Databricks lanceert oplossing voor versimpelde real-time machine learning in data lakehouse
Databricks lanceert vandaag Databricks Model Serving , om machine learning-systemen met native Databricks-integraties in productieomgevingen te versimpelen. Model Serving maakt de opzet en het onderhoud van een complexe ML-architectuur minder complex, waardoor ML-experts de vrijheid krijgen om zich te richten op het bouwen van ML-modellen van hoge kwaliteit. Daarbij betalen ze bovendien alleen voor de gebruikte rekenkracht. Databricks Model Serving is nu algemeen beschikbaar op AWS en op Azure.
Sinds de explosie van aandacht en mogelijkheden rondom generatieve AI voelen bedrijven de noodzaak om prioriteit te geven aan hun eigen AI-investeringen. Met de inzet van machine learning en AI halen organisaties nieuwe inzichten uit hun data. Hiermee kunnen ze nauwkeurige en directe voorspellingen doen die waarde voor het bedrijf opleveren en nieuwe AI-gestuurde ervaringen voor hun klanten stimuleren. De nieuwe oplossing verzorgt de geautomatiseerde configuratie en onderhoud van de infrastructuur, waardoor overhead wordt verminderd en klanten alleen betalen voor gebruikte rekenkracht.
Met Databricks Model Serving kunnen organisaties nu het hele ML-proces binnen één platform beheren, van het voorbereiden van data tot het monitoren van de performance. Het Databricks Lakehouse Platform biedt daarbij een consistent beeld van data in de gehele ML-lifecycle om implementatie te versnellen en fouten te helpen voorkomen.
Lees het Databricks blog over Databricks Model Serving of meld je aan voor het virtuele ML Event op 14 maart voor meer informatie.
