Conseguir que más empresas puedan utilizar Inteligencia Artificial significa que sea más fácil para ellas el descubrir, compartir y utilizar las herramientas y el trabajo ya existentes. Pero hasta hace poco, la escasez de conocimientos sobre machine learning por parte de los programadores hacía difícil la construcción de un recurso integral. Para atender esta necesidad, Google Cloud ha lanzado AI Hub.
El AI Hub es un punto de encuentro para contenido ML plug and play, incluyendo pipelines, Jupyter notebooks, módulos TensorFlow y más. AI Hub ofrece dos ventajas significativas: el primero es poner a disposición de todas las empresas los recursos ML de alta calidad desarrollados por Google Cloud AI, Google Research y otros equipos de Google. La segunda es que proporciona un centro privado y seguro donde las empresas pueden subir y compartir recursos de ML dentro de sus propias organizaciones. Esto facilita a las organizaciones la reutilización de pipelines y su despliegue para la producción en GCP (o en infraestructuras híbridas utilizando el sistema pipelines Kubeflow) en tan sólo unos pasos.
Pero no basta con proporcionar un lugar donde las organizaciones puedan descubrir, compartir y utilizar recursos de ML, sino que también necesitan una forma de crearlos y empaquetarlos para que sean lo más útiles posible para la mayor variedad de usuarios. Es por eso que en Goggle también han desarrollado Kubeflow Pipelines.
Kubeflow Pipelines es un nuevo componente de Kubeflow, un proyecto de código abierto iniciado por Google, que empaqueta el código ML al tiempo que proporciona una aplicación para que puedan utilizarlo otros usuarios de una organización. Kubeflow Pipelines ofrece un espacio de trabajo para componer, desplegar y gestionar flujos de trabajo de ML de extremo a extremo, lo que lo convierte en una solución híbrida que no se bloquea, idónea tanto para la creación de prototipos como para la producción. También permite una experimentación rápida y fiable, por lo que los usuarios pueden probar muchas técnicas de ML para identificar qué es lo que funciona mejor para su aplicación.
Kubeflow Pipelines ayuda a aprovechar las bibliotecas de código abierto TensorFlow Extended (TFX) de Google que abordan cuestiones de producción de ML, como el análisis de modelos, la validación de datos, la inclinación de los servicios de formación o la deriva de datos y mucho más.
