Lançamento da everis promete agilizar desenvolvimento de machine learning

67

A everis anunciou o lançamento do framework Noronha, uma plataforma de desenvolvimento open source para Operações de Machine Learning (MLops). O objetivo é apoiar cientistas de dados, engenheiros e arquitetos em todo o ciclo de vida das soluções de machine learning, desde a criação do modelo até a efetiva produção. Esta é a primeira solução open source que a empresa desenvolve.

A everis demorou dois anos para criar o Noronha, baseado na permissiva licença Apache 2.0, e agora oferece ao mercado uma ferramenta pensada para manter rastreabilidade dos desenvolvimentos e agilizar os projetos de machine learning de diferentes naturezas, como deep learning, NLP ou image recognition, atendendo necessidades de alta disponibilidade.

Publicações Relacionadas

Por ser uma biblioteca Python, Noronha simplifica o processo de programação e elimina a necessidade de reescrever os comandos mais usados, dando aos profissionais a oportunidade de trabalhar de acordo com as melhores práticas de gerenciamento de dados corporativos (DataOps) e Operações de Machine Learning (MLOps), segundo a everis.

O framework minimiza riscos ao manter a rastreabilidade de todo o processo de desenvolvimento de modelos (pipelines, código, modelo etc.), bem como reduz o “time to market” e posteriores manutenções e melhorias.

Para permitir que os profissionais não precisem de amplos conhecimentos de TI, o framework da everis automatiza o processo de treinamento e entrega do projeto para integrar a inteligência com o processo de negócio. Isto é possível porque está baseado em contêineres, pois o Noronha possui uma imagem base do Docker e um ecossistema de ciência de dados sobre Python, Conda e Jupyter.

Esta característica oferece aos usuários a possiblidade de instalar suas dependências, criar suas anotações e, então, utilizar o framework para rodar os processos de ML. Noronha é também muito flexível, o que possibilita sua utilização em cloud pública ou privada ou mesmo experimentar em um laptop.