoT datus, apgalvo, ka scenÄrija ievieÅ”ana Å”ajos datos tuvÄkajÄ nÄkotnÄ piedzÄ«vos ievÄrojamu pieaugumu. ..."
No Ŕīs diezgan interesantÄs aptaujas ir skaidrs, ka maŔīnmÄcÄ«bas un mÄkslÄ«gÄ intelekta scenÄriju uztvere kÄ datu straumju patÄriÅa lÄ«deri jau ir āceļÄā. TaÄu tikpat svarÄ«gs novÄrojums ir reÄllaika AI/ML uztvere caur DevOps objektÄ«vu: Å”eit jau varam sÄkt runÄt par joprojÄm dominÄjoÅ”Äs kultÅ«ras āvienreizÄjÄs lietoÅ”anas AI/ML ar pilnÄ«bÄ pieejamu datu kopuā transformÄciju.
ReÄllaika AI/ML platformas koncepcija
Viena tipiska reÄllaika AI/ML pielietojuma joma ir procesa kontrole ražoÅ”anÄ. Izmantojot viÅas piemÄru un Åemot vÄrÄ iepriekÅ”ÄjÄs domas, formulÄsim reÄllaika AI/ML platformas koncepciju.
MÄkslÄ«gÄ intelekta un maŔīnmÄcÄ«Å”anÄs izmantoÅ”anai procesu kontrolÄ ir vairÄkas funkcijas:
Dati par tehnoloÄ£iskÄ procesa stÄvokli tiek saÅemti intensÄ«vi: ar augstu frekvenci un plaÅ”am parametru diapazonam (no procesa vadÄ«bas sistÄmas tiek pÄrraidÄ«tas lÄ«dz pat desmitiem tÅ«kstoÅ”u parametru vÄrtÄ«bu sekundÄ)
Dati par defektu identificÄÅ”anu, nemaz nerunÄjot par datiem par to attÄ«stÄ«bu, gluži pretÄji, ir trÅ«cÄ«gi un neregulÄri, ko raksturo nepietiekama defektu tipizÄcija un to lokalizÄcija laikÄ (bieži attÄlota papÄ«ra ierakstos)
No praktiskÄ viedokļa apmÄcÄ«bai un modeļu pielietoÅ”anai ir pieejams tikai avota datu āatbilstÄ«bas logsā, kas atspoguļo tehnoloÄ£iskÄ procesa dinamiku saprÄtÄ«gÄ slÄ«doÅ”Ä intervÄlÄ, kas beidzas ar procesa parametru pÄdÄjÄm nolasÄ«tajÄm vÄrtÄ«bÄm.
Å Ä«s funkcijas liek mums papildus intensÄ«vÄ tehnoloÄ£iskÄ procesa "platjoslas ievades signÄla" saÅemÅ”anai un pamata apstrÄdei reÄllaikÄ veikt (paralÄli) AI / rezultÄtu pielietoÅ”anu, apmÄcÄ«bu un kvalitÄtes kontroli. ML modeļi - arÄ« reÄllaikÄ. āRÄmisā, ko mÅ«su modeļi āredzā atbilstÄ«bas slÄ«doÅ”ajÄ logÄ, nemitÄ«gi mainÄs ā lÄ«dz ar to mainÄs arÄ« AI/ML modeļu darba rezultÄtu kvalitÄte, kas iepriekÅ” trenÄti uz kÄda no ākadriemā . Ja AI/ML modeļu darba rezultÄtu kvalitÄte pasliktinÄs (piemÄram: ātrauksmes normasā klasifikÄcijas kļūdas vÄrtÄ«ba ir pÄrsniegusi mÅ«su noteiktÄs robežas), automÄtiski jÄuzsÄk modeļu papildu apmÄcÄ«ba aktuÄlÄks ārÄmisā - un modeļu papildu apmÄcÄ«bas uzsÄkÅ”anas brīža izvÄlÄ bÅ«tu jÄÅem vÄrÄ paÅ”as apmÄcÄ«bas ilgums un modeļu paÅ”reizÄjÄs versijas darba kvalitÄtes pasliktinÄÅ”anÄs dinamika (kopÅ” modeļu paÅ”reizÄjÄs versijas turpina izmantot, kamÄr modeļi tiek apmÄcÄ«ti, un lÄ«dz tiek veidotas to ājaunapmÄcÄ«tÄsā versijas).
InterSystems IRIS ir galvenÄs platformas iespÄjas, lai nodroÅ”inÄtu AI/ML risinÄjumus reÄllaika procesu kontrolei. Å Ä«s iespÄjas var iedalÄ«t trÄ«s galvenajÄs grupÄs:
Jaunu vai pielÄgotu esoÅ”o AI/ML mehÄnismu nepÄrtraukta izvietoÅ”ana (nepÄrtraukta izvietoÅ”ana/piegÄde, CD) produktÄ«vÄ risinÄjumÄ, kas darbojas reÄllaikÄ InterSystems IRIS platformÄ
NepÄrtraukta integrÄcija (CI) vienotÄ produktÄ«vÄ ienÄkoÅ”o tehnoloÄ£isko procesu datu straumju risinÄjumÄ, datu rindas AI/ML mehÄnismu pielietoÅ”anai/apmÄcÄ«bai/kvalitÄtes kontrolei un datu/koda/vadÄ«bas darbÄ«bu apmaiÅai ar matemÄtiskÄs modelÄÅ”anas vidÄm, kas organizÄta reÄllaikÄ. platforma InterSystems IRIS
AI/ML mehÄnismu nepÄrtraukta (paÅ”)apmÄcÄ«ba (Continuous Training, CT), kas veikta matemÄtiskÄs modelÄÅ”anas vidÄs, izmantojot datus, kodu un kontroles darbÄ«bas (āpieÅemtie lÄmumiā), ko pÄrraida InterSystems IRIS platforma
Platformas iespÄju klasifikÄcija saistÄ«bÄ ar maŔīnmÄcÄ«Å”anos un mÄkslÄ«go intelektu tieÅ”i Å”ajÄs grupÄs nav nejauÅ”a. CitÄjam metodiskos publikÄcija Google, kas nodroÅ”ina Ŕīs klasifikÄcijas konceptuÄlo pamatu, mÅ«su tulkojumÄ:
ā... MÅ«sdienÄs populÄrÄ DevOps koncepcija aptver liela mÄroga informÄcijas sistÄmu izstrÄdi un darbÄ«bu. Å Ä«s koncepcijas ievieÅ”anas priekÅ”rocÄ«bas ir izstrÄdes ciklu ilguma samazinÄÅ”ana, ÄtrÄka izstrÄdes izvietoÅ”ana un elastÄ«ba izlaiÅ”anas plÄnoÅ”anÄ. Lai sasniegtu Ŕīs priekÅ”rocÄ«bas, DevOps ietver vismaz divu prakÅ”u ievieÅ”anu:
NepÄrtraukta integrÄcija (CI)
NepÄrtraukta piegÄde (CD)
Å Ä« prakse attiecas arÄ« uz AI/ML platformÄm, lai nodroÅ”inÄtu uzticamu un veiktspÄjÄ«gu produktÄ«vu AI/ML risinÄjumu montÄžu.
