Hitachi Vantara tambah kapabilitas Machine Learning

JAKARTA (IndoTelko) – Hitachi Vantara, anak perusahaan Hitachi, Ltd., mengumumkan penambahan kapabilitas machine learningnya untuk membantu para ilmuwan data dalam mengamati, menguji, melatih, serta memindahkan model-model di dalam produksi.

Sebuah inovasi dari Hitachi Vantara Labs, dikenal sebagai “Machine Learning Model Management”, mampu menggunakan perangkat-perangkat terbaru ini di dalam saluran data yang dibangun dalam Pentaho untuk membantu meningkatkan hasil bisnis sekaligus mengurangi resiko dengan memudahkan pembaharuan model saat merespon perubahan yang terus-menerus.

Peningkatan transparansi memberikan wawasan yang lebih baik serta kepercayaan terhadap algoritma kepada perusahaan.

Seiring organisasi betransformasi secara digital, algoritma mereka menjadi keunggulan kompetitif utama - sekaligus berpotensi menimbulkan risiko.

Model yang berada dalam masa produksi harus dipantau, diuji dan dilatih ulang terus-menerus sebagai respons terhadap perubahan, kemudian dipindahkan. Saat ini, pekerjaan tersebut melibatkan usaha secara manual dan, akibatnya, seringkali jarang dilakukan. Bila hal tersebut terjadi, ketepatan prediksi akan memburuk dan berdampak pada profitabilitas bisnis berbasis data.

"Menurut penelitian kami, dua pertiga organisasi tidak memiliki proses otomatis untuk memperbarui model analisis prediktif mereka dengan lancar. Akibatnya, kurang dari seperempat model machine learning diperbarui setiap hari, sekitar sepertiga diperbarui setiap minggu dan lebih dari setengah diperbarui setiap bulan. Model yang sudah ketinggalan zaman dapat menciptakan risiko yang signifikan bagi organisasi," kata SVP & Research Director, Ventana Research David Menninger dalam keterangan, kemarin.

Dikatakannya, pengelolaan model data science terbaru meningkatkan proses penempatan machine learning di tiga area:

1. Mempercepat proses model masuk ke dalam produksi: Langkah-langkah orkestrasi machine learning yang baru mendukung keahlian data dan fitur.

Langkah-langkah ini mengevaluasi model dan meningkatkan keakuratannya menggunakan data produksi asli sebelum ditayangkan. Untuk penyetelan model lebih lanjut dan menghindari overfitting, tim operasi data dapat menyamaratakan model terhadap data uji produksi dengan menggunakan beragam teknik evaluasi antar validasi (cross-validation) and holdout.

Penyiapan dan pembersihan data spesifik algoritma - juga disebut sebagai "mil terakhir dari persiapan data" – sekarang menjadi otomatis. Tim operasi dapat menyesuaikan parameter model menggunakan GUI sederhana alih-alih menulis dan mempertahankan kode, yang membebaskan ilmuwan data untuk mengembangkan model baru.

2. Memaksimalkan keakuratan model dalam masa produksi: Setelah model diproduksi, ketepatannya biasanya menurun karena data produksi baru berjalan di dalamnya.

Untuk menghindari hal tersebut,  beberapa evaluasi statistik baru membantu mengidentifikasi model yang terdegradasi. Visualisasi dan laporan yang kaya memudahkan untuk menganalisis kinerja model dan menemukan kesalahan. Saat pembaruan atau perubahan terjadi, model "penantang" baru dapat dengan mudah diuji A / B melawan model "juara" saat ini. Karena hasil tes dikembalikan lebih cepat, maka model bisa disesuaikan lebih awal.

3. Berkolaborasi dan mengatur operasi model pada skala: Banyak organisasi menuntut visibilitas mengenai cara algoritma membuat keputusan.

Kurangnya transparansi sering menjadi penyebab dari kolaborasi yang buruk dalam kelompok-kelompok yang menerapkan dan memelihara model termasuk tim operasi, ilmuwan data, insinyur data, pengembang dan arsitek aplikasi.

Kemampuan baru dari Hitachi Vantara ini mendorong kolaborasi, menyediakan jalur data (data lineage) dari langkah-langkah model, visibilitas sumber data dan fitur untuk model. Transparansi yang lebih besar ini memungkinkan jaringan dan saluran data mudah dibagi, distandarisasi dan digunakan kembali di seluruh tim yang memungkinkan percepatan pembangunan aplikasi machine learning baru. Dengan memanfaatkan platform kelas enterprise, langkah-langkah model machine learning dimasukkan ke dalam saluran data dan dapat menjalankan volume data berskala besar di lingkungan yang sangat tersedia dan aman.

“Machine learning dan Artificial Intelligence (AI) mengoptimalkan segalanya, mulai dari interaksi dengan pelanggan hingga operasi perusahaaan. Karena aplikasi-aplikasi ini berevolusi, ilmuwan data dan tim operasi TI perlu memindahkan model-model yang baru dilatih ke dalam produksi lebih cepat dari sebelumnya,sebelum, yang dapat menghilangkan akurasi, tahap kolaborasi dan governance,” kata John Magee, VP, product marketing, Hitachi Vantara. “Machine learning model management milik Hitachi Vantara Labs penyediakan transparanis algoritma yang telah ditingkatkan dan otomatisasi sehingga tim aplikasi bisa memusatkan usaha mereka dalam berinovasi dengan cepat,” tutupnya.(ak)