기계 학습 운영 (MLOps) 제어를위한 전투가 조직이 수용함에 따라 본격적으로 시작됩니다. 기능 저장소 AI 모델을보다 효율적으로 구축 할 수 있습니다.

기능 저장소는 AI 모델 개발자가 AI 모델을 구성하는 아티팩트와 수정 또는 추가 확장이 필요한 전체 AI 모델을 공유하고 재사용 할 수있는 데이터웨어 하우스의 핵심입니다. 개념적으로 기능 저장소 저장소는 개발자가 코드를 공유하고 재사용하여 애플리케이션을보다 효율적으로 빌드 할 수 있도록하는 Git 저장소와 유사한 역할을합니다.

기능 저장소 저장소의 초기 개척자에는 Michaelangelo라는 플랫폼을 구축 한 Uber와 Zipline이라는 기능 저장소를 만든 Airbnb가 있습니다. 그러나 두 플랫폼 모두 오픈 소스 코드로 사용할 수 없습니다. 이러한 공백을 채우기 위해 노력하는 주요 기능 저장소 리포지토리 제공 업체에는 Tecton, Molecula, Hopsworks, Splice Machine, 그리고 가장 최근에는 Amazon Web Services (AWS)가 포함됩니다. 또한 기여자 인 Google과 Tecton 사이에서 중요한 Feast라고 불리는 오픈 소스 기능 저장소 프로젝트도 있습니다.

데이터 과학 팀이 단일 AI 모델을 구성하는 데 XNUMX 개월 이상 걸릴 수 있으므로 이러한 프로세스를 가속화해야하는 압력이 높아지고 있습니다. AI 모델을 사용하는 조직은 더 많은 것을 더 빠르게 구축하기를 원할뿐만 아니라 프로덕션 환경에 배포 된 AI 모델도 정기적으로 업데이트하거나 비즈니스 조건의 변화에 ​​따라 교체해야합니다.

그러나 지금 당장은 기능 저장소 리포지토리가 더 큰 MLOps 플랫폼의 기본 요소가 아닌 독립형 범주를 어느 정도 나타내는 지에 대해 명확하지 않습니다. 투자 자본이 범주에 쏟아지기 시작하면서 기능 스토어 플랫폼 제공 업체는 두 가지 방법을 모두 갖기 위해 노력하고 있습니다.

예를 들어, Splice Machine은 조직이 데이터 과학 프로세스를 관리하기 위해 플랫폼과 별도로 배포 할 수있는 SQL 기반 기능 저장소 플랫폼을 제공합니다. Splice Machine의 CEO 인 Monte Zweben은“다른 환경에서 사용할 수 있도록 기능 저장소를 모듈화하는 것이 중요합니다. "두 가지 방식으로 기능 스토어가 채택되는 것을 보게 될 것입니다."

그러나 시간이 지남에 따라 기능 저장소는 어떤 식 으로든 가장 큰 가치를 창출하기 위해 더 큰 플랫폼의 일부가되어야한다는 것이 분명해질 것이라고 그는 덧붙였습니다.

신선한 것 추가 자금 17.6 만 달러 모금, Molecula는 MLOps 프로세스가 회전하는 기반이되는 것 외에도 기능 저장소를 독립형 제품으로 포지셔닝하고 있습니다. 실제로 Molecula는 AI 모델을보다 효율적으로 구축 할 수있을뿐만 아니라 기능 저장소가 모든 유형의 고급 분석 애플리케이션을 구축하는 데 중요해질 것이라고 확신하고 있다고 Molecula CEO HO Maycotte는 말했습니다.

이 목표를 달성하기 위해 Molecula는 자체 스토리지 아키텍처를 구축하여 오늘날 AI 모델 및 기타 유형의 고급 분석 애플리케이션 구축을 매우 번거롭게 만드는 모든 수동 복사 및 붙여 넣기 프로세스를 제거했습니다. Maycotte는“MLOps만을위한 것이 아닙니다. "우리의 구매자는 데이터 엔지니어입니다."

한편 Tecton은 핵심 기능 플래그 플랫폼을 중심으로 동급 최고의 MLOps 생태계를 만드는 데 더 중점을 두는 것으로 보입니다. Tecton CEO 인 Mike Del Balso는“특집 스토어는 MLOps 툴체인의 중심이 될 것입니다.

그러나 이러한 각 공급 업체에 그림자를 드리 우는 것은 기능 저장소 저장소를 서비스로 사용할 수 있도록하는 클라우드 서비스 공급자입니다. 대부분의 AI 모델은 엄청난 양의 데이터가 필요하고 그래픽 프로세서 장치 (GPU) 비용이 필요하기 때문에 공용 클라우드에서 훈련됩니다. AI 모델을 구축하는 데 이미 사용중인 클라우드 서비스에 기능 저장소 저장소를 추가하는 것은 단순히 논리적 확장입니다.

그러나 기능 저장소 플랫폼 제공 업체는 MLOps 프로세스가 여러 클라우드에 걸쳐지는 것은 시간 문제 일 뿐이라고 주장합니다. 많은 엔터프라이즈 IT 조직은 여러 클라우드에서 AI 모델과 해당 구성 요소를 더 간단하게 공유 할 수있는 기능 저장소 저장소를 표준화하려고합니다.

MLOps의 발전 방식에 관계없이 AI 모델을 구축하기위한 중앙 집중식 저장소의 필요성이 분명해졌습니다. 기업 IT 조직이 지금 해결해야하는 문제는 현재 어떤 접근 방식이 가장 적합한 지 결정하는 것입니다. 지금 선택하는 기능 스토어 플랫폼이 향후 수년간 AI 전략에 큰 영향을 미치기 때문입니다.