AI/ML platformas atŔķiras no citÄm informÄcijas sistÄmÄm Å”Ädos aspektos:
Komandas kompetences: Veidojot AI/ML risinÄjumu, komandÄ parasti ir datu zinÄtnieki vai āakadÄmiskieā eksperti datu izpÄtes jomÄ, kas veic datu analÄ«zi, izstrÄdÄ un testÄ modeļus. Å ie komandas dalÄ«bnieki var nebÅ«t profesionÄli produktÄ«vi kodu izstrÄdÄtÄji.
IzstrÄde: AI/ML dzinÄjiem ir eksperimentÄls raksturs. Lai problÄmu atrisinÄtu visefektÄ«vÄkajÄ veidÄ, ir jÄiziet dažÄdas ievades mainÄ«go, algoritmu, modelÄÅ”anas metožu un modeļa parametru kombinÄcijas. Å Ädas meklÄÅ”anas sarežģītÄ«ba ir izsekoÅ”ana ākas strÄdÄja/nedarbojÄsā, nodroÅ”ina epizožu reproducÄjamÄ«bu, izstrÄdÅu vispÄrinÄÅ”anu atkÄrtotÄm implementÄcijÄm.
TestÄÅ”ana: AI/ML dzinÄju testÄÅ”anai ir nepiecieÅ”ams plaÅ”Äks testu klÄsts nekÄ lielÄkajai daļai citu izstrÄdÅu. Papildus standarta vienÄ«bu un integrÄcijas testiem tiek pÄrbaudÄ«ts datu derÄ«gums un modeļa piemÄroÅ”anas rezultÄtu kvalitÄte apmÄcÄ«bas un kontroles paraugiem.
IzvÄrÅ”ana: AI/ML risinÄjumu ievieÅ”ana neaprobežojas tikai ar prognozÄÅ”anas pakalpojumiem, kas izmanto vienreiz apmÄcÄ«tu modeli. AI/ML risinÄjumi ir veidoti ap daudzpakÄpju cauruļvadiem, kas veic automatizÄtu modeļu apmÄcÄ«bu un pielietojumu. Å Ädu cauruļvadu izvietoÅ”ana ietver netriviÄlu darbÄ«bu automatizÄciju, ko datu zinÄtnieki tradicionÄli veic manuÄli, lai varÄtu apmÄcÄ«t un pÄrbaudÄ«t modeļus.
ProduktivitÄte: AI/ML dzinÄjiem var pietrÅ«kt produktivitÄtes ne tikai neefektÄ«vas programmÄÅ”anas, bet arÄ« nepÄrtraukti mainÄ«gÄ ievaddatu rakstura dÄļ. Citiem vÄrdiem sakot, AI/ML mehÄnismu veiktspÄja var pasliktinÄties vairÄku iemeslu dÄļ nekÄ parasto izstrÄdÅu veiktspÄja. Kas noved pie nepiecieÅ”amÄ«bas pÄrraudzÄ«t (tieÅ”saistÄ) mÅ«su AI/ML dzinÄju veiktspÄju, kÄ arÄ« sÅ«tÄ«t brÄ«dinÄjumus vai noraidÄ«t rezultÄtus, ja veiktspÄjas rÄdÄ«tÄji neatbilst cerÄ«bÄm.
AI/ML platformas ir lÄ«dzÄ«gas citÄm informÄcijas sistÄmÄm, jo āāabÄm ir nepiecieÅ”ama nepÄrtraukta koda integrÄcija ar versiju kontroli, vienÄ«bu testÄÅ”ana, integrÄcijas testÄÅ”ana un nepÄrtraukta izstrÄdes izvietoÅ”ana. TomÄr AI/ML gadÄ«jumÄ pastÄv vairÄkas bÅ«tiskas atŔķirÄ«bas:
CI (Continuous Integration) vairs neaprobežojas tikai ar izvietoto komponentu koda testÄÅ”anu un apstiprinÄÅ”anu ā tas ietver arÄ« datu un AI/ML modeļu testÄÅ”anu un validÄÅ”anu.
CD (Continuous Delivery/Deployment, nepÄrtraukta izvietoÅ”ana) neaprobežojas tikai ar pakeÅ”u vai pakalpojumu rakstÄ«Å”anu un izlaiÅ”anu, bet ietver platformu AI/ML risinÄjumu kompozÄ«cijai, apmÄcÄ«bai un pielietoÅ”anai.
CT (Continuous Training, nepÄrtraukta apmÄcÄ«ba) ir jauns elements [apm. raksta autors: jauns elements saistÄ«bÄ ar tradicionÄlo DevOps koncepciju, kurÄ CT parasti ir nepÄrtraukta pÄrbaude], kas raksturÄ«ga AI/ML platformÄm un ir atbildÄ«ga par AI apmÄcÄ«bas un piemÄroÅ”anas mehÄnismu autonomu pÄrvaldÄ«bu. /ML modeļi. ..."
Varam apgalvot, ka maŔīnmÄcÄ«bai un mÄkslÄ«gajam intelektam, kas strÄdÄ ar reÄllaika datiem, ir nepiecieÅ”ams plaÅ”Äks rÄ«ku un kompetenÄu kopums (no koda izstrÄdes lÄ«dz matemÄtiskÄs modelÄÅ”anas vides orÄ·estrÄÅ”anai), cieÅ”Äka integrÄcija starp visÄm funkcionÄlajÄm un priekÅ”metu jomÄm, efektÄ«vÄka cilvÄku un maŔīnu resursi.
Turpinot izmantot procesa vadÄ«bas zonu kÄ piemÄru, apsveriet konkrÄtu problÄmu (mÄs jau minÄjÄm paÅ”Ä sÄkumÄ): mums ir jÄnodroÅ”ina sÅ«kÅu defektu attÄ«stÄ«bas reÄllaika uzraudzÄ«ba, pamatojoties uz procesa parametru vÄrtÄ«bu plÅ«smu. un remonta personÄla ziÅojumi par konstatÄtajiem defektiem.
