Machine learning, più facile passare dal modello alla pipeline

Una cosa è creare un modello di machine learning, lavorando dietro schermo e tastiera di un notebook, un’altra è inserirlo all’interno di un più ampio meccanismo che lo renda scalabile e funzionante. Una pipeline, come si dice in gergo. Google ha voluto andare incontro alle difficoltà dei programmatori e dei data scientist con Cloud AI Platform Pipelines, una piattaforma in cloud che permette di “distribuire solide e riproducibili pipeline di machine learning”, e che include funzionalità di monitoraggio, auditing, tracciamento delle versioni, riproducibilità. 

Sarà dunque più semplice creare dei workflow di apprendimento automatico, che non siano solo sperimentazioni ma che risultino utilizzabili all’interno di contesti aziendali. Per semplificare e velocizzare ulteriormente il lavoro, la piattaforma include numerosi componenti di pipeline preconfezionati, oltre a permettere di crearne altri ex novo.

Disponibile attualmente in versione beta, Cloud AI Platform Pipelines si compone essenzialmente di due parti: una è l’infrastruttura (enterprise-ready, sottolinea Google) necessaria per distribuire ed eseguire dei workload di machine learning, integrati con i servizi della Google Cloud Platform; l’altra è l’insieme degli strumenti utili per costruire, effettuare il debugging e condividere sia le intere pipeline sia i loro componenti. 

La piattaforma si integra, inoltre, con i servizi gestiti di Google Cloud (BigQuery, Dataflow, AI Platform Training and Serving, Cloud Functions e altri) e supporta i software development kit Kubeflow Pipelines SDK e TFX SDK. Google ha già annunciato una prossima aggiunta di ulteriori funzionalità.