Palvelualusta

Aiwon palvelualusta mahdollistaa nopean ja kustannustehokkaan tavan ottaa käyttöön koneoppimisen ratkaisuja. Palvelualusta muodostaa integroidun kokonaisuuden kehittyneen analytiikan ja koneoppimisen tarpeisiin sekä varmistaa alusta asti sen, että nopeatkin kokeilut voidaan viedä eteenpäin tuotantotasoisiksi ratkaisuiksi.

 

Ideasta tuotantoon ilman kipuilua

Koneoppimisratkaisuissa on kriittistä huomioida kehitettävien koneoppimismallien ja päättelyketjujen tuotantokelpoisuus heti alusta asti ilman, että projektin loppupuolella huomataan alussa tehtyjen oletusten tai johtopäätösten olleen vääriä. Myös alkuvaiheen analytiikka ja koneoppimismallinnus on tehtävä työkaluilla, jotka mahdollistavat tuotantoon viennin luotettavasti ilman, että teknologioita täytyy muuttaa välissä. Lisäksi ratkaisun täytyy huomioida tietovirrat, tietovarannot, integraatiot ja liiketoimintasovellukset, joilla koneoppimisen hyödyt realisoidaan.

Aiwon palvelualusta vastaa tähän tarpeeseen tarjoamalla integroidun ratkaisun koneoppimismallinnuksen ensiaskeleista aina tuotantokäyttöön ja tuotannon aikaiseen jatkokehitykseen huomioiden koneoppimismallinnuksen lisäksi muut tietojärjestelmävaatimukset datan hallinnasta integraatioihin ja kustomoituihin liiketoimintasovelluksiin.

Aiwon palvelualusta hyödyntää valmiita tekoälyalustoja ja -ratkaisuja, jotka on integroitu saumattomasti yhteen tarjoten ainutlaatuisen kokonaisuuden kokeilla ja kehittää koneoppimisratkaisuja.

Palvelualustan keskiössä ovat koneoppimisen mittaamiseen ja elinkaaren hallintaan liittyvät toiminnallisuudet, jotka mahdollistavat nopeiden kokeiluiden lisäksi niiden viemisen tehokkaasti tuotantokäyttöön. Modulaarinen arkkitehtuuri mahdollistaa joustavasti eri teknologioiden, alustojen ja sovellusten yhteensovittamisen sekä asiakkaan datan ja liiketoimintajärjestelmien integroimisen ratkaisuun.

  • Asiakaskohtaiset käyttöliittymät konkretisoivat liiketoimintahyödyn juuri liiketoiminnan vaatimalla tavalla.
  • Koneoppimiskokeilut tuotantokelpoisilla ratkaisuilla varmistavat sen, että jo ensimmäisistä kokeiluista alkaen kaikki ratkaisut on vietävissä tuotantoon ilman, että algoritmeja, teknologiaa tai toimintatapoja tarvitsee muuttaa kokeilun jälkeen.
  • Metriikat tuovat näkyväksi liiketoimintahyötyjä ja koneoppimisen vaikuttavuutta jo ensimmäisistä kokeiluista asti.
  • Modulaarinen arkkitehtuuri mahdollistaa eri teknologioiden käyttöönoton ja integroinnin: mm. uudet koneoppimisteknologiat, asiakaskohtaiset järjestelmät ja tietovarannot sekä pilvialustan palvelut.

Palvelualustan perustan muodostavat joukko avoimen lähdekoodin ohjelmistoja ja teknologioita (mm. Google Tensorflow) sekä yhteensopivuus kaupallisten alustojen palveluihin (mm. Amazon Web Services ja Microsoft Azure).

Kestävä kehittäminen

Palvelualustan kehitysperiaatteet perustuvat lean-henkiseen ohjelmistokehitysmetodologiaan (DevOps) sekä tästä johdettuun ajatukseen koneoppimismallinnuksen integroimisesta tuotantokelpoiseksi ratkaisuksi (MLOps). Erityisesti seuraavat painopisteet tarjoavat kilpailukykyisen ympäristön kehittää kestäviä koneoppimisratkaisuja:

  • Rutiinien automatisointi: palveluiden kehittämisessä, analytiikassa ja koneoppimismallinnuksessa automatisoidaan rutiinitoiminnot, millä varmistetaan tehokas kehitys, tuotannon toimintavarmuus sekä kehitettävien palveluiden laadukkuus.
  • Metriikka ja palaute: palvelualusta kerää metriikkaa sekä liiketoiminnallisesta että teknisestä näkökulmasta muodostaen palautesilmukan liiketoiminnalle ja palvelun kehittäjille.
  • Aina valmis tuotantoon: Palveluiden jatkuva integraatio ja julkaisu varmistaa sen, että ratkaisu on aina testattavissa ja vietävissä tuotantoon automatisoitujen prosessien avulla.
  • Uudet teknologiat: Modulaarinen arkkitehtuuri yhdistettynä jatkuvaan integraatioon mahdollistaa sen, että uusia teknologioita voidaan kokeilla ja ottaa käyttöön joustavasti.