LielÄkajai daļai praksÄ Å”Ädi uzdoto uzdevumu iezÄ«me ir tÄda, ka datu saÅemÅ”anas (APCS) regularitÄte un efektivitÄte ir jÄvÄrtÄ, Åemot vÄrÄ dažÄda veida defektu epizodisku un neregulÄru raÅ”anos (un reÄ£istrÄciju). Citiem vÄrdiem sakot: dati no procesa vadÄ«bas sistÄmas pienÄk reizi sekundÄ, pareizi un precÄ«zi, un ar Ä·Ä«misko zÄ«muli tiek veiktas atzÄ«mes par defektiem, norÄdot datumu vispÄrÄjÄ piezÄ«mju grÄmatiÅÄ darbnÄ«cÄ (piemÄram: ā12.01 ā noplÅ«de vÄkÄ no 3. gultÅa pusesā).
LÄ«dz ar to problÄmas formulÄjumu varam papildinÄt ar Å”Ädu bÅ«tisku ierobežojumu: mums ir tikai viena noteikta veida defekta āuzlÄ«meā (t.i., konkrÄta tipa defekta piemÄru attÄlo procesa vadÄ«bas dati sistÄma noteiktÄ datumÄ ā un mums nav vairÄk Å”Äda veida defektu piemÄru). Å is ierobežojums nekavÄjoties izved mÅ«s Ärpus klasiskÄs maŔīnmÄcÄ«Å”anÄs (uzraudzÄ«tÄs mÄcÄ«Å”anÄs) jomas, kurai vajadzÄtu bÅ«t daudz ātaguā.
Vai mÄs varam kaut kÄ āpavairotā vienÄ«go mÅ«su rÄ«cÄ«bÄ esoÅ”o ābirkuā? JÄ, mÄs varam. SÅ«kÅa paÅ”reizÄjo stÄvokli raksturo lÄ«dzÄ«bas pakÄpe ar reÄ£istrÄtajiem defektiem. Pat neizmantojot kvantitatÄ«vÄs metodes, vizuÄlÄs uztveres lÄ«menÄ«, novÄrojot datu vÄrtÄ«bu dinamiku, kas nÄk no procesa vadÄ«bas sistÄmas, jÅ«s jau varat daudz uzzinÄt:
4. attÄls SÅ«kÅa stÄvokļa dinamika uz noteikta veida defekta āatzÄ«mesā fona
TaÄu vizuÄlÄ uztvere (vismaz pagaidÄm) nav piemÄrotÄkais ābirkuā Ä£enerators mÅ«su strauji mainÄ«gajÄ scenÄrijÄ. MÄs novÄrtÄsim paÅ”reizÄjÄ sÅ«kÅa stÄvokļa lÄ«dzÄ«bu paziÅotajiem defektiem, izmantojot statistisko testu.
StatistiskÄ pÄrbaude nosaka varbÅ«tÄ«bu, ka ieraksti ar tehnoloÄ£iskÄ procesa parametru vÄrtÄ«bÄm āplÅ«smas paketÄā, kas saÅemti no procesa vadÄ«bas sistÄmas, ir lÄ«dzÄ«gi noteikta veida defekta ābirkasā ierakstiem. StatistiskÄ testa rezultÄtÄ aprÄÄ·inÄtÄ varbÅ«tÄ«bas vÄrtÄ«ba (statistiskÄs lÄ«dzÄ«bas indekss) tiek pÄrveidota par vÄrtÄ«bu 0 vai 1, kļūstot par maŔīnmÄcÄ«bas āiezÄ«miā katrÄ konkrÄtajÄ ierakstÄ paketÄ, kurÄ tiek pÄrbaudÄ«ta lÄ«dzÄ«ba. Tas nozÄ«mÄ, ka pÄc tikko saÅemtas sÅ«kÅa stÄvokļa ierakstu paketes apstrÄdes ar statistisko testu mums ir iespÄja (a) pievienot Å”o paketi apmÄcÄ«bu komplektam AI/ML modeļa apmÄcÄ«bai un (b) veikt kvalitÄtes kontroli paÅ”reizÄjÄ modeļa versija, izmantojot to Å”ajÄ pakotnÄ.
6. attÄls MaŔīnmÄcÄ«Å”anÄs modeļa piemÄroÅ”ana ienÄkoÅ”ajiem datiem uz defekta āiezÄ«mesā fona
VienÄ no mÅ«su iepriekÅ”ÄjÄm vebinÄri MÄs parÄdÄm un izskaidrojam, kÄ InterSystems IRIS platforma ļauj ieviest jebkuru AI/ML mehÄnismu nepÄrtraukti izpildÄmu biznesa procesu veidÄ, kas uzrauga modelÄÅ”anas rezultÄtu ticamÄ«bu un pielÄgo modeļa parametrus. RealizÄjot mÅ«su scenÄrija prototipu ar sÅ«kÅiem, mÄs izmantojam visu vebinÄra laikÄ prezentÄto InterSystems IRIS funkcionalitÄti - analizatora procesÄ kÄ daļu no mÅ«su risinÄjuma ievieÅ”ot nevis klasisko uzraudzÄ«to apmÄcÄ«bu, bet gan pastiprinÄÅ”anas apmÄcÄ«bu, kas automÄtiski pÄrvalda apmÄcÄ«bu modeļu atlasi. . ApmÄcÄ«bas paraugÄ ir ieraksti, par kuriem pÄc statistiskÄ testa un modeļa paÅ”reizÄjÄs versijas piemÄroÅ”anas rodas ākonsenss par noteikÅ”anuā, t.i., gan statistiskais tests (pÄc lÄ«dzÄ«bas indeksa pÄrveidoÅ”anas uz 0 vai 1), gan modelis radÄ«ja rezultÄtu. par Å”Ädiem ierakstiem 1. Modeļa jaunÄs apmÄcÄ«bas laikÄ, tÄ validÄcijas laikÄ (jaunapmÄcÄ«tais modelis tiek piemÄrots savam apmÄcÄ«bas paraugam, iepriekÅ” veicot tam statistisko testu), ieraksti, kas pÄc apstrÄdes ānesaglabÄjaā rezultÄtu 1 ar statistisko testu (sakarÄ ar pastÄvÄ«gu klÄtbÅ«tni apmÄcÄ«bÄ ierakstu paraugs no sÄkotnÄjÄs defekta "marÄ·Äjuma"), tiek izÅemti no apmÄcÄ«bas komplekta, un jauna modeļa versija mÄcÄs no "etiÄ·etes" defekts plus āsaglabÄtieā ieraksti no straumes.
