Skymind Intelligence Layer

モデルを実運用するためのプラットフォーム

Overview

SKIL(Skymind Intelligence Layer)とは、企業のITチームによる大規模な機械学習モデルの管理、展開、再トレーニングをサポートするソフトウェアです。SKILは、主に分散型システムを対象として、リサーチから実運用までの手順を効率化させます。

SKILを選ぶべき理由

データサイエンティスト

幅広く使用されているデータサイエンス ライブラリとの優れた相互運用性

もっと読む →

上級管理職

革新的チームの業務が迅速化し、無駄な時間が削減

もっと読む →

アーキテクト

IT環境内に埋め込み可能な設計

もっと読む →

DevOps/SRE

拡張性や耐障害性に優れ、埋め込み可能な機械学習

もっと読む →

AIインフラストラクチャーの統一

SKILにより、統合された単一プラットフォーム内でAIワークフローが標準化され、自動化できるため、データサイエンスとビッグデータのフレームワーク間の相互運用が可能となります。

コマンドライン インターフェース

社内サービスのセットアップ、データサイエンスのワークフローをコマンドラインから管理できます。

          import skil_client
          uploads = client.upload("tensorflow_rnn.pb")
          new_model = DeployModel(name="recommender_rnn", scale=30, file_location=uploads[0].path)
          model = client.deploy_model(deployment_id, new_model)
          ndarray = INDArray(array=base64.b64encode(x_in))
          input = Prediction(id=1234, prediction=ndarray, needsPreProcessing=false)
          result = client.predict(input, "production", "recommender_rnn")
        

機能の一覧表

機能 詳細 コミュニティー エンタープライズ
相互運用性
Deeplearning4j HadoopおよびSpark上のJVM用のディープラーニング
Tensorflowのプロトコルバッファー TensorFlowから事前にトレーニングされたモデルをインポート
Keras H5 Kerasから事前にトレーニングされたモデルをインポート
PMML 従来の機械学習モデルをインポート
ONNX Caffe2、PyTorch、Apache MXNet、その他のフレームワークからインポート
DataVecの変換 データのETL正規化およびベクトル化パイプライン
SKILプラットフォーム
モデル提供 埋め込み可能なモデルのホスティング、管理、バージョン管理 制限あり
マルチノードをサポート サーバーのクラスタ上で分散トレーニングおよび推論
拡張性 耐障害性、負荷分散、リーダー選出
インストール クラウド、オンプレミス、ハイブリッドシステム上のDockerおよびBare Metalを通じて展開可能
モデルのインポート 幅広く使用されている機械学習ライブラリからモデルをインポート
ハードウェア アクセラレーション GPU用CUDAおよびCPU用MKLの管理
連携 HadoopやSparkなどのビッグデータツールとネイティブ連携
アプリケーション
ロボットによる業務自動化 既存のRPAアプリケーションにAI層を追加
AIインフラストラクチャー SKILはCiscoやHuaweiのサーバー上に事前にパッケージ化済み
Support
オンライン コミュニティー コミュニティー フォーラム、ビデオ、ドキュメントへのアクセス
開発サポート 一般的な特徴量設計およびモデル調節に関する助言
SLA アップタイムおよび応答時間の保証
価格 無料 お問い合わせ先

無料相談

AIの専門家による30分の質疑応答をスケジュールします。

スカイマインドエキスパートと話す