Ja ir nepiecieÅ”ams sava veida āotrais atzinumsā par lokÄlo aprÄÄ·inu laikÄ InterSystems IRIS iegÅ«tÄs noteikÅ”anas kvalitÄti, tiek izveidots padomdevÄja process, lai veiktu apmÄcÄ«bu un modeļu pielietoÅ”anu vadÄ«bas datu kopÄ, izmantojot mÄkoÅpakalpojumus (piemÄram, Microsoft Azure, Amazon Web Services, Google Cloud Platform utt.):
8. attÄls Otrais atzinums no Microsoft Azure, ko organizÄja InterSystems IRIS
MÅ«su scenÄrija prototips programmÄ InterSystems IRIS ir izstrÄdÄts kÄ uz aÄ£entiem balstÄ«ta analÄ«tisko procesu sistÄma, kas mijiedarbojas ar aprÄ«kojuma objektu (sÅ«kni), matemÄtiskÄs modelÄÅ”anas vidÄm (Python, R un Julia) un nodroÅ”ina visu iesaistÄ«to AI paÅ”mÄcÄ«Å”anos/ ML mehÄnismi ā reÄllaika datu plÅ«smÄs.
Modeļa atpazÄ«ts defekts, kas nebija iekļauts paraugÄ (11. septembrÄ« paÅ”u defektu remonta brigÄde konstatÄja tikai divas dienas vÄlÄk, 13. septembrÄ«):
SimulÄcija uz reÄliem datiem, kas satur vairÄkas viena un tÄ paÅ”a defekta epizodes, parÄdÄ«ja, ka mÅ«su risinÄjums, kas ieviests InterSystems IRIS platformÄ, ļauj identificÄt Å”Äda veida defektu attÄ«stÄ«bu vairÄkas dienas, pirms tos atklÄj remonta komanda.
InterSystems IRIS platforma vienkÄrÅ”o reÄllaika datu risinÄjumu izstrÄdi, izvietoÅ”anu un darbÄ«bu. InterSystems IRIS spÄj vienlaicÄ«gi veikt darÄ«jumu un analÄ«tisko datu apstrÄdi; atbalstÄ«t sinhronizÄtus datu skatus saskaÅÄ ar vairÄkiem modeļiem (ieskaitot relÄciju, hierarhijas, objektu un dokumentu); darboties kÄ platforma dažÄdu datu avotu un atseviŔķu lietojumprogrammu integrÄÅ”anai; nodroÅ”inÄt uzlabotu reÄllaika analÄ«zi par strukturÄtiem un nestrukturÄtiem datiem. InterSystems IRIS nodroÅ”ina arÄ« mehÄnismus ÄrÄjo analÄ«tisko rÄ«ku izmantoÅ”anai un ļauj elastÄ«gi kombinÄt mitinÄÅ”anu mÄkonÄ« un vietÄjos serveros.
Lietojumprogrammas, kas izveidotas uz InterSystems IRIS platformas, tiek izvietotas dažÄdÄs nozarÄs, palÄ«dzot uzÅÄmumiem realizÄt nozÄ«mÄ«gus ekonomiskos ieguvumus no stratÄÄ£iskÄ un darbÄ«bas perspektÄ«vas, palielinot informÄtu lÄmumu pieÅemÅ”anu un mazinot plaisas starp notikumu, analÄ«zi un darbÄ«bu.
TÄpat kÄ iepriekÅ”ÄjÄ diagrammÄ, zemÄk redzamÄ diagramma apvieno jauno ākoordinÄtu sistÄmuā (CD/CI/CT) ar diagrammu par informÄcijas plÅ«smu starp platformas darba elementiem. VizualizÄcija sÄkas ar makromehÄnisma CD un turpinÄs ar makromehÄnismiem CI un CT.
CD mehÄnisma bÅ«tÄ«ba programmÄ InterSystems IRIS: platformas lietotÄji (AI/ML risinÄjumu izstrÄdÄtÄji) pielÄgo esoÅ”os un/vai veido jaunas AI/ML izstrÄdes, izmantojot specializÄtu AI/ML mehÄnismiem paredzÄtu koda redaktoru: Jupyter (pilns nosaukums: Jupyter Notebook; Ä«suma labad dažreiz tiek saukti arÄ« Å”ajÄ redaktorÄ izveidotie dokumenti). ProgrammÄ Jupyter izstrÄdÄtÄjam ir iespÄja rakstÄ«t, atkļūdot un pÄrbaudÄ«t konkrÄtas AI/ML izstrÄdes veiktspÄju (tostarp izmantojot grafiku), pirms tÄ tiek ievietota (āizvietotaā) programmÄ InterSystems IRIS. Ir skaidrs, ka Å”ÄdÄ veidÄ izveidota jauna izstrÄde saÅems tikai pamata atkļūdoÅ”anu (jo Ä«paÅ”i Jupyter nedarbojas ar reÄllaika datu plÅ«smÄm) - tas ir lietu kÄrtÄ«bÄ, jo galvenais Jupyter izstrÄdes rezultÄts ir apstiprinÄjums atseviŔķa AI / ML mehÄnisma fundamentÄlai darbÄ«bai (ārÄda paredzamo rezultÄtu datu paraugÄā). LÄ«dzÄ«gi mehÄnismam, kas jau ir ievietots platformÄ (skatiet tÄlÄk norÄdÄ«tos makromehÄnismus) pirms atkļūdoÅ”anas programmÄ Jupyter, var bÅ«t nepiecieÅ”ama āatcelÅ”anaā uz āpirmsplatformasā formu (datu nolasÄ«Å”ana no failiem, darbs ar datiem, izmantojot xDBC, nevis tabulas, tieÅ”a mijiedarbÄ«ba ar globÄliem ā daudzdimensionÄlu datu masÄ«vi InterSystems IRIS ā utt.).
SvarÄ«gs CD ievieÅ”anas aspekts InterSystems IRIS: starp platformu un Jupyter ir ieviesta divvirzienu integrÄcija, kas ļauj Python, R un Julia saturu pÄrsÅ«tÄ«t uz platformu (un pÄc tam apstrÄdÄt platformÄ) (visi trÄ«s ir programmÄÅ”ana valodÄs attiecÄ«gajÄs vadoÅ”ajÄs atvÄrtÄ pirmkoda valodÄs). avota matemÄtiskÄs modelÄÅ”anas vides). TÄdÄjÄdi AI/ML satura izstrÄdÄtÄjiem ir iespÄja veikt Ŕī satura ānepÄrtrauktu izvietoÅ”anuā platformÄ, strÄdÄjot savÄ pazÄ«stamajÄ Jupyter redaktorÄ, ar pazÄ«stamÄm bibliotÄkÄm, kas pieejamas Python, R, Julia, un veicot pamata atkļūdoÅ”anu (ja nepiecieÅ”ams). Ärpus platformas.
PÄriesim pie CI makro mehÄnisma programmÄ InterSystems IRIS. DiagrammÄ parÄdÄ«ts āreÄllaika robotizÄtÄjaā makro process (datu struktÅ«ru, biznesa procesu un koda fragmentu komplekss, ko tie organizÄ matemÄtiskÄs valodÄs un ObjectScript - InterSystems IRIS dzimtajÄ izstrÄdes valodÄ). Å Ä« makroprocesa uzdevums ir uzturÄt AI/ML mehÄnismu darbÄ«bai nepiecieÅ”amÄs datu rindas (pamatojoties uz datu plÅ«smÄm, kas tiek pÄrraidÄ«tas uz platformu reÄllaikÄ), pieÅemt lÄmumus par pielietoÅ”anas secÄ«bu un AI/ āsortimentuā. ML mehÄnismi (tie ir arÄ« āmatemÄtiskie algoritmiā, āmodeļiā utt. ā var saukt dažÄdi atkarÄ«bÄ no realizÄcijas specifikas un terminoloÄ£iskajÄm vÄlmÄm), uztur datu struktÅ«ras aktuÄlas AI darba rezultÄtu analÄ«zei/ ML mehÄnismi (kubi, tabulas, daudzdimensionÄli datu masÄ«vi utt.) utt. ā atskaitÄm, paneļiem utt.).
SvarÄ«gs CI ievieÅ”anas aspekts Ä«paÅ”i InterSystems IRIS: starp platformu un matemÄtiskÄs modelÄÅ”anas vidÄm ir ieviesta divvirzienu integrÄcija, kas ļauj izpildÄ«t saturu, kas tiek mitinÄts platformÄ Python, R un Julia to attiecÄ«gajÄs vidÄs un saÅemt atpakaļ izpildi. rezultÄtus. Å Ä« integrÄcija tiek Ä«stenota gan āterminÄļa režīmÄā (t.i., AI/ML saturs tiek formulÄts kÄ ObjectScript kods, kas izsauc vidi), gan ābiznesa procesa režīmÄā (t.i., AI/ML saturs tiek formulÄts kÄ biznesa process izmantojot grafisko redaktoru vai dažreiz izmantojot Jupyter, vai izmantojot IDE ā IRIS Studio, Eclipse, Visual Studio Code). UzÅÄmÄjdarbÄ«bas procesu pieejamÄ«ba rediÄ£ÄÅ”anai programmÄ Jupyter tiek atspoguļota savienojumÄ starp IRIS CI lÄ«menÄ« un Jupyter kompaktdiska lÄ«menÄ«. TÄlÄk ir sniegts sÄ«kÄks pÄrskats par integrÄciju ar matemÄtiskÄs modelÄÅ”anas vidÄm. Å ajÄ posmÄ, mÅ«suprÄt, ir pamats nodroÅ”inÄt, lai platformai bÅ«tu visi nepiecieÅ”amie rÄ«ki, lai Ä«stenotu AI/ML izstrÄdes (no "nepÄrtrauktas izvietoÅ”anas") ānepÄrtrauktas integrÄcijasā reÄllaika AI/ML risinÄjumos.
Un galvenais makro mehÄnisms: CT. Bez tÄ nebÅ«s AI/ML platformas (lai gan āreÄllaikaā tiks ieviests caur CD/CI). CT bÅ«tÄ«ba ir platformas darbs ar maŔīnmÄcÄ«bas un mÄkslÄ«gÄ intelekta āartefaktiemā tieÅ”i matemÄtiskÄs modelÄÅ”anas vides darba sesijÄs: modeļi, sadales tabulas, matricu vektori, neironu tÄ«klu slÄÅi utt. Å is ādarbsā vairumÄ gadÄ«jumu sastÄv no minÄto artefaktu izveides vidÄs (piemÄram, modeļu gadÄ«jumÄ āizveideā sastÄv no modeļa specifikÄcijas iestatÄ«Å”anas un sekojoÅ”as tÄ parametru vÄrtÄ«bu izvÄles - modeļa tÄ sauktÄ āapmÄcÄ«baā, to pielietoÅ”ana (modeļiem: aprÄÄ·ins ar mÄrÄ·a mainÄ«go lielumu āmodeļaā vÄrtÄ«bu palÄ«dzÄ«bu - prognozes, piederÄ«ba kategorijÄm, notikuma iespÄjamÄ«ba utt.) un jau esoÅ”Ä uzlaboÅ”ana. izveidoti un pielietoti artefakti (piemÄram, modeļa ievades mainÄ«go kopas pÄrdefinÄÅ”ana, pamatojoties uz pielietojuma rezultÄtiem - lai uzlabotu prognozÄÅ”anas precizitÄti, kÄ opcija). Galvenais punkts, lai izprastu CT lomu, ir tÄ āabstrakcijaā no CD un CI realitÄtes: CT ieviesÄ«s visus artefaktus, koncentrÄjoties uz AI/ML risinÄjuma skaitļoÅ”anas un matemÄtiskajÄm specifikÄm, Åemot vÄrÄ iespÄjas, ko nodroÅ”ina konkrÄta vide. AtbildÄ«ba par āievades nodroÅ”inÄÅ”anuā un āizvades piegÄdiā bÅ«s CD un CI atbildÄ«ba.
SvarÄ«gs CT ievieÅ”anas aspekts Ä«paÅ”i InterSystems IRIS: izmantojot jau iepriekÅ” minÄto integrÄciju ar matemÄtiskÄs modelÄÅ”anas vidÄm, platformai ir iespÄja iegÅ«t tos paÅ”us artefaktus no darba sesijÄm, kas matemÄtiskajÄs vidÄs tiek vadÄ«tas tÄs kontrolÄ, un (pats galvenais) pÄrvÄrst. tos platformas datu objektos. PiemÄram, izplatÄ«Å”anas tabulu, kas tikko izveidota darba Python sesijÄ, var (neapturot Python sesiju) pÄrsÅ«tÄ«t uz platformu, piemÄram, globÄla (daudzdimensiju InterSystems IRIS datu masÄ«va) formÄ un izmantot aprÄÄ·iniem citÄ AI/ML- mehÄnismÄ (realizÄts citas vides valodÄ - piemÄram, R) - vai virtuÄlÄ tabulÄ. VÄl viens piemÄrs: paralÄli modeļa darbÄ«bas ānormÄlajam režīmamā (Python darba sesijÄ) tÄ ievades datiem tiek veikts āauto-MLā: automÄtiska optimÄlo ievades mainÄ«go un parametru vÄrtÄ«bu atlase. Un kopÄ ar āparastoā apmÄcÄ«bu produktÄ«vs modelis reÄllaikÄ saÅem arÄ« tÄ specifikÄcijas āoptimizÄcijas priekÅ”likumuā - kurÄ mainÄs ievades mainÄ«go kopa, mainÄs parametru vÄrtÄ«bas (ne vairs apmÄcÄ«bas rezultÄtÄ). Python versijÄ, bet apmÄcÄ«bas rezultÄtÄ ar āalternatÄ«vuā versiju, piemÄram, H2O steku), ļaujot kopÄjam AI/ML risinÄjumam autonomi tikt galÄ ar negaidÄ«tÄm izmaiÅÄm modelÄjamo ievaddatu un parÄdÄ«bu raksturÄ. .
SÄ«kÄk iepazÄ«simies ar InterSystems IRIS platformas AI/ML funkcionalitÄti, izmantojot reÄla prototipa piemÄru.
ZemÄk redzamajÄ diagrammÄ slaida kreisajÄ pusÄ ir biznesa procesa daļa, kas realizÄ skriptu izpildi Python un R. CentrÄlajÄ daÄ¼Ä ir attiecÄ«gi dažu Å”o skriptu izpildes vizuÄlie žurnÄli, Python un R. TÅ«lÄ«t aiz tiem ir satura piemÄri vienÄ un citÄ valodÄ, kas pÄrsÅ«tÄ«ti izpildei uz atbilstoÅ”Äm vidÄm. BeigÄs labajÄ pusÄ ir vizualizÄcijas, kuru pamatÄ ir skripta izpildes rezultÄti. AugÅ”pusÄ esoÅ”Äs vizualizÄcijas tika veiktas IRIS Analytics (dati tika Åemti no Python uz InterSystems IRIS datu platformu un parÄdÄ«ti informÄcijas panelÄ«, izmantojot platformu), apakÅ”Ä tika veiktas tieÅ”i R darba sesijÄ un no turienes izvadÄ«tas uz grafiskajiem failiem. . SvarÄ«gs aspekts: prototipÄ uzrÄdÄ«tais fragments ir atbildÄ«gs par modeļa apmÄcÄ«bu (iekÄrtu stÄvokļu klasifikÄciju) uz datiem, kas saÅemti reÄllaikÄ no iekÄrtas simulatora procesa, pÄc komandas no klasifikÄcijas kvalitÄtes monitora procesa, kas novÄrots modeļa pielietoÅ”anas laikÄ. AI/ML risinÄjuma ievieÅ”ana mijiedarbojoÅ”u procesu (āaÄ£entuā) veidÄ tiks apspriesta tÄlÄk.
12. attÄls MijiedarbÄ«ba ar Python, R un Julia programmÄ InterSystems IRIS
Platformas procesi (tie ir arÄ« ābiznesa procesiā, āanalÄ«tiskie procesiā, ākonveļlÄ«niā utt. - atkarÄ«bÄ no konteksta), pirmkÄrt, tiek rediÄ£Äti grafiskajÄ biznesa procesu redaktorÄ paÅ”Ä platformÄ un tÄdÄ veidÄ. veidÄ, ka vienlaikus tiek izveidota gan tÄ blokshÄma, gan atbilstoÅ”ais AI/ML mehÄnisms (programmas kods). Kad mÄs sakÄm, ka āir iegÅ«ts AI/ML mehÄnismsā, mÄs sÄkotnÄji domÄjam hibriditÄti (viena procesa ietvaros): saturs matemÄtiskÄs modelÄÅ”anas vides valodÄs atrodas blakus saturam SQL (tostarp paplaÅ”inÄjumi no IntegrÄtaisML), programmÄ InterSystems ObjectScript ar citÄm atbalstÄ«tajÄm valodÄm. TurklÄt platformas process sniedz ļoti plaÅ”as iespÄjas ārenderÄÅ”anaiā hierarhiski ligzdotu fragmentu veidÄ (kÄ redzams piemÄrÄ zemÄk esoÅ”ajÄ diagrammÄ), kas ļauj efektÄ«vi organizÄt pat ļoti sarežģītu saturu, nekad āneizkrÄ«totā. grafiskÄ formÄta (ānegrafiskosā formÄtos). Ā» metodes/klases/procedÅ«ras utt.). Tas ir, nepiecieÅ”amÄ«bas gadÄ«jumÄ (un tas ir paredzÄts lielÄkajÄ daÄ¼Ä projektu) absolÅ«ti visu AI/ML risinÄjumu var realizÄt grafiskÄ paÅ”dokumentÄjoÅ”Ä formÄtÄ. LÅ«dzu, Åemiet vÄrÄ, ka zemÄk esoÅ”Äs diagrammas centrÄlajÄ daļÄ, kas attÄlo augstÄku āligzdoÅ”anas lÄ«meniā, ir skaidrs, ka papildus faktiskajam modeļa apmÄcÄ«bas darbam (izmantojot Python un R) tiek analizÄta t.s. Tiek pievienota apmÄcÄ«tÄ modeļa ROC lÄ«kne, kas ļauj vizuÄli (un arÄ« skaitļoÅ”anas) novÄrtÄt apmÄcÄ«bas kvalitÄti - un Ŕī analÄ«ze tiek realizÄta Julia valodÄ (attiecÄ«gi izpildÄ«ta Julia matemÄtiskajÄ vidÄ).
13. attÄls. VizuÄlÄ vide AI/ML risinÄjumu sastÄvam programmÄ InterSystems IRIS
KÄ minÄts iepriekÅ”, platformÄ jau ieviesto AI/ML mehÄnismu sÄkotnÄjÄ izstrÄde un (dažos gadÄ«jumos) adaptÄcija tiks/var tikt veikta Ärpus platformas Jupyter redaktorÄ. ZemÄk esoÅ”ajÄ diagrammÄ redzams esoÅ”as platformas procesa pielÄgoÅ”anas piemÄrs (tÄds pats, kas diagrammÄ augstÄk) - Å”Ädi izskatÄs fragments, kas ir atbildÄ«gs par modeļa apmÄcÄ«bu Jupyter. Python saturs ir pieejams rediÄ£ÄÅ”anai, atkļūdoÅ”anai un grafikas izvadei tieÅ”i programmÄ Jupyter. IzmaiÅas (ja nepiecieÅ”ams) var veikt ar tÅ«lÄ«tÄju sinhronizÄciju platformas procesÄ, ieskaitot tÄs produktÄ«vo versiju. Jaunu saturu uz platformu var pÄrsÅ«tÄ«t lÄ«dzÄ«gÄ veidÄ (automÄtiski tiek Ä£enerÄts jauns platformas process).
Platformas procesa pielÄgoÅ”anu var veikt ne tikai grafiskÄ vai klÄpjdatora formÄtÄ, bet arÄ« ātotÄlÄā IDE (Integrated Development Environment) formÄtÄ. Å ie IDE ir IRIS Studio (vietÄjÄ IRIS studija), Visual Studio Code (InterSystems IRIS paplaÅ”inÄjums VSCode) un Eclipse (Atelier spraudnis). Dažos gadÄ«jumos izstrÄdes komanda var izmantot visus trÄ«s IDE vienlaikus. TÄlÄk redzamajÄ diagrammÄ ir parÄdÄ«ts piemÄrs viena un tÄ paÅ”a procesa rediÄ£ÄÅ”anai programmÄ IRIS Studio, Visual Studio Code un Eclipse. PilnÄ«gi viss saturs ir pieejams rediÄ£ÄÅ”anai: Python/R/Julia/SQL, ObjectScript un biznesa process.
15. attÄls InterSystems IRIS biznesa procesa attÄ«stÄ«ba dažÄdÄs IDE
ÄŖpaÅ”i jÄatzÄ«mÄ rÄ«ki InterSystems IRIS biznesa procesu aprakstÄ«Å”anai un izpildei biznesa procesu valodÄ (BPL). BPL ļauj biznesa procesos izmantot āgatavus integrÄcijas komponentusā (aktivitÄtes), kas faktiski dod pamatu apgalvot, ka InterSystems IRIS ir ieviesta ānepÄrtraukta integrÄcijaā. GatavÄs biznesa procesa sastÄvdaļas (aktivitÄtes un savienojumi starp tÄm) ir spÄcÄ«gs paÄtrinÄtÄjs AI/ML risinÄjuma komplektÄÅ”anai. Un ne tikai montÄžas: pateicoties aktivitÄtÄm un saiknÄm starp tÄm pÄr atŔķirÄ«gÄm AI/ML izstrÄdÄm un mehÄnismiem, rodas āautonoms pÄrvaldÄ«bas slÄnisā, kas spÄj pieÅemt lÄmumus atbilstoÅ”i situÄcijai, reÄllaikÄ.
16. attÄls. Gatavi biznesa procesa komponenti nepÄrtrauktai integrÄcijai (CI) InterSystems IRIS platformÄ
AÄ£entu sistÄmu koncepcijai (pazÄ«stama arÄ« kÄ āvairÄku aÄ£entu sistÄmasā) ir spÄcÄ«ga pozÄ«cija robotizÄcijÄ, un InterSystems IRIS platforma to organiski atbalsta, izmantojot āprodukta procesaā konstrukciju. Papildus neierobežotajÄm iespÄjÄm katru procesu āpiepildÄ«tā ar kopÄjam risinÄjumam nepiecieÅ”amo funkcionalitÄti, platformas procesu sistÄmas pieŔķirÅ”ana ar āaÄ£entÅ«rasā Ä«paŔību ļauj radÄ«t efektÄ«vus risinÄjumus ÄrkÄrtÄ«gi nestabilÄm simulÄtÄm parÄdÄ«bÄm (sociÄlo/uzvedÄ«bu). biosistÄmas, daļÄji novÄrojami tehnoloÄ£iskie procesi utt.).
16. attÄls AI/ML risinÄjuma kÄ uz aÄ£entiem balstÄ«tas biznesa procesu sistÄmas darbÄ«ba programmÄ InterSystems IRIS
MÄs turpinÄm InterSystems IRIS apskatu ar stÄstu par platformas lietiŔķo izmantoÅ”anu, lai atrisinÄtu visas reÄllaika problÄmu klases (diezgan detalizÄts ievads par dažÄm platformas AI/ML labÄkajÄm praksÄm InterSystems IRIS ir atrodams vienÄ no mÅ«su iepriekÅ”ÄjÄs vebinÄri).
Karsts par iepriekÅ”Äjo diagrammu, zemÄk ir detalizÄtÄka aÄ£entu sistÄmas diagramma. DiagrammÄ redzams viens un tas pats prototips, redzami visi Äetri aÄ£entu procesi, shematiski uzzÄ«mÄtas attiecÄ«bas starp tiem: Ä¢ENERATORS - apstrÄdÄ datu izveidi ar iekÄrtu sensoriem, BUFERIS - pÄrvalda datu rindas, ANALIZÄJS - pats veic maŔīnmÄcÄ«Å”anos, MONITORS - uzrauga maŔīnmÄcÄ«bas kvalitÄti un sniedz signÄlu par nepiecieÅ”amÄ«bu pÄrkvalificÄt modeli.
17. attÄls. AI/ML risinÄjuma sastÄvs uz aÄ£entiem balstÄ«tas biznesa procesu sistÄmas veidÄ programmÄ InterSystems IRIS
ZemÄk redzamÄ diagramma ilustrÄ cita robotizÄta prototipa autonomu darbÄ«bu (tekstu emocionÄlÄ krÄsojuma atpazÄ«Å”ana) kÄdu laiku. AugÅ”ÄjÄ daÄ¼Ä ir modeļu apmÄcÄ«bas kvalitÄtes rÄdÄ«tÄja evolÅ«cija (kvalitÄte aug), apakÅ”ÄjÄ daÄ¼Ä ir modeļu pielietoÅ”anas kvalitÄtes rÄdÄ«tÄja dinamika un atkÄrtotas apmÄcÄ«bas fakti (sarkanÄs svÄ«tras). KÄ redzat, risinÄjums ir apguvis sevi efektÄ«vi un autonomi un darbojas noteiktÄ kvalitÄtes lÄ«menÄ« (kvalitÄtes rÄdÄ«tÄja vÄrtÄ«bas nekrÄ«tas zem 80%).
MÄs arÄ« iepriekÅ” minÄjÄm āauto-MLā, taÄu zemÄk esoÅ”ajÄ diagrammÄ ir detalizÄti parÄdÄ«ta Ŕīs funkcijas izmantoÅ”ana, izmantojot cita prototipa piemÄru. Biznesa procesa fragmenta grafiskÄ diagramma parÄda darbÄ«bu, kas iedarbina modelÄÅ”anu H2O skurstenÄ«, parÄda Ŕīs modelÄÅ”anas rezultÄtus (iegÅ«tÄ modeļa nepÄrprotamo dominÄjoÅ”o stÄvokli pÄr ācilvÄka radÄ«tajiemā modeļiem saskaÅÄ ar salÄ«dzinoÅ”o diagrammu ROC lÄ«knes, kÄ arÄ« sÄkotnÄjÄ datu kopÄ pieejamo āietekmÄ«gÄko mainÄ«go lielumuā automatizÄta identificÄÅ”ana). Å eit svarÄ«gs ir laika un ekspertu resursu ietaupÄ«jums, kas tiek panÄkts ar āauto-MLā palÄ«dzÄ«bu: tas, ko mÅ«su platformas process paveic pusminÅ«tes laikÄ (optimÄlÄ modeļa atraÅ”ana un apmÄcÄ«ba), ekspertam var aizÅemt no nedÄļas lÄ«dz mÄnesim.
ZemÄk redzamÄ diagramma nedaudz palaiž garÄm bÅ«tÄ«bu, taÄu tas ir labs veids, kÄ beigt stÄstu par reÄllaika problÄmu risinÄÅ”anas klasÄm: atgÄdinÄm, ka ar visÄm InterSystems IRIS platformas iespÄjÄm tÄs kontrolÄ esoÅ”ie apmÄcÄ«bas modeļi ir nav obligÄti. Platforma var saÅemt no Ärpuses tÄ saukto modeļa PMML specifikÄciju, kas apmÄcÄ«ta rÄ«kÄ, kas nav platformas kontrolÄ, un lietot Å”o modeli reÄllaikÄ no tÄ importÄÅ”anas brīža. PMML specifikÄcijas. Ir svarÄ«gi Åemt vÄrÄ, ka ne visus AI/ML artefaktus var reducÄt lÄ«dz PMML specifikÄcijai, pat ja lielÄkÄ daļa izplatÄ«tÄko artefaktu to pieļauj. TÄdÄjÄdi InterSystems IRIS platforma ir āatvÄrta cilpaā un lietotÄjiem nenozÄ«mÄ āplatformas verdzÄ«buā.
UzskaitÄ«sim InterSystems IRIS papildu platformas priekÅ”rocÄ«bas (skaidrÄ«bas labad saistÄ«bÄ ar procesa vadÄ«bu), kurÄm ir liela nozÄ«me mÄkslÄ«gÄ intelekta automatizÄcijÄ un reÄllaika maŔīnmÄcÄ«bÄ:
IzstrÄdÄti integrÄcijas rÄ«ki ar jebkuriem datu avotiem un patÄrÄtÄjiem (procesu vadÄ«bas sistÄma/SCADA, aprÄ«kojums, MRO, ERP utt.)
IebÅ«vÄts vairÄku modeļu DBVS jebkura tehnoloÄ£iskÄ procesa datu apjoma augstas veiktspÄjas darÄ«jumu un analÄ«tiskai apstrÄdei (hibrÄ«da transakcija/analÄ«tiskÄ apstrÄde, HTAP)
IzstrÄdes rÄ«ki nepÄrtrauktai AI/ML dzinÄju izvietoÅ”anai reÄllaika risinÄjumiem, kuru pamatÄ ir Python, R, Julia
AdaptÄ«vi biznesa procesi nepÄrtrauktai reÄllaika AI/ML risinÄjumu dzinÄju integrÄcijai un (paÅ”)mÄcÄ«bai
IebÅ«vÄti biznesa inteliÄ£ences rÄ«ki procesa datu un AI/ML risinÄjuma rezultÄtu vizualizÄÅ”anai
API pÄrvaldÄ«ba AI/ML risinÄjuma rezultÄtu nogÄdÄÅ”anai uz procesu vadÄ«bas sistÄmÄm/SCADA, informÄcijas un analÄ«tiskajÄm sistÄmÄm, brÄ«dinÄjumu nosÅ«tÄ«Å”anai utt.
AI/ML risinÄjumi InterSystems IRIS platformÄ viegli iekļaujas esoÅ”ajÄ IT infrastruktÅ«rÄ. InterSystems IRIS platforma nodroÅ”ina augstu AI/ML risinÄjumu uzticamÄ«bu, atbalstot kļūmju un katastrofu izturÄ«gas konfigurÄcijas un elastÄ«gu izvietoÅ”anu virtuÄlajÄ vidÄ, fiziskos serveros, privÄtos un publiskos mÄkoÅos un Docker konteineros.
TÄdÄjÄdi InterSystems IRIS ir universÄla reÄllaika AI/ML skaitļoÅ”anas platforma. MÅ«su platformas universÄlumu praksÄ apstiprina tas, ka nav de facto ierobežojumu attiecÄ«bÄ uz Ä«stenoto aprÄÄ·inu sarežģītÄ«bu, InterSystems IRIS spÄja apvienot (reÄllaikÄ) dažÄdu nozaru scenÄriju apstrÄdi un izcilÄ pielÄgoÅ”anÄs spÄja jebkuras platformas funkcijas un mehÄnismi lietotÄju Ä«paÅ”ajÄm vajadzÄ«bÄm.
Lai sazinÄtos ar tiem mÅ«su lasÄ«tÄjiem, kurus interesÄ Å”eit sniegtais materiÄls, mÄs iesakÄm neaprobežoties tikai ar tÄ lasÄ«Å”anu un turpinÄt dialogu ātieÅ”raidÄā. Ar prieku sniegsim atbalstu reÄllaika AI/ML scenÄriju formulÄÅ”anÄ saistÄ«bÄ ar JÅ«su uzÅÄmuma specifiku, veiksim kopÄ«gu prototipu izstrÄdi InterSystems IRIS platformÄ, formulÄsim un praksÄ ieviesÄ«sim ceļvedi mÄkslÄ«gÄ intelekta un maŔīnmÄcÄ«bas ievieÅ”anai. jÅ«su ražoÅ”anas un vadÄ«bas procesos. MÅ«su AI/ML ekspertu komandas saziÅas e-pasts ā [e-pasts aizsargÄts].